一种奥氏体不锈钢精密钢带的终轧变形量预测方法

摘要

一种奥氏体不锈钢精密钢带的性能预测模型及其精密冷轧工艺设计，其特征在于：运用计算机人工神经网络技术(如Plexi神经网络开发环境软件)构建的不锈钢冷轧钢板性能预测模型，主要由数据存储记忆库、计算机人工智能网络、终轧变形量预测模块、终轧变形量预测值判定模块组成；该模型可以根据影响产品力学性能的化学成分等所有因素，进行“多元函数”的运算，并利用收集的生产数据对该性能预测模块进行修正训练，给出最合适的终轧变形量。应用该预测模型给出的终轧变形量预测值，可以方便地进行奥氏体不锈钢精密钢带的精密冷轧工艺设计，效率高、效果好，能生产出“力学性能误差小于±8个单位的维氏硬度”的优质奥氏体不锈钢精密钢带成品。

主权项

一种奥氏体不锈钢精密钢带的终轧变形量预测方法，其特征在于：运用计算机人工神经网络技术构建的不锈钢冷轧钢板性能预测模型，主要由数据存储记忆库(1)、计算机人工智能网络(2)、终轧变形量预测模块(3)、终轧变形量预测值判定模块(4)组成；该预测模型可以根据影响产品力学性能的所有因素，进行“多元函数”的运算，给出最合适的终轧变形量；不锈钢冷轧钢板性能预测模型的建立过程：A、数据收集、整理、输入：首先对企业生产工艺记录数据进行汇总，收集不少于800组相关的生产工艺参数和最终测试的力学性能数据；每组数据包含：影响产品力学性能的所有参数因素，这些参数因素有N＝15～20个，它们选自：原料的化学成分：碳0.01～0.30％，硅0～2.0％，锰0～2％，磷≤0.045％，硫≤0.030％，镍0～42.0％，铬10.0～26.0％，钼0～4.0％，氮0～0.3％，钛0～0.5％，铌0～0.5％；轧制方式：轧制道次1～10次，轧制速度30～360米/分，终轧变形量5～80％；产品性能：抗拉强度350～2100MPa，屈服强度250～1900MPa，延伸率0～70％，维氏硬度135～600单位；产品厚度：0.03～1.1mm；原料供应商；然后对收集的数据进行分类、整理，通过“数据存储记忆库(1)”的输入口，将有效生产工艺记录数据，有规则的人工输入数据存储记忆库(1)：第1组数据中的终轧变形量为A1，其余影响产品力学性能的所有因素有M个因素，M＝N‑1，为A(1‑1)、A(1‑2)、…、A(1‑M)，碳因素为A(1‑1)，硅为A(1‑2)，…；第2组数据中的终轧变形量为A2，其余影响产品力学性能的所有因素有M个因素，碳因素为A(2‑1)，硅为A(2‑2)，…；……；第X组数据中的终轧变形量为AX，其余影响产品力学性能的所有因素有M个因素，碳因素为A(X‑1)，硅为A(X‑2)，…；每组数据相互对应；B、建立“数据存储记忆库(1)”“数据存储记忆库(1)”是1个记忆卡和3个接口：输入口、输出口、数据读取口；输入口，接受有效的生产工艺记录数据，并永久保存在记忆卡内；输出口，将记忆卡内的有效生产工艺记录数据，输出到“计算机人工智能 网络(2)”；数据读取口，便于“终轧变形量预测值判定模块(4)”读取“数据存储记忆库(1)”保存的有效生产工艺记录数据；C、运用“计算机人工智能网络(2)”，创建“终轧变形量预测模块(3)”；计算机人工智能网络(2)，是一个计算机智能系统，其功能是：接受“数据存储记忆库(1)”内的有效生产工艺记录数据，由计算机人工神经网络软件进行计算机处理，建立“终轧变形量预测模块(3)”；并利用收集的生产数据对该性能预测模块进行训练，对“终轧变形量预测模块(3)”进行修正，提高预测精度；D、终轧变形量预测模块(3)运用计算机人工智能网络(2)构建的“终轧变形量预测模块(3)”，有1个计算机应用程序，和3个接口：“工艺记录数据”连接口、终轧变形量输出口、应用数据输入口；“工艺记录数据”连接口，接受“计算机人工智能网络(2)”传来的“数据存储记忆库(1)”内的有效生产工艺记录数据；应用数据输入口，接受“实际生产中等待精密冷轧产品”的参数因素，这些参数因素有M＝N‑1个因素，是除终轧变形量以外的所有影响产品力学性能的因素；计算机应用程序，对“终轧变形量以外的、影响产品力学性能的所有因素”，进行“多元函数”的计算机运算，给出“终轧变形量”；终轧变形量输出口，将“计算机应用程序”得出的“终轧变形量”，传输到“终轧变形量预测值判定模块(4)”；E、终轧变形量预测值判定模块(4)“终轧变形量预测值判定模块(4)”有4个接口：数据读取口、终轧变形量预测模块(3)连接口、数据反馈口、输出口；数据读取口，读取“数据存储记忆库(1)”内的有效生产工艺记录数据；终轧变形量预测模块(3)连接口，接受“终轧变形量预测模块(3)”传来的终轧变形量预测值；数据反馈口，与“计算机人工智能网络(2)”连接；“终轧变形量预测值判定模块(4)”，对“数据存储记忆库(1)内的有效生产工艺记录数据”、“终轧变形量预测模块(3)传来的终轧变形量预测值”进行比较，得出合适的终轧变形量；输出口，传出合适的终轧变形量；F、“不锈钢冷轧钢板性能预测模型”的校验、确定“数据存储记忆库(1)”、“计算机人工智能网络(2)”、“终轧变形量预测模块(3)”、“终轧变形量预测值判定模块(4)”构成1个内循环，用于“终轧变形量预测模块(3)”的校验、确定；“数据存储记忆库(1)”内的有效生产工艺记录数据，分别传输到“计算机人工智能网络(2)”、“终轧变形量预测值判定模块(4)”；“计算机人工智能网络(2)”接受“数据存储记忆库(1)”内的有效生产工艺记录数据，由计算机人工神经网络软件进行计算机处理，建立“终轧变形量预测模块(3)”；“终轧变形量预测模块(3)”内的“计算机应用程序”，对“计算机人工智能网络(2)”传来的“数据存储记忆库(1)”内的有效生产工艺记录数据，进行“多元函数”的运算，得出终轧变形量建议值；“终轧变形量预测值判定模块(4)”，对“终轧变形量预测模块(3)”传来的终轧变形量建议值，和“数据存储记忆库(1)”传来的终轧变形量真实值进行比较：误差值较大，不符合要求的，该组数据反馈到“计算机人工智能网络(2)”，由计算机人工神经网络软件进行计算机修正处理，修正“终轧变形量预测模块(3)”内的“计算机应用程序”，修正后的“计算机应用程序”得出第2次终轧变形量建议值，“终轧变形量预测值判定模块(4)”第2次进行比较；……；最后，“终轧变形量预测模块(3)”传来的终轧变形量建议值，和“数据存储记忆库(1)”传来的终轧变形量真实值，误差值符合要求；此时，“终轧变形量预测模块(3)”校验完毕，并基本确定；“不锈钢冷轧钢板性能预测模型”可用于生产实际。