平整对罩式退火生产BH钢板力学性能和自然时效性能的影响

研究了平整对罩式退火生产的BH钢板力学性能和自然时效性能的影响。结果表明，平整对BH钢的BH性能有显著影响，平整延伸率在1．0％～2．0％之间时BH值有最大值；平整使得BH钢的屈服强度先下降而后上升，屈服强度最小时的平整延伸率消除了钢板单向拉伸时的屈服点延伸现象；足够的平整延伸率是BH钢抗自然时效性能的有效保证。实验结果在工业生产中得到了应用。     

Q235B热轧板冲击功人工神经网络与线性回归预报模型的比较

为了对第四钢轧厂生产的Q235B热轧板的常温夏比冲击吸收功进行预报以指导生产,根据冲击吸收功与化学成分、板的终轧厚度、屈服强度及抗拉强度、延伸率间关系的研究,分别用神经元网络法和回归法开发了预报Q235B热轧板冲击功的2种模型.研究发现,神经元网络模型预报结果和实测值吻合较好.在给定化学成分、成品厚度和实测力学性能的条件下,该模型预报Q235B热轧板的常温冲击吸收功准确度较高.     

合金化热镀锌烘烤硬化钢板退火工艺研究

热镀锌烘烤硬化钢板在汽车外覆盖件上的应用越来越普遍。文章针对合金化热镀锌340BH烘烤硬化钢板,结合某公司热镀锌生产线的特点,在340BH烘烤硬化钢板成分分析的基础上,对连续退火工艺进行了改进:1)对340 BH钢板的均热温度、均热时间等工艺参数进行了研究分析,提出了最优化的退火工艺参数;2)对退火后的钢板性能进行分析,结果表明,达到用户的性能要求;3)生产工艺应用于实际生产,实现340BH烘烤硬化钢板的稳定生产。     

热轧中厚板冲击功的神经网络预报模型

为了对济钢Q345B中厚板的常温夏比冲击吸收功进行预报并指导生产,采用神经元网络建立了冲击吸收功与化学成分、工艺参数、屈服强度及抗拉强度等因素间的关系预报模型.并分别采用实测与预测的强度值对夏比冲击吸收功进行了预报,预报结果和实测值吻合较好.在此基础上,将化学成分及生产工艺对冲击吸收功的影响进行了计算分析,得出了与基本物理冶金学规律一致的计算结果.因此,在给定化学成分、成品厚度和实测强度或强度指标可精确预报的条件下,所建立的模型能预报济钢Q345B热轧中厚板的常温冲击吸收功.     

烘烤硬化高强深冲冷轧汽车板BH340的研制开发

介绍了烘烤硬化高强深冲冷轧汽车钢板BH340的开发.试验证明,鞍钢生产的烘烤硬化冷轧钢板BH340是具有适中烘烤硬化值(BH值)及良好成形性的汽车用钢,能够满足汽车实际生产工业的要求.     

不同成分体系对超低碳烘烤硬化钢性能的影响

研究了不同成分体系超低碳烘烤硬化钢的性能特征,生产结果表明:Ti-BH钢屈服强度和BH值较低,伸长率和"值富裕量较大,并且BH值波动较大.通过对不同成分体系钢板的微合金化原理进行分析,确定了不同成分体系烘烤硬化钢性能不同的原因,并据此将烘烤硬化钢的成分体系由Ti-ULC改为Nb+Ti复合体系.更改后的烘烤硬化钢性能指标...     

基于机器学习的薄板屈服强度与制耳率建模分析

针对1070铝合金薄板制耳率高、屈服强度不稳定等问题,基于生产数据,采用随机森林算法建立了“成分—工艺—性能”模型。选取冷轧率、热终轧温度、Fe含量、Fe/Si(铁硅质量比)等工艺和成分作为自变量,所建立的屈服强度模型精度(R²)为0.75,制耳率模型精度为0.87。利用模型定量分析各参数对屈服强度和制耳率的影响规律。通过对模型的解析,求解出各自变量的变量权重系数和Shap值。结果表明,对屈服强度影响最显著的因素为冷轧率,二者呈正相关关系,对制耳率影响最显著的因素为Fe含量,二者呈负相关关系。同时,根据模型进行了特定工艺下的性能预报并得出了较优工艺。     

JCOE成型后管体屈服强度的预测方法

 由于包辛格效应和加工硬化的影响,JCOE制管后相对所采用钢板管体屈服强度会发生变化。通常采用压平的板状试样来测定钢管的屈服强度,所测屈服强度并非钢管的真实屈服强度。通过分析JCOE制管过程中应力 应变的变化规律,提出了一种基于钢板屈服强度实验来预测钢管真实屈服强度的方法。用此方法得出的钢管真实屈服强度与实际生产数据基本吻合。     

