轧辊差温热处理性能预测方法技术

本发明专利技术提供一种轧辊差温热处理性能预测方法，属于合金铸钢轧辊技术领域，包括步骤如下：取相对应的第一组轧辊差温热处理数据和第一组轧辊性能数据，对第一组轧辊差温热处理数据依次进行有效性分析和相关性分析，得到第一组相关性数据，并建立轧辊差温热处理管理数据库和轧辊差温热处理性能预测模型，然后训练和评估轧辊差温热处理性能预测模型，再将轧辊差温热处理性能预测模型集成于轧辊差温热处理智能化管理系统，用于指导轧辊差温热处理性能预测；与现有技术相比，本发明专利技术创造性地提出一种适用于轧辊差温热处理的性能预测方法，以提升轧辊差温热处理性能预测的准确性。升轧辊差温热处理性能预测的准确性。升轧辊差温热处理性能预测的准确性。

【技术实现步骤摘要】
轧辊差温热处理性能预测方法


[0001]本专利技术涉及合金铸钢轧辊
，具体而言，涉及一种轧辊差温热处理性能预测方法。

技术介绍

[0002]轧辊是轧机的主要变形工具，轧辊在铸造过程中存在大量偏析和低硬度组织，导致使用过程中产生剥落、裂纹、断裂等缺陷，缩短了轧辊寿命。为了提高轧辊质量和延长轧辊寿命，现有技术人员一般通过调整轧辊合金成分和/或优化轧辊热处理工艺实现。对于轧辊热处理工艺，现有技术一般采用整体加热方式，但整体加热方式存在升温速度缓慢、无法选择性加热不同部位的缺点，造成轧辊性能降低和能源大量浪费。差温热处理是一种高效的加热方法，可以通过对轧辊辊身表面快速加热，在辊身表面快速形成较高温度并使辊身内部保持较低温度，提升辊身表面工作层淬火效果并保证轧辊性能。另外，差温热处理后的轧辊在后续冷却时，可在轧辊内部形成梯度组织，壳部工作层淬火为硬度较高的马氏体和贝氏体组织，芯部退火为韧性较好的珠光体类组织，实现外硬内韧的良好综合性能。
[0003]差温热处理工艺通常基于经验制定，但主观经验和判断缺乏客观理论支撑，导致轧辊性能出现波动。为了获得性能稳定的轧辊，需要确定合金成分、热处理工艺参数、性能之间的关系。通常采用实验分析方法反复多次实验，再将实验数据建立性能预测模型，但现有的性能预测模型大都基于整体热处理工艺建立，无法应用到轧辊差温热处理工艺中。另外，由于各项数据与轧辊性能的关联性存在差异，现有性能预测模型无法找到并剔除关联性较低的数据，导致性能预测模型结构庞杂、数据繁多，使性能预测模型预测的性能与实际热处理后的性能存在较大差距，性能预测模型的预测准确性不高。

