共查询到19条相似文献,搜索用时 468 毫秒
1.
2.
3.
高碳钢线材的控冷工艺初探 总被引:2,自引:0,他引:2
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。 相似文献
4.
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. 相似文献
5.
6.
先进钢铁材料技术的进展 总被引:6,自引:0,他引:6
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. 相似文献
7.
薄板坯连铸连轧(TSCR)热轧过程组织性能预报技术的开发 总被引:8,自引:0,他引:8
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。 相似文献
8.
9.
10.
11.
12.
13.
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。 相似文献
14.
15.
bp神经网络在钢铁工业中的应用 总被引:1,自引:0,他引:1
张修群 《金属材料与冶金工程》2012,40(2):59-63
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. 相似文献
16.
17.
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。 相似文献
18.
19.
《钢铁冶炼》2013,40(8):618-627
AbstractTraditionally, 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. 相似文献