神经网络在热镀锌板力学性能预测中的应用

在大量搜集现场生产数据的基础上，用BP神经网络算法建立了各种工艺参数对热镀锌板力学性能影响的数学模型。与线性回归模型的比较表明，BP算法的预测误差小于线性回归模型，可用于预测热镀锌板的力学性能，有实用性和推广价值。     

金矿浮选回收率预测模型

浮选回收率是金矿选矿过程重要的生产指标,目前主要是通过人工化验的方法检测获得,人工检测周期较长,造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上,分别采用多元线性回归和BP神经网络的方法,建立了金矿厂浮选回收率的预测模型.预测误差分析表明,BP神经网络预测模型能较好地预测金矿厂的浮选回收率,当预测相对误差在±3%范围内时,模型的预测精度达到91%,对于实际生产具有良好的参考作用.      

基于PSO-BP神经网络双机架炉卷轧机轧制力的预测

为了有效预测双机架炉卷轧机的轧制力,使热轧板带材生产具有很好的可操作性,采用粒子群算法(PSO)优化BP神经网络,建立了往复式双机架炉卷轧机轧制力预测的智能模型。以某钢厂热轧产品Q195实测数据作为试验样本,并将粒子群算法优化的BP神经网络模型和标准BP网络模型分别用于轧制力预测,结果表明PSO-BP神经网络模型在预报精度上明显优于标准BP网络模型,并且PSO-BP神经网络模型预测轧制力的误差率控制在10%以内。     

基于人工神经网络的铝合金力学性能预测方法

传统方法对铝合金力学性能测量精度低、误差率高、计算复杂。本文提出一种基于BP神经网络的铝合金力学性能预测方法研究。首先对铝合金拉伸试验获取的数据进行整理和分类,基于BP神经网络强大的映射和分析功能,对铝合金在多样的热冲击温度下的力学性能进行分析和研究。预测结果表明,BP神经网络算法具有较高的预测精度,误差率能够控制在5%以内。对比常温条件下铝合金力学性能,在高温短时热冲击的情况下,铝合金力学性能大幅度下降,提出的神经网络算法能够为改善铝合金力学性能提供数据上的支撑。     

基于改进人工神经网络的LF钢水终点温度预报

采用改进的人工神经网络算法,开发了40t钢包炉精炼时钢水终点温度预报模型。与传统BP网络算法相比较,改进算法可提高预测速度和精度。生产现场实验表明,传统BP神经网络算法,钢水温度预测误差±5℃的炉次仅为77%,用改进的BP神经网络算法,其误差±5℃的炉次为90%。     

岩溶地下河日流量预测的小样本非线性时问序列模型

针对岩溶含水系统高度的非线性特征,在小样本时间序列条件下,引入了能较好解决小样本、非线性问题的支持向量回归方法,利用偏最小二乘回归对影响地下河流量的诸多因素进行综合分析,并提取主成分作为支持向量机的输入变量,采用遗传算法优化模型参数,建立了地下河日流量预测的偏最小二乘-遗传-支持向量回归模型;将该模型用于后寨典型岩溶地下河流域日流量模拟和预测,并与BP人工神经网络、多元线性回归模型预测结果进行对比.偏最小二乘-遗传-支持向量回归模型模拟期的均方误差(MSE)、平均绝对百分比误差(MAPE)分别为0.25%、6.89%,预测期为0.65%、6.03%;BP神经网络模拟期的MSE、MAPE分别为0.24%、7.30%,预测期为0.84%、7.39%;多元线性回归模型模拟期的MSE、MAPE分别为0.28%、9.30%,预测期为1.10%、10.54%.结果表明,偏最小二乘-遗传-支持向量回归模型预测精度明显优于BP人工神经网络和多元线性回归模型.     

