[发明专利]一种基于退火工艺预测冷轧连续退火带钢力学性能的方法

说明书

本发明公开了一种基于退火工艺预测冷轧连续退火带钢力学性能的方法，主要解决现有无法通过退火工艺预测冷轧连续退火带钢力学性能的技术问题。技术方案为，一种基于退火工艺预测冷轧连续退火带钢力学性能的方法，包括，1)收集冷轧轧制机组、退火机组高频数据以及带钢实际检测的力学性能数据；2)计算出热轧带钢的变形抗力；3)匹配带钢在冷轧轧制机组和退火机组间的高频工艺参数；4)建立退火带钢的力学性能预测模型；5)分别绘制退火带钢全长的屈服强度、抗拉强度和断后伸长率曲线。本发明方法冷轧连续退火带钢力学性能预测精度高，精度误差小于2.8％。

技术领域

本发明涉及一种冷轧退火带钢力学性能的预测方法，特别涉及一种基于退火工艺预测冷轧连续退火带钢力学性能的方法，属于钢铁冶金冷轧连续退火过程控制技术领域。

背景技术

冷轧退火带钢用户的需求多样化，对退火带钢的力学性能要求也多样化，订货合同呈合同数量多、单个合同订货量小，合同之间要求具有差异性的特点，同时，钢铁厂生产一炉钢通常为150-300吨，专门按小合同组织生产会产生大量的合同余材料，损失比较大。为了解决该问题，近年来钢铁厂在前道工序——炼钢、热轧采用集约化批量生产，到退火工序通过调整退火温度等工艺参数，生产出符合用户要求的不同强度等级的冷轧退火带钢产品，对该类冷轧退火带钢而言，退火工艺是影响产品力学性能的关键因素之一，那么如何通过退火工艺变化对冷轧退火带钢性能影响预测显得尤为重要。

申请公布号为CN111241750A的中国专利申请公开了一种结合遗传算法的BP网络冷轧带钢力学性能预测方法，筛选冷轧带钢生产系统采集的相关数据，进行归一化处理；采用归一化的训练样本数据对模型进行训练，并对所建立的改进的BP网络预测模型进行评估；利用生成的改进BP网络预测模型进行冷轧带钢的力学性能预测；存在预测精度低的问题。

申请公布号为CN112149272A的中国专利申请公开了基于多元线性回归分析的冷轧带钢力学性能预测模型，该本发明提出了将带钢退火前的抗拉强度、屈服强度和设定的退火温度、退火工艺速度和平整机延伸率分别代入预测模型回归方程表中，对带钢力学性能进行预测；将获得预测值与目标值进行比较，如果预测值能够达到目标值的要求，则按照设定的退火温度、退火工艺速度和平整机延伸率组织生产；如果预测值不能达到目标值的要求，则对设定的退火温度、退火工艺速度和平整机延伸率进行调整，并按照调整后的退火温度、退火工艺速度和平整机延伸率组织生产；其利用多元回归分析建立模型，预测精度不高。

学位论文《基于数据挖掘技术的冷轧产品质量性能预测》(杨光，东北大学，学位论文，2015.10)，该论文对冷轧产品质量性能预测中模型(包括神经网络、决策树、多元线性回归模型)的建立过程进行了深入研究，通过使用S+miner和SPSS数据统计分析软件构建以决策树、BP神经网络等为冷轧产品性能预测模型,通过相关分析得到模型的输入参数,将冷轧产品重要的机械性能参数屈服强度、抗拉强度、延伸率作为输出量,通过模型的训练，最终描述了生产工艺参数、化学成分与力学性能之间复杂函数关系。使用真实机械性能样本数据与冷轧产品性能预测模型的结果做对比，证明了基于BP神经网络模型应用在冷轧产品质量性能预测中的有效性。该论文简要的分析了几种数据分析方法的优劣，并没有提出具体的建模方法。

发明内容

本发明的目的是提供一种基于退火工艺预测冷轧连续退火带钢力学性能的方法，主要解决现有无法通过退火工艺预测冷轧连续退火带钢力学性能的技术问题；本发明方法实现了通过连续退火机组退火工艺变化精准预测连续退火带钢力学性能，为集约化批量投料，依靠退火工艺调整，生产出不同力学性能的连续退火带钢提供了可能。

本发明的技术思路是，结合冷轧连续退火带钢的生产工艺特点，考虑对于相同的冷轧带钢，经过不同的退火工艺，得到的连续退火带钢的力学性能存在一定的差异；通过对前期一定生产周期的数据进行处理、分析，采用带钢实际取样检测位置的数据，并引入热轧带钢变形抗力作为输入因子，建立冷轧连续退火带钢力学性能的预测模型，在后续的生产过程中遇到相应的连续退火带钢时能够对该带钢的力学性能进行预测。