连铸连轧过程组织性能预报技术的开发应用

钢材热轧过程组织性能预报系统是钢铁企业实现数字化定量可控生产的必须手段。其技术应用和推广前景很好,直接的和间接的经济效益巨大。目前,世界主要钢铁生产国家的主要钢铁企业已经基本上采用或正在开发数值模拟与仿真技术系统。我国在这一决定钢铁企业未来发展竞争力的至关重要的领域处于起步和进步阶段。到目前为止,我国现有传统的连铸连轧生产线近20条,已经投产和正在拟建的CSP生产线近15条。这些钢铁企业迟早都是钢材组织性能预报系统的必然用户。此外,由于该技术可方便地移植到相近的生产线上,如热轧中厚板生产线、     

组织性能预报系统在宝钢2050热轧生产线的在线应用

建立了针对宝钢2050热连轧生产线的组织性能预报系统,经10类钢种和1000余炉次现场数据的验证和模型调优,热连轧过程组织性能预报系统在宝钢2050生产线上实现了在线应用.组织性能预报系统的预报温度和强度值与现场实测值的偏差分别在±20℃(在线)和±21 MPa(离线)以内.同时,也讨论了组织性能预报技术的发展方向问题.     

高碳钢线材的控冷工艺初探

论述了高碳钢线材控冷工艺以及力学性能模型的研究结果，分析了某些因素的影响，简单地评述了近年在钢材组织性能预报方面取得的成果及未来的发展趋势。     

基于神经网络的轧制力预报系统开发

为解决利用传统方法难以解决的轧钢过程控制,开发出基于BP神经网络的钢材轧制力预报系统软件.该预测程序是基于VC++6.0,Matlab和数据库混合编程技术基础上完成的,程序设计的核心是应用BP网络预报钢材的变形抗力,然后结合轧制力数学模型计算轧制力,最后提出了该系统在热轧生产中的在线应用方案.     

2007热轧钢材组织性能预报与质量控制学术研讨会即将召开

近年来，随着我国钢铁工业的迅猛发展，各行各业对成品钢材的质量和品种要求愈来愈高，而钢铁企业本身也面临着开发新产品，提高热轧钢材组织性能命中率，提高生产组织灵活性和降低生产成本的巨大挑战。随着计算机技术及对金属材料内在演变规律的深入研究，热轧生产过程中组织性能预报技术已逐渐成熟，并应用于实际生产，目前已有离线和在线性能预报系统在部分钢铁企业运行使用。[第一段]     

先进钢铁材料技术的进展

钢铁材料是不断发展的先进材料,它依然是本世纪的主要结构材料.先进钢铁材料具有环境友好、性能优良、资源节约、成本低廉的特征.从钢铁材料理论进展出发,结合市场的需求,论述了微合金化钢、超细晶粒钢、氮合金化不锈钢、高质量特殊钢、钢材组织性能预报和材料信息化技术等重要的先进钢铁材料技术进展.     

薄板坯连铸连轧(TSCR)热轧过程组织性能预报技术的开发

简要论述了钢铁材料组织性能预报技术的作用以及在TSCR热连轧生产过程中组织性能预报技术和系统的开发情况。简介了TSCR热轧生产各工序(包括均热炉、精轧机组、层流冷却和热卷带)建立组织性能模型的研究方法、基本内容和步骤。指出组织性能预报技术的开发和应用是新世纪钢铁工业发展的主流之一。     

BP神经网络技术在钢铁工业中的应用

BP神经网络具有结构清晰、可操作性强等特点,在炼铁、炼钢、轧钢、钢材性能以及组织预报等领域得到了广泛的应用。介绍了BP神经网络的发展历程、基本原理和结构,对BP神经网络在钢铁工业中的应用现状进行了阐述,指出了其局限性,并对其发展前景进行了展望。     

一种基于遗传神经网络的热连轧带钢弯辊力预报方法

针对传统板形模型缺陷和带钢热连轧轧制特点,提出基于遗传神经网络的弯辊力优化预报方法.利用1580mm热轧Q235B钢种实际生产数据对网络进行训练和测试,并对结果进行分析比较.结果表明遗传神经网络预报能力不但优于传统弯辊力设定模型,而且优于单纯神经网络的预报能力,能较准确预报热连轧带钢弯辊力.基于遗传神经网络的弯辊力预报模型可提高头部板形控制精度,有实际应用的价值.     

