基于多元线性回归分析的冷轧钢带力学性能预测模型的制作方法

本发明涉及一种基于多元线性回归分析的冷轧钢带力学性能预测模型，属于冶金行业冷轧连续退火过程控制技术领域。

背景技术：

众所周知，冷轧汽车用钢的加工成形方式多采用冷冲压成形，而冲压质量的好坏受钢带的力学性能、模具的状态等多种因素影响。因此，精密加工行业对钢材的力学性能均匀性、波动性有着极高的要求，如何提高力学性能的控制精度，缩窄力学性能波动范围，是长期以来冷轧钢带生产过程中始终未能彻底解决的问题。

中国发明专利cn102632082a公布了一种基于性能预报模型的热轧带钢力学性能的动态控制方法，此发明通过在轧制前调取化学成分、预设定的轧制温度工艺参数、规格参数，计算出析出合金化合物的含量，再将所有数据代入力学性能预测模型中，用模型对轧后带钢的力学性能进行预测，通过调整轧制工艺参数使带钢力学性能的预测值满足力学性能目标值约束，然后按照调整后的轧制工艺参数进行轧制。

中国发明专利cn103761423a公布了一种基于pso-elm的热轧板材组织-性能预测方法，此发明通过获取影响热轧板材组织-性能的参数及板材的冷却速率对板材进行力学性能试验，建立基于elm的热轧板材组织-性能预测模型，采用粒子群算法对模型进行训练，之后利用预测模型对热轧板材组织-性能进行预测。

经对现有技术的文献检索发现，国内外钢材组织性能预测与控制技术多集中在热轧生产过程，尚无关于冷轧钢带力学性能的预测模型。同时，现有热轧组织性能预测技术需考虑化学成分、变形参数、冷却制度、析出物形态等多种因素，需要运用粒子群算法、神经元网络、拓扑理论等多种方法，多变量、大数据、复杂运算方法给专业技术人员带来了较高的认知门坎和干扰，非常不利于现场管理及快速应急反应。本发明基于多元线性回归分析方法进行计算，对冷轧钢带的力学性能预测模型还尚属首例。

技术实现要素：

本发明的目的是提供一种基于多元线性回归分析的冷轧钢带力学性能预测模型，能够预报不同退火工艺条件下的冷轧退火钢带力学性能，进而提高冷轧退火钢带的工艺控制水平，解决背景技术中存在的问题。

本发明的技术方案是：

一种基于多元线性回归分析的冷轧钢带力学性能预测模型，包含以下步骤：

①建立预测模型回归方程表达式：

rp0.2=132.814+35.792[x1]+0.080[x2]-0.001[x3]-0.0381[x4]-0.0974[x5]

式中：

rp0.2表示冷轧退火钢带的力学性能预测值；

x1表示设定的平整机延伸率；

x2表示钢带退火前抗拉强度；

x3表示钢带退火前屈服强度；

x4表示设定的退火温度；

x5表示设定的退火工艺速度；

②将钢带退火前的抗拉强度、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上述预测模型回归方程表达式中，对退火后的钢带力学性能进行预测，并获得预测值；

③将获得的退火后的钢带力学性能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，直到使预测值能够达到目标值的要求，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。

所述钢带退火方式为连续式退火，设定的退火温度不小于790℃。

所述钢带的化学成分重量百分比为：c≤0.0050%，si≤0.03%，mn0.07～0.15%，p≤0.012%，s≤0.012%，als0.030～0.050%，ti0.050～0.070%，n≤0.0040%，其余为fe和不可避免的杂质。

所述钢带厚度为0.4-0.8mm。

本发明与其它模型区别之处在于：回归分析简单、易操作，对钢带的退火工艺和力学性能进行研究，具有较高的准确性，采用较少的变量，能够真实准确的反应变量之间的关系，尤其是冷轧退火钢带属于长流程、复杂工艺的产品，在现有工艺装备条件下，采用多元线性回归分析的方法对冷轧退火钢带的力学性能进行分析预测，能够有效的提升冷轧退火钢带产品质量和开发更高级别的冷轧退火产品。

