专利名称：一种冷轧钢带抗拉强度预测模型的建立方法
技术领域：
本发明涉及冷轧钢板技术领域，尤其涉及一种冷轧钢带抗拉强度预测模型的_方法。
背景技术：
随着汽车、家电、建筑等行业的不断发展，对钢板性能的要求越来越严格，所以需要对冷轧钢板的抗拉强度进行更为精确的控制。对于冷轧钢带抗拉强度预测，科研机构已可以给出一些预测公式，但是这些公式往往局限于某一部分参数对抗拉强度的影响，考虑到冷轧钢带从炼钢、热轧到冷轧的全流程生产过程，各生产工序参数对抗拉强度都会产生影响，仅仅使用理论公式并不能满足产品质量设计要求。回归型神经元网络，是一种计算模型，系统通过采集数据并进行学习的方法来建立数据模型，即我们为系统提供样本，系统靠样本不断学习，在此基础上建立计算模型，从而建立网络结构，其输入和输出可以是时变过程或时变函数、多元函数乃至是抽象距离空间中的“点”，对输入的加工包括多元聚合和累积，特别是空间聚合和时间累积，相关理论包括泛函逼近定理、网络性质和计算能力等，应用领域包括过程建模、系统辨识、过程控制、聚类分类、过程优化、预测预报、评估决策以及宏观控制等。
发明内容
本发明的目的是提供一种冷轧钢带抗拉强度预测模型的建立方法，通过对冷轧钢带抗拉强度随炼钢、热轧和冷轧重要工艺参数变化规律进行分析，建立预测模型，为冷轧钢带的质量设计提供技术支持。为实现上述目的，本发明通过以下技术方案实现一种冷轧钢带抗拉强度预测模型的建立方法，其特征在于，将冷轧钢带在炼钢、热轧和冷轧生产过程中的化学成分、终轧温度、卷曲温度、冷轧压下比、退火时间、平整延伸率相关参数引入回归型神经元网络，进行分析建立预测模型，建模步骤如下1)在计算机数据库中建立冷轧钢带生产工艺流程如下冶炼一精炼一连铸一热轧一冷轧一退火一平整一重卷取样，并将化学成分重量百分比、终轧温度、卷曲温度、冷轧压下比、退火时间、平整延伸率等相关生产工艺参数存储在计算机数据库中；2)利用拉伸机对生产的冷轧钢带样品进行抗拉强度测量，并将测量结果存储到计算机数据库中；3)对存储在数据库中的工艺参数和抗拉强度进行回归型神经元网络分析，建立冷轧钢带抗拉强度的预测模型。所述的化学成分为碳、硅、锰、磷、硫、铝、氮、钛、铌。与现有技术相比，本发明的有益效果是通过引入冷轧钢带全程生产的数据，利用回归型神经元网络分析方法，建立预测模型，这样建立的模型能够全面反映炼钢、热轧和冷轧全流程的影响，预测结果准确，而且模型使用简便，只需将某批次冷轧钢带的生产相关数据输入模型，即可得到该批次冷轧钢带的抗拉强度预测值。
图1是本发明的残差分布图。
具体实施例方式下面结合附图对本发明的具体实施方式
作进一步说明一种冷轧钢带抗拉强度预测模型的建立方法，将冷轧钢带在炼钢、热轧和冷轧生产过程中的化学成分、终轧温度、卷曲温度、冷轧压下比、退火时间、平整延伸率相关参数引入回归型神经元网络，进行分析建立预测模型，建模步骤如下1)在计算机数据库中建立冷轧钢带生产工艺流程如下冶炼一精炼一连铸一热轧一冷轧一退火一平整一重卷取样，并将化学成分重量百分比、终轧温度、卷曲温度、冷轧压下比、退火时间、平整延伸率等相关生产工艺参数存储在计算机数据库中；2)利用Zwick公司Z-100型号万能拉伸机对生产的冷轧钢带样品进行抗拉强度测量，并将测量结果存储到计算机数据库中；3)对存储在数据库中的工艺参数和抗拉强度进行回归型神经元网络分析，建立冷轧钢带抗拉强度的预测模型。上述的化学成分指的是碳、硅、锰、磷、硫、铝、氮、钛、铌，其变化范围见表1。表1工艺参数的变化范围
权利要求
1.一种冷轧钢带抗拉强度预测模型的建立方法，其特征在于，将冷轧钢带在炼钢、热轧和冷轧生产过程中的化学成分、终轧温度、卷曲温度、冷轧压下比、退火时间、平整延伸率相关参数引入回归型神经元网络，进行分析建立预测模型，建模步骤如下1)在计算机数据库中建立冷轧钢带生产工艺流程如下冶炼一精炼一连铸一热轧一冷轧一退火一平整一重卷取样，并将化学成分重量百分比、终轧温度、卷曲温度、冷轧压下比、退火时间、平整延伸率等相关生产工艺参数存储在计算机数据库中；2)利用拉伸机对生产的冷轧钢带样品进行抗拉强度测量，并将测量结果存储到计算机数据库中；3)对存储在数据库中的工艺参数和抗拉强度进行回归型神经元网络分析，建立冷轧钢带抗拉强度的预测模型。
2.根据权利要求1所述的一种冷轧钢带抗拉强度预测模型的建立方法，其特征在于， 所述的化学成分为碳、硅、锰、磷、硫、铝、氮、钛、铌。
全文摘要
本发明涉及一种冷轧钢带抗拉强度预测模型的建立方法，其特征在于，将生产过程中的化学成分、终轧温度、卷曲温度、冷轧压下比、退火时间、平整延伸率相关参数引入回归型神经元网络，进行分析建立预测模型，步骤如下1)将冷轧钢带生产过程中各工艺参数存储在数据库中；2)利用拉伸机对生产的冷轧钢带样品进行抗拉强度测量，并将测量结果存储数据库中；3)建立预测模型。所述的化学成分为碳、硅、锰、磷、硫、铝、氮、钛、铌。本发明的有益效果是利用回归型神经元网络分析方法，引入冷轧钢带全程生产的数据建立预测模型，全面反映炼钢、热轧和冷轧全流程的影响，将某批次冷轧钢带的生产相关数据输入模型，即可得该批次冷轧钢带的抗拉强度预测值。
文档编号C21D8/02GK102277477SQ20101019521
公开日2011年12月14日 申请日期2010年6月9日 优先权日2010年6月9日
发明者刘军友, 张广安, 徐蕾, 杨大军, 杨忠杰, 林瑜, 王越, 白雪, 郑旭 申请人:鞍钢股份有限公司