基于热轧工艺参数的冷轧变形抗力预报建模研究

变形抗力作为冷轧工艺设定中重要的材料和控制参数，计算精度直接影响到轧制力设定精度，继而影响带钢平坦度等质量指标的控制精度。针对变形抗力机制模型设定精度低、无法考虑热轧过程参数遗传影响等问题，采用鲸鱼优化算法(WOA)优化BP神经网络建立预测模型(WOA-BP),并通过现场收集的热、冷轧历史过程工艺参数对模型进行训练。WOA-BP模型预测结果表明，平均绝对值误差为10.42,平均绝对百分比误差为1.22,平均均方根误差为13.13,均优于BP神经网络模型，弥补了BP神经网络处理复杂的非线性问题训练时间长、预测精度低等缺点。与传统依托冷轧单工序建立的机制模型相比，考虑热轧工艺参数后，变形抗力预测误差由±15%降低至±6%,应用于L2级系统模型设定后，轧制力精度平均提高了2.09%。     

XG600高强钢热轧卷板减量化工艺研究与工业试制

遵循减量化生产原则,设计了低成本的高强钢化学成分体系,在C-Mn钢成分的基础上,减少较贵重的Nb、V含量,增加较便宜金属Ti的含量。研究化学成分和工艺参数对热轧高强钢组织和性能的影响规律,通过合理调整化学成分,优化热连轧工艺及控冷工艺,生产出了力学性能良好的热轧高强钢卷板。     

融合半监督学习的小样本条件下热轧带钢力学性能预测

基于工业数据的热轧带钢力学性能预测技术可以有效减少热轧过程中带钢性能检测取样频率、缩短交货周期、降低生产成本，然而针对小样本下的数据驱动建模始终是一个建模难题。本文聚焦小样本条件下的热轧带钢力学性能建模问题，基于工业生产过程中产生的数据，采用安全弱监督学习(safe weakly supervised learning, SAFEW)算法为未标记数据添加伪标签，实现训练数据的扩展，采用随机森林算法建立热轧带钢成分、工艺、性能之间对应关系，并通过贝叶斯优化的方法确定随机森林超参数，实现小样本条件下热轧带钢力学性能预测。针对工业应用，本文在此基础上开发了热轧带钢力学性能预测软件，结果显示，融合半监督学习的随机森林算法较普通随机森林算法在小样本热轧带钢力学性能预测方面表现更为优异。经统计，屈服强度和抗拉强度预测值和实测值绝对误差在±30 MPa以内的命中率较普通随机森林模型分别提高了6.08%和2.60%,伸长率预测值和实测值绝对误差在±3%以内的命中率较随机森林模型提高了4.78%。     

数据清洗对热轧微合金钢性能预报模型的改进

热轧生产过程实测数据具有噪音大、信噪比低等特点,运用合适的方法对异常数据进行清洗将有助于提高钢材力学性能预报模型的精度。基于带钢热连轧过程数据的分布特点,采用孤立森林算法对热轧过程异常数据进行清洗,提高了性能预报模型的预测精度。首先,基于收集到的大量热轧微合金钢生产过程数据,采用孤立森林算法计算原始数据集中每条数据记录的异常分值;接着结合异常分值排序与力学性能建模实验,确定异常数据记录的个数;最后,基于清洗后的数据集合,运用融合数据与机理的建模方法建立力学性能预报模型,并对抗拉强度和屈服强度进行预测。预测实践表明,抗拉强度和屈服强度预报的平均绝对百分误差分别为2.50%和3.42%,且分别有93.13%和86.30%的数据预测值和实测值绝对误差在±6%之内;采用孤立森林算法对热轧生产过程异常数据进行清洗,可显著提高热轧带钢力学性能预报模型的精度。     

