买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉太原科技大学申请的专利一种在线调控板带残余应力的喷砂循环回收装置及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120551958B 。

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511080905.9，技术领域涉及：B24C9/00；该发明授权一种在线调控板带残余应力的喷砂循环回收装置及方法是由姬亚锋;刘德席;高晓慧;孙杰;彭文设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本一种在线调控板带残余应力的喷砂循环回收装置及方法在说明书摘要公布了：本发明属于热轧板带残余应力的控制技术领域，公开了一种在线调控板带残余应力的喷砂循环回收装置及方法，方法包括：基于机器学习建立加权集成预测模型，进行板带残余应力预测；依据残余应力预测值，对板带进行循环喷砂调控；依据现场的多功能仪或板形仪给出的数据，监测板带的平直度变化情况。本发明建立了机理融合数据的残余应力预测模型，实现了板带残余应力在线调控与砂料循环利用，操作简便、高效节能。

本发明授权一种在线调控板带残余应力的喷砂循环回收装置及方法在权利要求书中公布了：1.一种在线调控板带残余应力的喷砂循环回收装置，其特征在于，包括： 控制装置1、喷砂装置2、清扫装置3、安全装置4、储砂装置5； 控制装置1与喷砂装置2、清扫装置3、储砂装置5连接，对板带残余应力进行预测，控制喷砂装置2将砂料喷射在作业区后，进而控制清扫装置3将作业区砂料进行清扫回收进储砂装置5，完成砂料回收； 安全装置4与喷砂装置2连接，将作业区包围；储砂装置5与喷砂装置2连接，为喷砂装置2提供砂料；储砂装置5同时与作业区辊道连接，用于回收砂料； 一种在线调控板带残余应力的喷砂循环回收方法，应用所述的在线调控板带残余应力的喷砂循环回收装置，包括以下步骤： S1、基于机器学习建立加权集成预测模型，进行板带残余应力预测； S2、依据残余应力预测值，利用喷砂处理对板带进行调控； S3、依据现场的多功能仪或板形仪给出的数据，监测板带的平直度变化情况，判断进行过一次调控后的板形是否符合要求，对不符合要求的板带进行二次调控； 所述S1中，基于机器学习建立加权集成预测模型，进行板带残余应力预测的方法包括： S1.1、采集板带的平直度、凸度及喷砂过程中特征数据变量； S1.2、结合S1.1的特征数据变量，建立残余应力机理模型； 其中，结合S1.1的特征数据变量，建立残余应力机理模型包括以下步骤： 建立三维温度场模型，该过程用相变潜热的三维热传导微分方程表示： 其中，x、y、z分别代表三维空间中的宽度方向、长度方向和厚度方向；q为相变潜热；T为 温度；t为时间；λ为导热系数；ρ为材料密度；为比定压热容； 建立相变计算模型，在非等温转变过程中，奥氏体相变动力学方程为： 其中，为第i增量步的相变比例；第i-1增量步的相变比例；为第i增量步的热 力学平衡分数，与板带的成分和温度有关；t为时间；、n为与材料特性、相变类型及冷却条 件相关的常数；为第i增量步的时间增量； 马氏体相变动力学方程为： 其中，为马氏体转变量，α为与材料相关的常数，为马氏体相变开始的温度，T为实 际冷却温度； 建立本构关系，热轧板带在冷却过程中，由于诱因的不同，应变由几个部分组成，写成增量形式为： 其中，、、分别为弹性应变、热应变和塑性应变的增量；、与相变 相关，分别为由相变体积变化引起的应变增量和相变诱导塑性应变分量； 根据层流冷却过程中的数据计算总残余应力： 其中：为冷却过程中温度梯度引起的热应力；为相体积变化引起的相变应力； 为考虑塑性变形时的应力；为与温度相关的弹性模量；为热膨胀系数；为表面与芯 部的局部温差；为泊松比；为与材料刚度相关的约束系数；为相变体积变化率；为 相变体积分数； S1.3、管路喷砂量的计算机理： 根据伯努利方程，喷砂器喉部气流速度为：； 对于湿砂，引入修正系数k0k1,即：； 喉部低压区与管内大气压形成压力差：； 吸入砂料体流量为：； 总喷砂流量由砂料与空气混合形成，以体积流量表示为：； 因此整理得单只管路喷砂流量计算公式为： 总管路喷砂流量计算公式为： 其中，入口气压，为喉部气压即低压，为砂料在管路中流动时产生的压力损失，为大气压强，、分别为入口和喉部截面积；为空气密度；为流量系数；为吸 砂口截面积；为砂料堆积密度；k为单只喷砂器管路中修正系数；为吸入砂料体流量；为吸入空气流量； S1.4、融合管路板带残余应力变化机理及喷砂量计算机理，基于5种机器学习模型建立加权集成残余应力预测模型； 其中，S1.4、融合管路板带残余应力变化机理及喷砂量计算机理，基于5种机器学习模型建立加权集成残余应力预测模型包括以下步骤： S1.4.1、对步骤1的特征数据变量进行预处理； S1.4.2、选取5种不同的机器学习模型：BP神经网络、支持向量机即SVM、最小二乘向量机即LSSVM、梯度提升回归即XGBoost、随机森林即RF；其中，输入参数为工艺参数、板带的材料属性、板带的几何形状，输出量为板带的残余应力； S1.4.3、基于板带残余应力和喷砂量的机理模型，将预处理后的数据分别对5种模型进行训练，得到5种对应的预测模型； 设置初始的权重，通过粒子群寻优算法进行寻优，预定一种综合性能评估函数，采用均方根误差RMSE与决定系数R2的加权差值作为粒子群算法即PSO的目标优化函数，数学表达式为： 其中，表示模型对数据的拟合程度；RMSE表示预测误差大小；C表示惩罚因子； 通过蒙特卡洛算法即MCST，对寻优过程施加扰动，增加集成模型的鲁棒性和泛化能力； 对五种机器学习模型的关键超参数进行微调，得到一种最佳的加权集成预测模型； S1.4.4、从平均绝对误差MAE、均方根误差RMSE与决定系数三方面分别对5种模型和 集成预测模型的预测精度进行分析。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人太原科技大学，其通讯地址为：030024 山西省太原市万柏林区窊流路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。