本发明的有益效果是：

本发明采用多元线性回归分析方法建立力学性能预测模型，能够预报不同退火工艺条件下的冷轧退火钢带力学性能，进而提高冷轧退火钢带的工艺控制水平和钢带性能的稳定性，降低生产成本。

附图说明

图1为本发明预测模型流程示意图。

具体实施方式

以下结合附图，通过实例对本发明作进一步说明。

参照附图1，一种基于多元线性回归分析的冷轧钢带力学性能预测模型，包含以下步骤：

①建立预测模型回归方程表达式：

rp0.2=132.814+35.792[x1]+0.080[x2]-0.001[x3]-0.0381[x4]-0.0974[x5]

式中：

rp0.2表示冷轧退火钢带的力学性能预测值；

x1表示设定的平整机延伸率；

x2表示钢带退火前抗拉强度；

x3表示钢带退火前屈服强度；

x4表示设定的退火温度；

x5表示设定的退火工艺速度；

②将钢带退火前的抗拉强度、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上述预测模型回归方程表达式中，对退火后的钢带力学性能进行预测，并获得预测值；

③将获得的退火后的钢带力学性能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，直到使预测值能够达到目标值的要求，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。

在本实施例中，参照附图1，本发明具体包含以下步骤：

（1）收集冷轧退火钢带工艺参数的数据；

（2）采用多元线性回归分析方法得出冷轧退火钢带的力学性能预测模型；

（3）判断热带是否符合模型条件；

（4）如否，则按照现有热带成分重新建立预测模型，否则进行下一步；

（5）基于力学性能预测模型对冷轧退火钢带的性能进行预测；

（6）判断出工艺参数是否可优化；

（7）如否，则按照设定的退火工艺参数进行生产，否则进行下一步；

（8）基于力学性能预测模型，调整退火工艺参数；

（9）设定新的冷轧退火钢带生产参数。

本发明提出的技术方案为：根据现有大量的冷轧退火钢带生产数据，采用多元线性回归分析的方法建立冷轧退火钢带力学性能的工业预测模型，在生产中依据预定的工艺参数对退火后的钢带力学性能进行预测。

本发明中的冷轧退火钢带，厚度为0.4-0.8mm，其原料为冷轧硬质钢带，冷轧硬质钢带由热带经冷轧机轧制而成，轧制压缩比不小于75%，化学成分与热带相同，钢带退火前的抗拉强度和屈服强度可直接采用热带抗拉强度和热带屈服强度。

热带的化学成分重量百分比为：c≤0.0050%，si≤0.03%，mn0.07～0.15%，p≤0.012%，s≤0.012%，als0.030～0.050%，ti0.050～0.070%，n≤0.0040%，其余为fe和不可避免的杂质。

钢带设定的工艺参数包括：退火温度、退火工艺速度和平整机延伸率，其中钢带退火方式为连续式退火，设定的退火温度不小于790℃。

将热带的抗拉强度和屈服强度以及设定的退火温度、退火工艺速度和平整机延伸率代入模型中获得力学性能预测值，如果预测值与目标值的偏差满足一定的阀值条件时，则表示需对退火工艺参数进行调整。基于此模型，可以大幅节约生产成本，实现力学性能窄区间稳定性控制。

所述的阀值取值区间为6mpa。

热带化学成分、抗拉强度和屈服强度具体如表1：

表1

冷轧退火工艺参数及预测值见表2：

表2

由上面的计算数据可知，预测值与实测值偏差符合阈值要求，具备实用意义，生产方案能达到冷轧退火钢带的客户要求，通过对比力学性能预报值与生产后实验测得的力学性能参数，可以进一步验证模型的准确性。

综上所述，本发明的技术方案根据冷轧退火钢带的工艺参数和力学性能目标值，通过建立冷轧退火钢带的力学性能预测模型，对钢带的力学性能进行计算和预测，基于力学性能预测模型，来开发新的冷轧退火产品或者优化冷轧退火钢带的工艺参数进而达到提高产品质量的目的。