技术实现思路

[0004]本专利技术解决的问题是如何提供一种适用于轧辊差温热处理的性能预测方法，以提升轧辊差温热处理性能预测的准确性。
[0005]本专利技术提供了一种轧辊差温热处理性能预测方法，包括以下步骤：
[0006]步骤S1，取相对应的第一组轧辊差温热处理数据和第一组轧辊性能数据，对第一组轧辊差温热处理数据进行有效性分析，得到有效性数据；
[0007]步骤S2，对有效性数据进行相关性分析，得到第一组相关性数据，并建立轧辊差温热处理管理数据库；
[0008]步骤S3，基于第一组相关性数据和第一组轧辊性能数据建立轧辊差温热处理性能预测模型；
[0009]步骤S4，取相对应的多组轧辊差温热处理数据和多组轧辊性能数据，经过步骤S1至步骤S2的处理后，得到相对应的多组相关性数据和多组轧辊性能数据，再导入轧辊差温热处理性能预测模型，训练和评估轧辊差温热处理性能预测模型，直至轧辊差温热处理性能预测模型中标定值以上的轧辊性能预测值满足预测精度，然后将轧辊差温热处理性能预
测模型集成于轧辊差温热处理智能化管理系统；
[0010]步骤S5，将新产生的第二组轧辊差温热处理数据依次进行有效性分析和相关性分析，得到第二组相关性数据，再导入轧辊差温热处理智能化管理系统，获得第二组轧辊性能预测值。
[0011]与现有技术相比，本专利技术创造性地提出一种应用于轧辊差温热处理性能预测方法的轧辊差温热处理性能预测模型，有效利用了大量现有轧辊差温热处理数据和轧辊性能数据。另外，本专利技术利用有效性分析和相关性分析将大量现有轧辊差温热处理数据和轧辊性能数据分类，再将相关性较高的数据应用于轧辊差温热处理性能预测模型，提升轧辊差温热处理性能预测的准确性，精简轧辊差温热处理性能预测模型结构。再者，本专利技术通过将轧辊差温热处理性能预测模型集成于轧辊差温热处理智能化管理系统，可直接利用新产生的第二组轧辊差温热处理数据预测新的第二组轧辊性能预测值，以辅助轧辊差温热处理工艺的制定。
[0012]作为优选，轧辊差温热处理数据包括轧辊生产条件参数、轧辊差温热处理工艺参数，轧辊生产条件参数包括材料名称、辊身直径、轧辊性能技术要求、轧辊合金成分、车间编号、差温热处理炉编号、喷水淬火设备编号、环境温度，轧辊合金成分包括C、Si、Mn、P、S、Cr、Mo、Ni、V、Nb成分数据项，差温热处理工艺参数包括淬火加热高保温度和时间、淬火加热低保温度和时间、淬火时间和回火温度，轧辊性能数据为辊身硬度、轧辊抗热裂性能、轧辊耐磨耐冲击性能、辊身光洁度和轧辊切削加工性能中的一种。
[0013]作为优选，有效性分析的过程包括：
[0014]基于热处理知识，剔除与轧辊性能数据变化没有关系的轧辊差温热处理数据。
[0015]作为优选，有效性分析的过程包括：
[0016]剔除以下数据项：材料名称，辊身硬度技术要求，轧辊合金成分中的Si、Mn、P、S成分数据项，车间编号，差温热处理炉编号；
[0017]保留以下数据项：辊身直径，轧辊合金成分中的C、Cr、Mo、Ni、V、Nb成分数据项，喷水淬火设备编号，环境温度，差温热处理工艺参数。
[0018]作为优选，相关性分析的过程包括：
[0019]将有效性数据进行归一化处理或标准化处理，然后采用相关系数r衡量任一有效性数据与任一轧辊性能数据间的相关性，相关系数r如下：
[0020][0021]其中，i表示数据项序号，x
i
为自变量，表示序号为i的有效性数据，表示有效性数据均值，y
i
为因变量，表示序号为i的轧辊性能数据，表示轧辊性能数据均值；
[0022]剔除|r|＜0.5时的数据项，保留|r|≥0.5时的数据项。
[0023]作为优选，步骤S3中的轧辊差温热处理性能预测模型基于多元回归方法建立，多元回归方法的回归方程为：
[0024][0025]其中，i表示数据项序号，x
i
为自变量，表示序号为i的第一组相关性数据，表示
序号为i的回归系数预测值，为因变量的预测值，表示第一组轧辊性能预测值。
[0026]作为优选，轧辊差温热处理性能预测模型的建立过程包括：