基于支持向量机回归的铸坯表面目标温度设定

提出了一种多输入多输出支持向量机回归算法,利用冶金技术人员计算的目标温度设定表,设定实时二冷区铸坯表面目标温度。200 mm×1 534 mm 16Mn钢板坯连铸试验结果表明,在训练样本相同时,支持向量机训练时间为3.2 s,预测目标温度误差为±1℃,BP神经网络训练时间为23.5 s,预测目标温度误差为±2℃,多输入多输出支持向量机回归算法优于BP神经网络算法,能够根据工艺变化情况,实时改变目标温度,为实现连铸动态控制提供了条件,有助于提高铸坯的质量。     

热轧板卷Q235B性能预报模型对比与分析

马钢第四钢轧总厂生产的热轧板卷Q235B的力学性能采取线性回归模型进行性能预报,利用建立线性回归模型的数据建立神经网络预报模型,对两种模型进行对比与分析。     

基于改进BP神经网络的烧结矿FeO含量预测

影响烧结矿FeO含量的因素较多且FeO含量与各因素间呈现非线性关系，预测难度较大。针对烧结矿FeO含量难以直接预测的问题，提出一种Dropout算法与Adam算法和四层BP神经网络相融合的烧结矿FeO含量预测模型。为提高烧结矿FeO含量的预测准确率，结合烧结工艺，选取与烧结矿FeO含量强相关性的烧结机尾断面热成像关键帧的温度特征作为模型的参数输入。利用Dropout算法改善四层BP神经网络结构，Adam算法优化四层BP神经网络的训练过程，进而提高模型的预测精度和泛化能力。试验表明，改进的模型预测烧结矿FeO含量误差值在±0.5、±0.8和±1.0时，命中率分别达到77.42%、88.71%和96.77%。与三层BP神经网络预测模型和支持向量机回归(support vector regression, SVR)模型相比，该模型的误差更小，同时预测精度也得到显著提升。     

基于PCA-BP神经网络模型的充填体强度预测

充填体强度预测对矿山充填设计具有重要意义。选取胶砂比、水泥、石灰、石膏及矿渣含量作为充填体强度影响因素,借助主成分分析（PCA）消除自变量间相关性,降低数据维数,再结合BP神经网络具有较好预测性的特点,建立了PCA-BP模型以预测充填体强度。对18组充填体试验数据进行主成分分析,5个影响因子降维为3个主成分,将其作为BP神经网络的输入因子,进而探讨了隐含层神经元个数对充填体强度训练和预测精度的影响,并比较了PCA-BP神经网络、标准BP神经网络和二次线性回归效果。结果表明：PCA-BP模型最佳预测结构为3-7-1;PCA-BP神经网络结果优于BP神经网络和二次线性回归;PCA-BP神经网络训练和预测的最大相对误差仅为3.65%,实现了充填体强度的准确预测。PCA-BP模型为充填体强度预测提供了一种高精度的分析方法。     

Ti-IF钢热镀锌钢板力学性能控制

在设计生产DQ级以下产品的热镀锌机组上进行了Ti-IF钢热镀锌试验,研究了RTH带钢温度和光整对Ti-IF钢热镀锌板组织、织构和力学性能的影响.试验结果表明,以超低碳Ti-IF钢为基础,保证合适的过剩钛,采用合适的工艺制度,可以生产力学性能优良的正常锌花热镀锌钢板,其屈服强度在150 MPa左右,r、n平均值分别达到2.5和0.25.但是,经光整后,屈服强度明显提高,n值明显降低,且成品晶粒尺寸较粗时,光整后的n值较低.根据试验结果,提出了根据热镀锌板表面状态和用户使用条件采用不同的工艺控制技术路线来保证Ti-IF热镀锌板力学性能的策略.     

Comparison of hot rolled steel mechanical property prediction models using linear multiple regression,non-linear multiple regression and non-linear artificial neural networks

Abstract

In the manufacture of rolled steel from a hot strip mill, the final mechanical properties, such as yield strength, ultimate tensile strength and elongation to fracture, are important requirements specified by the customer. The use of mathematical modelling techniques such as multiple regression analysis, or computational developments such as artificial neural networks, can result in the creation of acceptably accurate predictive models. However, the accuracy of any predictive model will depend on the quality of data used in its creation, and thus a brief statistical analysis of the mechanical property data used for model development is discussed. In the present paper a comparison of the application of linear multiple regression, non-linear multiple regression and non-linear neural networks is made for various steel families using data taken from the Corus Port Talbot hot strip mill. A statistical summary of their relative predictive errors is given, and although all three are comparable, the non-linear, black box approach of a suitably structured neural network provides overall more accurate predictive models than the use of linear or non-linear multiple regression.     