人工神经网络在热轧宽厚板力学性能预测中的应用

建立了神经网络预测热轧管线钢力学性能的网络模型，在此基础上，利用神经网络对热轧管线钢力学性能进行了预测，并将预测结果与生产数据进行了比较，同时，还利用神经网络对生产工艺参数进行了优化，计算结果表明，神经网络预测值与实测值之间接相对误差可以控制在11.6%以内，这对现场进行力学性能预测和工艺参数优化具有较强的现实意义。     

基于神经网络的热轧产品性能预报与参数优化

以实际生产数据为基础,建立热轧产品性能预报神经网络模型;通过BP网络实现逆映射,建立工艺参数设计的神经网络模块.试验结果表明,产品性能神经网络模型与工艺参数优化神经网络模型十分可靠,为解决热轧产品性能预报与工艺优化设计问题提供科学的途径.     

460MPa级高强度含钒钢筋的生产试制和性能

对 4 6 0 MPa级高强度热轧带肋钢筋的生产情况、质量情况、化学成分、性能进行了研究和分析 ,结果表明 :通过控制冶炼和轧制工艺 ,并添加质量分数为 0 .10 %的钒生产的 4 6 0 MPa级热轧带肋钢筋生产工艺合理 ,钢筋的力学性能稳定可靠 ,均匀性好 ,焊接性能良好。     

热轧带钢Q215B的性能预测与成分优化

通过对热轧带钢Q215B成分与性能统计分析,建立了回归模型并进行了化学成分优化。生产证明采用该回归模型进行性能预测是可行的,运用碳元素强化替代锰元素强化降低了锰合金消耗,吨钢创效12.22元,实现了低成本炼钢;配合新预处理工艺,Q215B带钢横向冷弯合格率提高了近30%,综合性能得到了改善。     

提高430铁素体不锈钢成型性能工艺研究

研究了430铁索体不锈钢成型性能的主要机理,并以此为基础对影响其成型性的关键工艺参数进行了分析;通过调整化学成分,优化连铸、热轧、冷轧等主要工艺,并经过实际生产试制验证,提高了430不锈钢的成型性,满足了深冲制品行业用户的特殊需求。     

DC01钢板工艺优化和性能分析

为提高DC01钢板力学性能,对其化学成分进行了调整,并优化热轧、冷轧、退火工艺,使产品性能达到了汽车用钢的要求.     

基于大数据的力学性能预测与工艺参数筛选

神经网络数据样本的质量影响着模型的预测精度；选择有效的工艺参数进行建模可以提高模型的训练速度，节省训练时间。针对数据样本质量和输入工艺参数的选择问题进行了研究，采用了计算马氏距离的方法剔除异常点，改善数据样本的质量。基于采集到的热轧汽车大梁板的17个工艺参数的生产数据，采用贝叶斯神经网络建立力学性能预测模型。通过采用平均影响值筛选出对力学性能影响较大的工艺参数进行建模，以简化模型。结果显示：简化后的模型取得了较高的预测精度，对于抗拉强度和屈服强度，分别有96·64％和94·96％的数据预测值和实际值相对误差在±6％以内；对于伸长率，有96·64％的数据预测值和实际值的绝对误差在±4％以内。     

套管TG22热轧钢带研究及产业化

为了适应深井及超深井应用需求,通过设计化学成分及优化轧制工艺,开发一种兼备强度和低温冲击韧性的油气井用TG22热轧钢带。结果表明:采用化学成分设计为Fe-0.24%C-0.20%Si-1.30%Mn-0.020%Nb时,加热炉目标出钢温度1170℃、中间坯厚度46mm、终轧温度830℃和卷取温度570℃时,热轧钢带力学性能为Rel 506～554 MPa、Rm 654～685 MPa、A₅₀29%～35%、Rel/Rm 0.75～0.82及KV₂（-10℃）45.5～63.6 J。     

HRB500（E）盘螺工艺优化

在生产抗震钢筋的过程中,曾出现部分屈标比、强屈比和最大力总伸长率不符合国家标准的批次.分析了试生产过程中,HRB500、HRB500E盘螺的力学性能,化学成分与轧制工艺,通过优化产品的化学成分、开轧温度、吐丝温度、风机开启台数与风量、运输辊道参数等,保证了这两种盘螺的产品性能达到国标要求.     