[0027]步骤S31，根据有效性数据和第一组轧辊性能数据确定自变量和因变量；
[0028]步骤S32，用最小二乘法求解回归方程中的回归系数
[0029]步骤S33，通过计算样本决定系数R2检验回归方程的显著性，其中样本决定系数R2为：
[0030][0031]其中，表示序号为i的第一组轧辊性能预测值，表示第一组轧辊性能数据均值，y
i
为表示序号为i的第一组轧辊性能数据；
[0032]步骤S34，通过残差分析评估第一组轧辊性能预测值与第一组轧辊性能数据均值之间的差距。
[0033]作为优选，步骤S4中训练和评估轧辊差温热处理性能预测模型的过程包括：
[0034]将相对应的多组相关性数据和多组轧辊性能数据导入轧辊差温热处理性能预测模型，多轮迭代轧辊差温热处理性能预测模型，获得预测精度；
[0035]当轧辊性能预测值与相对应的轧辊性能数据的差值处于轧辊性能的预测精度内，将轧辊性能预测值纳入回归线拟合，反之剔除。
[0036]作为优选，轧辊性能数据为辊身硬度，轧辊本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轧辊差温热处理性能预测方法，其特征在于，包括以下步骤：步骤S1，取相对应的第一组轧辊差温热处理数据和第一组轧辊性能数据，对所述第一组轧辊差温热处理数据进行有效性分析，得到有效性数据；步骤S2，对所述有效性数据进行相关性分析，得到第一组相关性数据，并建立轧辊差温热处理管理数据库；步骤S3，基于所述第一组相关性数据和所述第一组轧辊性能数据建立轧辊差温热处理性能预测模型；步骤S4，取相对应的多组轧辊差温热处理数据和多组轧辊性能数据，经过步骤S1至步骤S2的处理后，得到相对应的多组相关性数据和多组轧辊性能数据，再导入所述轧辊差温热处理性能预测模型，训练和评估所述轧辊差温热处理性能预测模型，直至所述轧辊差温热处理性能预测模型中标定值以上的轧辊性能预测值满足预测精度，然后将所述轧辊差温热处理性能预测模型集成于轧辊差温热处理智能化管理系统；步骤S5，将新产生的第二组轧辊差温热处理数据依次进行所述有效性分析和所述相关性分析，得到第二组相关性数据，再导入所述轧辊差温热处理智能化管理系统，获得第二组轧辊性能预测值。2.根据权利要求1所述的轧辊差温热处理性能预测方法，其特征在于，所述轧辊差温热处理数据包括轧辊生产条件参数、轧辊差温热处理工艺参数，所述轧辊生产条件参数包括材料名称、辊身直径、轧辊性能技术要求、轧辊合金成分、车间编号、差温热处理炉编号、喷水淬火设备编号、环境温度，所述轧辊合金成分包括C、Si、Mn、P、S、Cr、Mo、Ni、V、Nb成分数据项，所述差温热处理工艺参数包括淬火加热高保温度和时间、淬火加热低保温度和时间、淬火时间和回火温度，所述轧辊性能数据为辊身硬度、轧辊抗热裂性能、轧辊耐磨耐冲击性能、辊身光洁度和轧辊切削加工性能中的一种。3.根据权利要求2所述的轧辊差温热处理性能预测方法，其特征在于，所述有效性分析的过程包括：基于热处理知识，剔除与所述轧辊性能数据变化没有关系的所述轧辊差温热处理数据。4.根据权利要求3所述的轧辊差温热处理性能预测方法，其特征在于，所述有效性分析的过程包括：剔除以下数据项：材料名称，辊身硬度技术要求，轧辊合金成分中的Si、Mn、P、S成分数据项，车间编号，差温热处理炉编号；保留以下数据项：辊身直径，轧辊合金成分中的C、Cr、Mo、Ni、V、Nb成分数据项，喷水淬火设备编号，环境温度，差温热处理工艺参数。5.根据权利要求1所述的轧辊差温热处理性能预测方法，其特征在于，所述相关性分析的过程包括：将所述有效性数据进行归一化处理或标准化处理，然后采用相关系数r衡量任一所述有效性数据与任一所述轧辊性能数据间的相关性，所述相关系数r如下：其中，i表示数据项序号，x
i
为自变量，表示序号为i的所述有效性数据，表示序号为i
的所述有效性数据均值，y
i

【专利技术属性】
技术研发人员：屈磊，黄志影，郑鹏，沈自尚，关有良，
申请(专利权)人：中国第一重型机械股份公司，
类型：发明
国别省市：