共查询到18条相似文献,搜索用时 167 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
以C-Si-Mn系热轧双相钢为研究对象,通过单道次热模拟实验,研究了不同变形温度下热轧双相钢热变形行为.研究发现,变形温度越高,再结晶越容易;变形温度降低,铁素体晶粒小,热变形流变应力随之下降,并且双相钢中板条马氏体和孪晶马氏体形貌均有退化趋势.通过对不同变形温度下双相钢热变形行为的研究,可以为进一步热轧实验提供理论依据. 相似文献
9.
10.
简要说明了热轧双相钢组织及生产特点,并结合本钢DP590级热轧双相钢的生产介绍了工艺条件对C-Si-Mn-Cr-Mo系双相钢组织性能的影响及工艺参数的确定。 相似文献
11.
12.
13.
14.
15.
板坯热送热装或连铸连轧技术逐渐被越来越多的钢厂采用,然而其进一步发展受到连铸坯质量的制约。故针对连铸坯缺陷的有效判断可避免存在质量问题的铸坯进入轧制环节,从而降低额外的能耗。基于对铸坯质量的在线检测困难这一问题,从生产大数据的角度建立了板坯热轧卷的质量预测模型。首先根据正常与缺陷产品高度不平衡的数据特点,提出了相关性分析、不平衡数据随机分类与主成分数据降维三者相结合的数据预处理方法,随后选择GA-BP神经网络算法构建了针对低碳钢、包晶钢和中碳钢的热轧卷质量预测模型。预测模型具有较高的准确率,其中低碳钢模型总体预测准确率达到94.7%,缺陷预测准确率为82.8%;包晶钢模型总体预测准确率达到93.3%,缺陷预测准确率为87.5%;中碳钢模型总体预测准确率为85.4%,缺陷预测准确率为87.3%。最后,基于Python语言编写了热轧卷质量在线预测软件,可对热轧卷质量进行实时预测,方便快速地溯源缺陷发生原因。 相似文献
16.
17.
热轧带钢力学性能在线预测技术能够优化生产工艺、改善成品质量。为此,在传统数学模型的基础上,采用Bayes神经网络建立了热轧带钢力学性能在线预测新模型。介绍了基于Bayes理论方法的神经网络、数据预处理方法、数据平台的搭建,力学性能在线预测模型输入参数的选择,以及基于某1 780 mm热轧带钢生产线,对以SPA-H、510L、610L为代表的典型钢种带钢力学性能的预测精度。结果表明,屈服强度预测相对误差在±6%范围内,抗拉强度预测相对误差在±6%范围内,伸长率预测相对误差在±4%范围内。在线预测系统的开发与应用不仅能优化生产工艺,而且还能减少成品力学性能的检测样本量,降低了生产成本。 相似文献