低碳CrNiMo系热连轧钢板的研制

通过成分设计和优化,以及对冶炼、热连轧和热处理工艺等方面的研究,研制出厚度规格小于10 mm的低碳CrNiMo热连轧钢板。对钢板的组织和力学性能等进行了分析,结果表明,连轧板调质处理后,钢板横向和纵向力学性能均匀,具有较高的强度、良好的低温韧性和冷弯性能,钢板韧脆转变温度低于-80℃;钢板的组织为回火索氏体和少量贝氏体;钢板不平度小于6 mm/m。     

高强度船板DH40的生产工艺研究

本文以高强船板DH40的合金化成分设计为前提，研究了钢坯加热、控制轧制、控制冷却、正火工艺诸因素与机械性能的关系，提出了在小压缩比情况下的成分设计和生产工艺参数。结果表明：合适的工艺制度和最佳化的合金成分设计，可在低压缩比条件下获得优良的机械性能。     

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。     

Influence of Thermo‐Mechanical Processing Parameters and Chemical Composition on Bake Hardening Ability of Hot Rolled Martensitic Steels

In recent years, the increasing demand for advanced high‐strength steels (AHSS) has mainly been driven by the automotive industry and the need to reduce weight and to improve safety. Besides good ductility and high strength, AHSS have a high bake hardening and ageing effect, giving additional contribution to the strength of structural parts, subjected to the paint baking process. This paper investigates their bake hardening behaviour in dependence of hot rolling parameters and chemical composition, however, focussing on martensitic steels. Tosimulate the finishing steps of the hot rolling process with slight changes in reduction and temperature and their influence on the final mechanical properties of hot rolled martensitic steels, different thermo‐mechanical paths were applied. The increase in strength due to bake hardening was determined for different thermo‐mechanical schedules. Additionally, samples of different chemical compositions within the characteristic industrial tolerance range were studied under variation of pre‐load conditions, simulating the thermo‐mechanical hot rolling process. The samples were then subjected to bake hardening to study the varying chemical composition on this effect. Furthermore, the local use of bake hardening and ageing in hot rolled multiphase steels was investigated. It could be shown that characteristic values integrally describing the ageing effect, depend on the deformation path and the degree of pre‐strain, as well as on temperature and duration of the subsequent heat treatment. This partial ageing is stable and has a potential to be used for local strengthening of the steels.     

利用人工神经网络预测钢板性能

基于神经网络原理，采用BP算法训练网络，建立热轧控制参数(轧制温度，化学成分，变形量等)对描述产品力学性能的参数的映射关系。离线仿真表明，将神经网络模型应用于热轧控制预报，具有一定的现实意义。     

钛强化对700MPa高强耐候钢性能的影响及改进

针对10和14mm厚规格700MPa级高强度耐候钢屈服强度和抗拉强度偏低的情况,利用金相显微镜和扫描电镜进行了组织观察,调查了炼钢和热轧工艺过程控制情况,研究了碳化钛的固溶和析出强化对力学性能的影响。结果表明,加热制度执行不够导致碳化钛未完全固溶,冷却温度控制偏高导致钛析出物粗化是造成性能不合的主要原因。通过成分优化及工艺制度调整,实现了碳化钛的充分固溶,提高了钛析出强化效果,解决了力学性能不合的问题。     

灰色关联分析在CSP热连轧组织性能预报系统中的应用

在CSP热连轧组织性能预报系统数据库的基础上，采用灰色系统理论的关联分析方法，从分析生产现场的历史数据入手，对热轧带钢力学性能参数进行数值信息挖掘，找出影响力学性能的主要工艺参数。在此基础上，对一些影响力学性能的工艺参数历史数据进行了统计分析，得出某些工艺参数对力学性能的影响规律，为今后优化工艺参数和稳定生产提供了参考。