层流冷却组织性能预报模型的自动化接口分析

在层流冷却组织性能预报模型的开发中,通过Delphi编程语言编写自动化上位机软件WINCC的第三方通讯接口,真正实现专家预报系统的现场应用,同时将现场数据不断反馈并修正专家预报系统,构成闭环更好服务于生产。     

基于BP神经网络的冷轧带钢力学性能预测

利用BP神经网络方法预测SPCC冷轧带钢产品力学性能并以现场正交试验数据为基础，对比预报结果和试验结果可以知道，该模型具有较高的精度，适用于现场生产。     

人工神经网络在钢铁材料力学性能预测方面的应用

人工神经网络模型特别适用于非线性系统。具有较好的学习精度和概括能力。已成功应用于钢铁材料力学性能的预测。使用人工神经网络模型，通过输入合金元素、组织、生产工艺参数可预测钢铁材料的抗拉强度、延伸率、韧性、疲劳和蠕变性能。概要叙述了人工神经网络在预测板材、球墨铸铁的常温力学性能，合金结构钢的淬透性。高速钢、不锈耐热钢的热强度以及微合金钢热扭转性能方面的应用。     

热连轧钢材力学性能在线预报的研究与应用

 传统的产品力学性能检测是一种建立在统计学随机抽样理论基础上的检验方法,即在实验室中对取样板卷的头尾部切割样品进行检测,检测结果代表整批产品的力学性能。由于钢材生产流程长,生产过程控制参数存在一定的波动,传统力学性能检测方法不能反应每一卷带钢的力学性能,所检测样品的代表性不够充分。随着工业互联网、大数据和人工智能技术的飞速发展,特别是工业大数据相关技术的发展和应用,为这一问题的解决提供了新的途径。以实现山东钢铁集团日照有限公司热连轧产品力学性能在线预报为试验对象,以热连轧产品生产全流程关键控制工艺参数为基础,采用神经元网络、随机森林等算法建立碳素结构钢、低合金高强度结构钢的力学性能预报模型,构建了一种基于工业大数据为基础的热轧产品力学性能预报系统,包括数据采集、数据清洗、模型训练、结果分析、再现性试验和在线应用。力学性能在线预报系统已成功运行2年多时间,系统的预测精度高、稳定可靠。预测结果精度在±6%以内的比例达到90%以上,MAPE(平均绝对百分误差)不大于4%,均低于再现性检测水平,预测结果完全可以取代检测试验;提高了生产效率,缩短了产品的检测周期,轧后即可掌握产品的力学性能,降低了生产成本,已成为生产运行过程不可缺少的环节。     

首钢合金结构钢40CrA力学性能预报控制模型的开发与应用

 采用人工神经网络方法开发了首钢合金结构钢40CrA的力学性能预报模型,并采用Matlab和VC++两种软件平台建立了对应的力学性能预报系统。该预报系统投入现场在线应用后,通过预测值与实际抽样检验值的分析比较,表明该系统预报精度较高,屈服强度、伸长率等各项性能预报精度达到97%以上,能够满足生产检验要求。     

bp神经网络在钢铁工业中的应用

BP神经网络是近年来发展起来的一种模仿人脑神经网络行为特征,进行分布式并行信息处理的算法数学模型,在钢铁工业中有着广泛的应用前景.据此,介绍了BP(Back propagation)神经网络的基本工作原理、特点及其网络结构和工作方式等,主要针对BP神经网络在钢铁工业中的应用进行了概述,并指出了其局限性及发展前景.     

基于BP神经网络的电力角钢成分优化及生产实践

基于BP神经网络,创建了角钢合金成分与力学性能关系预测模型,所建立的模型绝对误差平均值仅为3～4 MPa,具有较高的可靠性.利用该性能预测模型研究了残余元素Cr含量及VN12合金加入量对强度的量化贡献,并进行工业试制250 mm×250mm×35 mm电力角钢,结果表明:当Cr质量分数大于350×10-6时,可以采用每...     

基于改进BP算法的连铸板坯中心偏析预报模型

结合某厂连铸生产数据,采用带有附加动量项的改进BP算法,建立了连铸板坯中心偏析的BP人工神经网络预测模型。应用结果表明,其预测准确率为90%,可满足连铸生产中对铸坯中心偏析预报精度的要求。分析导致预报偏差的主要原因是,网络模型隐含层节点较多、网络结构复杂、中心偏析等级为1.0的样本学习次数较多和噪音样本剔除不彻底等。     

无钴二次硬化超高强度钢合金设计

利用人工神经网络对Ｆｅ－９．５Ｎｉ－Ｃｒ－Ｍｏ－Ｃ合金基本成分进行了优化,并在此基础上引入其他强化途径,开发了一种力学性能与９Ｎｉ－５Ｃｏ钢基本相当的无钴二次硬化超高强度钢。     

Online mechanical property prediction system for hot rolled IF steel

Abstract

Traditionally, mechanical property estimation is carried out by destructive testing, which is costly and time consuming. Sometimes, the time schedule in the mill is so tight that coils are dispatched, while the samples are still under investigation; thus, knowledge of the strip quality immediately after rolling without mechanical testing can save a lot of time and money. As the rolling process is complex and final mechanical properties of steel depend on many parameters, it is almost impossible to develop an accurate first principle based mathematical model, so an artificial neural network based model to predict the mechanical properties of hot rolled steel strip has been developed. This paper describes the neural network based online system that helps in predicting mechanical properties of interstitial free (IF) steel strip and also elaborates how this models can help in capturing various metallurgical phenomena during rolling.