过时效和平整对冷轧双相钢板强度、塑性及烘烤硬化性的影响

以低碳Si-Mn系冷轧双相钢为研究对象，探讨了过时效和平整工艺对双相钢板力学性能的影响。发现：过时效温度高于350℃左右时屈服强度和屈强比大幅度提高并出现屈服平台；平整对双相钢力学性能的影响也与过时效温度有关。平整和过时效均对双相钢的BH值有较大影响。过时效温度过高或者双相钢的BH值很低，不施加任何平整和预拉伸的情况下，双相钢的BH值很小。300℃以下温度过时效后进行平整和预拉伸有利于获得较高的BH值。     

基于神经元网络和粒子群优化算法的轧制工艺—性能优化

为了达到厚板生产中的强度和屈强比等性能指标,本文在用神经元网络对屈服强度和抗拉强度建模的基础上,结合粒子群优化算法对粗轧开轧温度、中间坯厚度、终轧温度、终冷温度及冷却速率等生产工艺参数进行了优化。优化结果与实验室热轧实验及工业试生产结果的对比表明,本模型能有效地优化厚板生产过程的工艺参数,从而为优化工艺或柔性化生产工艺的设计提供指导。     

Research and implementation practice of integrated process control technology at Baosteel

To improve the quality of outstanding products like automobile steel sheet etc.,Baosteel has spared no efforts to the studying and application of Baosteel integrated process control(BPC ) and diagnosis technology.In the light of the running mode of integrated process control,analysis and diagnosis,Baosteel has realized the full process including steel making,hot-rolling,cold-rolling data traceability.The research and implementation practice of the BPC systems,which specialized on iron and steel manufacturing process,mainly based on the key input variables(KIV) and keyoutput variables(KOV),has been constructed on the plant level and corporate level.Based on the BPC system,Baosteel has established a data processing platform to monitor and analysis the process data,puts forward a efficient data gathering technology,which directly gather the data from the cross-platform of different kinds of systems,such as the plant level process computer,PLC, DCS,PCS etc.In the mean time,a unique mass data processing technology has also been developed.The system can be used to reveal the latent rules between KIV and KOV during the melting and rolling of steel products.This artcal takes the cold products for example to explain the model establishing,applying and optimizing the design between the KIV and the KOV,aims to advance the products capability.During recent years,the BPC technology has been gradually developed from the point to the line,from the line to covered the plane,it has integrated the information technology,the statistical process control technology,the quality diagnosis technology into the steel products integrated management.The BPC system has been developed as a product quality management technology fulfilled with characteristic elements and efficiency,a unique path to continuously enhance the steel products performance.     

Online prediction and monitoring of mechanical properties of industrial galvanised steel coils using neural networks

In galvanising line of cold rolling mill, mechanical properties, i.e. yield strength (YS) and ultimate tensile strength (UTS), are achieved by controlling the key process parameters within specified limits. In this paper, a feed-forward back-propagation artificial neural network (ANN) is proposed to predict the mechanical properties of a coil from its chemical composition, thickness, width and key galvanising process parameters. Principal component analysis is used to avoid redundancy and collinearity effects in input variables for the ANN. The model predicted the YS and UTS with an accuracy of ±10?megapascal (MPa) for 90% of the data. The model was implemented in the continuous galvanising line of Tata Steel, India. An online quality monitoring system was developed to monitor the predicted mechanical properties and process parameters of a galvanised coil. This system helps quality team in decision making.     

神经网络在冷轧301S不锈钢极薄带材表面硬度预测中的应用

 基于现场生产冷轧极薄不锈钢带材表面硬度极难控制的问题,针对301S不锈钢的冷轧生产工艺进行了研究,分析了不锈钢冷轧生产过程中影响表面硬度的相关工艺参数,得出材料的抗拉强度、轧制速度、轧制油温度和压下率是影响轧后材料表面硬度的关键因素。利用BP神经网络建立了预测表面硬度的非线性映射模型,并根据此模型得出了预测数据的趋势图谱。研究结果表明,压下率的变化对冷轧不锈钢表面硬度的调节能力最强,而其他参数对硬度的影响为10HV左右。经检验,模型的预测值和实测值的相对误差为-2.63%~2.76%,预测结果准确率高,可以用于产品质量的现场在线控制。     