光整对热镀锌IF钢板力学性能的影响

在生产DQ级以下的热镀锌机组上进行了Ti—IF钢热镀锌实验,研究了光整对Ti-IF钢热镀锌板力学性能的影响。实验结果表明,在正常情况下,热镀锌钢板其屈服强度在150MPa左右,r,n平均值分别为2．5和0．25。但是光整后,屈服强度明显提高,n值明显降低。实验结果,提出了根据用户的不同要求,采用不同的工艺路线来保证Ti—IF钢的力学性能。并且对热镀锌Ti—IF钢力学性能的控制问题进行了一些讨论。     

Analysis and improvement of defect-formation of the strip surface in the hot dip strip coating

In combination with the process technology and equipment at Tangsteel Cold Rolling Mill's 3~# galvanized line,the mechanism of defect-formation of the strip surface in the hot dip galvanized coating has been analyzed.Through a series of reform about technology and equipment good solved the defects has been focused on in this paper.The strip surface quality in the hot dip galvanized coating has been improved a lot.     

冲压级镀锌产品的研制

本文通过对应用来自薄板坯连铸连轧的热卷研制冲压级镀锌产品的综合分析,阐明在保证钢水洁净度的前提下,采用合理的热轧、冷轧、镀锌工艺,应用薄板坯连铸连轧的热卷能够实现冲压级镀锌产品的生产。     

热镀锌退火过程中的温度控制策略

热镀锌退火过程对热镀锌板力学性能有着重要的影响.制定合理的退火温度制度,并精确控制板温,成为实现热镀锌板精准退火过程的核心问题.分析了退火工艺对热镀锌板性能的影响,针对现有退火工艺制定方法的不足提出了基于数据驱动的退火工艺制定方法,该方法能够实现热镀锌板退火工艺的持续优化.同时系统地综述了目前基于模型的热镀锌退火过程板温控制策略,针对热镀锌退火过程特点,提出了具有高适用性的数据与物理模型相混合的热镀锌退火过程温度控制方法,能够实现热镀锌板的精准热处理.     

镀锌板光整过程表面粗糙度控制技术

 热镀锌带钢是高端汽车板的主要原料,用户对其表面质量控制提出了较高要求。首钢某热镀整机组的镀锌带钢出现了上下表面粗糙度分布不均匀,表现为带钢下表面粗糙度值高于上表面。针对此问题进行了大量的现场试验和理论研究。分析认为,光整过程的非对称因素是造成镀锌带钢表面缺陷的主要原因。以非线性有限元软件ABAQUS为仿真平台,建立二维平整轧制有限元模型,通过非对称仿真计算验证了镀锌带钢表面缺陷的产生原因,并且提出了优化光整轧制力 张力配比、辅助辊调整的改进措施,从而圆满地解决了镀锌带钢的表面质量问题,研究结果对生产实践具有借鉴意义。     

Development of Hot Dip Galvanized Steel Strip and Its Application in Automobile Industry

Automobileindustryis always the backboneindus-try of national economy in developed countries ;so thestrip steel of iron and steel production develops alongwith automobileindustry development all the while andal most all the newkinds of product andtechnique adopt-ed benefit the automobile industry directly andindirect-ly. The up-and-up requirement for strip quality andtypes required by the automobile industry motivates themetallurgy production depart ment to reform tech-nology andi mprove qualit…     

带钢连续热镀锌的发展趋势

阐述带钢连续热镀锌向高速大型化、机组专业化、无铅无锌花热镀锌、深冲高强汽车用热镀锌板、高耐腐蚀性、全辐射法和NOF法并行、节能降耗等的发展趋势,并对产品的优质、高产、低耗、节能、环保等提出发展方向。     

热轧带钢卷取温度高精度预报的人工神经网络方法

针对传统卷取温度模型的固有缺陷，为了满足扩展钢种，规格及卷取温度高精度的要求，提出热轧带钢卷取温度预报的人工神经网络方法，运用实际生产数据对BP神经网络进行了训练和仿真。结果表明，它能准确地预报钢卷取温度，实现卷取温度高精度的实时预报，有在线实际应用的前景。