301奥氏体不锈钢薄板拉伸强度与冷轧硬度之间的关系

 为对冷轧不锈钢薄板的产品硬度控制提供指导,尝试用一个新的方法来取代试轧,既达到控制冷轧板硬度的目的,又能降低成本、提高效率。对099mm厚的经过退火的301奥氏体不锈钢薄板进行冷轧减薄,并进行室温拉伸试验,测量其维氏硬度。通过观察金相和利用X射线衍射,验证了应变诱导马氏体相变是导致301奥氏体不锈钢冷轧和拉伸时产生加工硬化的主要原因。试验结果表明,冷轧和拉伸有着相似的加工硬化趋势,综合拉伸与轧制试验数据,确定了拉伸强度与冷轧硬度之间的关系,实现了通过拉伸强度来得到对应应变下的冷轧硬度,具有很好的预见性。冷轧可以提高301不锈钢的强度和硬度,显著改善其力学性能。     

极限学习机在中厚板轧制力预报中的应用

摘要：轧制力是影响中厚板厚度精度和板型的关键因素。兴澄特钢中厚板轧机二级模型采用传统Sims公式计算轧制力，精度较低。为提高轧制力预报精度，首先基于大量历史生产数据，通过主成分分析法对影响轧制力的因素进行处理和分析，选出权重较大的影响因子；其次选取现场代表钢种进行热模拟压缩实验，在此基础上提出基于极限学习机(ELM)的综合神经网络轧制力预报模型，即先通过化学成分计算出基准变形抗力，再将其作为轧制力神经网络输入变量进行轧制力预报。建模采用10折10次交叉验证确定最佳网络隐层节点数，并用现场实际生产过程数据对网络进行训练与测试。综合神经网络模型投入现场生产，轧制力预报相对误差±10%以内占比提高15.61%，钢板头部厚度命中率提高1.9%。     

采用烘烤硬化钢板（BH钢）改善汽车车身外表零件的抗凹陷性能

为了减轻汽车自重,节约能耗。国外广泛采用高强度钢板,并研究了采用ＢＨ钢板后对车身外表零件抗凹陷性能的影响。结果表明：ＢＨ钢冲成零件油漆烘干后的屈服强度显著提高。如果零件使用钢板的厚度不变,可以明显地提高其抗凹陷性能;如果减薄钢板厚度（减轻车重）可以保持其抗凹陷性能达到原用钢板的水平,满足使用要求。     

Fe-6.5%Si钢极薄带的试制

 为了研究Fe-6.5%Si钢极薄带的制备工艺,并获得良好的产品磁性能,以薄带铸轧试验机制备的6.5%Si钢铸带为原料,分别采用一次温轧法、二次温轧法和基于应变诱导无序(DID)原理的高硅钢室温冷轧3种工艺制备出厚度为0.1 mm的Fe-6.5%Si钢。分析结果显示,一次温轧法退火后以高强度γ织构为主,由于压下率达到90%,形变储能高,晶粒尺寸最大,铁损最低,同时磁感也最低;二次温轧的退火板除了γ织构外,还有较强的η织构,故其磁感值高于一次温轧法,该方法得到的6.5%Si钢薄带综合磁性能最优,但生产成本高,效率低;基于DID原理,对6.5%Si钢热轧板在温度为300～450 ℃、压下率为45%～65%的条件下进行温轧,实现了6.5%Si钢软化,随后可将6.5%Si钢室温冷轧至0.1 mm,此时温轧板和冷轧板内部有序相消失,基体变成无序态;室温冷轧板退火后晶粒更细,铁损略有升高。此外,室温冷轧可促进{111}<112>形变晶粒在冷轧剪切带中形核形成有利织构,因此磁感值得到更大提升;采用DID原理进行室温冷轧,效率较高,后续可通过优化退火工艺使其进一步降低铁损,该方法为薄带铸轧工艺批量生产磁性能优异的6.5%Si钢极薄带提供技术参考。     

各向同性钢与烘烤硬化钢的烘烤硬化性和抗凹陷性

 研究了烘烤温度、烘烤时间和预拉伸应变量对罩式炉退火工艺生产的各向同性钢的烘烤硬化性的影响，并与力学性能相当的冷轧烘烤硬化钢进行了对比。结果表明，在不同的烘烤条件下，各向同性钢的烘烤硬化值均低于同样强度级别的烘烤硬化钢。抗凹陷性测试结果表明，各向同性钢的抗凹陷性低于烘烤硬化钢。汽车外板实物分析结果表明，两种钢冲压成形后再烘烤，其屈服强度几乎没有提高。