【技术实现步骤摘要】
本专利技术涉及一种提高热轧产品性能预测精度的方法，属于轧钢方法。
技术介绍
1、轧钢自动化
，热轧产品力学性能预测技术可以有效帮助生产企业对产品质量、工艺控制过程进行预警，依据较高精度的模型预测结果对产品减少不必要的取样，提高成材率和产品交付效率。
2、目前热轧带钢力学性能预测技术中，主要包括物理解析模型和基于数据驱动的智能算法，两类模型都存在以下问题：
3、(1)单一合金成分变化较大时，力学性能预测值与实际值偏差较大，模型对合金成分变化不能做到正确的响应。
4、(2)合金成分组合变化时，对产品力学性能如屈服强度、抗拉强度及延伸率的影响不一致，模型无法适应此类情况的变化，导致预测精度不佳。
技术实现思路
1、本专利技术目的是提供一种提高热轧产品性能预测精度的方法，通过建立合金成分模型，获取性能预测值与实测值，并计算出偏差比例，确定需要调整合金补偿模型参数的钢种牌号后，计算出合金补偿模型参数，进一步计算合金补偿模型系数，用于性能预测值修正，有效提高了热轧产品性能预测精度，有效地解决了
技术介绍
中存在的上述问题。
2、本专利技术的技术方案是：一种提高热轧产品性能预测精度的方法，包含以下步骤：建立基于钢种牌号的合金补偿模型参数表；获取目标钢种牌号的合金成分、性能预测值和实测值，计算偏差率；计算合金补偿模型参数；计算合金补偿模型修正系数，修正性能预测值。
3、所述合金补偿模型参数表，基于钢种牌号设计，每个钢种牌号都有与之对应的
4、所述目标钢种牌号是需要优化合金补偿参数以提高性能预测精度的钢种牌号，获取的目标钢种牌号的数据条数记作n，n≥50，优选地n≥100。
5、所述偏差率包括屈服强度偏差率、抗拉强度偏差率和延伸率偏差率，分别记为y_ys、y_ts和y_el，
6、y_ys＝{y_ys1，y_ys2，…，y_ysi，…，y_ysn}；
7、y_ts＝{y_ts1，y_ts2，…，y_tsi，…，y_tsn}；
8、y_el＝{y_el1，y_el2，…，y_eli，…，y_eln}；
9、其中，y_ysi、y_tsi和y_eli分别是第i条数据的屈服强度偏差率、抗拉强度偏差率和延伸率偏差率，i∈{1,2，…，n}。
10、
11、
12、
13、其中ys_pi、ts_pi、el_pi、ys_ai、ts_ai和el_ai分别为第i条数据的屈服强度预测值、抗拉强度预测值、延伸率预测值、屈服强度实测值、抗拉强度实测值和延伸率实测值。
14、所述计算合金补偿模型参数包括依次将数据集合c、si、mn、al、cr、ni、cu、v、ti、nb、mo、as、ca、n、p、s、b和als作为数据集合x，分别将数据集合y_ys、y_ts和y_el作为数据集合y，计算x与y的相关系数r，
15、
16、其中，和分别是数据集合x和数据集合y的样本平均值；
17、选取y_ys作为y集合是计算的|r|最大值时，且|r|＞0.4的对应的合金成分数据集合x，数据集合y_ys作为数据集合y进行线性回归，采用最小二乘法计算a1和b1，则：
18、
19、
20、选取y_ts作为y集合是计算的|r|最大值时，且|r|＞0.4的对应的合金成分数据集合x，数据集合y_ts作为数据集合y进行线性回归，采用最小二乘法计算a2和b2，则：
21、
22、
23、选取y_el作为y集合是计算的|r|最大值时，且|r|＞0.4的对应的合金成分数据集合x，数据集合y_el作为数据集合y进行线性回归，采用最小二乘法计算a3和b3，则：
24、
25、
26、其中，和分别是数据集合x和数据集合y的样本平均值。
27、所述合金补偿模型修正系数包括屈服强度修正系数α、抗拉强度修正系数β和延伸率修正系数γ，基于对应钢种牌号的合金补偿模型参数计算，
28、
29、
30、
31、其中：xi为第i项合金成分的质量百分比，i∈{1,2，…，m}，m＝18，xi～x18分别对应合金成分c、si、mn、al、cr、ni、cu、v、ti、nb、mo、as、ca、n、p、s、b和als的质量百分比；
32、fys(xi)＝a1ixi+b1i
33、fts(xi)＝a2ixi+b2i
34、fel(xi)＝a3ixi+b3i
35、其中：
36、a1i是第i项合金成分对应的合金补偿模型参数a1；
37、b1i是第i项合金成分对应的合金补偿模型参数b1；
38、a2i是第i项合金成分对应的合金补偿模型参数a2；
39、b2i是第i项合金成分对应的合金补偿模型参数b2；
40、a3i是第i项合金成分对应的合金补偿模型参数a3；
41、b3i是第i项合金成分对应的合金补偿模型参数b3。
42、所述修正性能预测值方法包括，使用屈服强度修正系数α、抗拉强度修正系数β和延伸率修正系数γ，对模型计算出预测值ysold、tsold和elold进行修正，得到ysnew、tsnew和elnew，
43、ysnew＝α*ysold
44、tsnew＝β*tsold
45、elnew＝γ*elold。
46、本专利技术的有益效果是：通过建立合金成分模型，获取性能预测值与实测值，并计算出偏差比例，确定需要调整合金补偿模型参数的钢种牌号后，计算出合金补偿模型参数，进一步计算合金补偿模型系数，用于性能预测值修正，有效提高了热轧产品性能预测精度。
本文档来自技高网...【技术保护点】
1.一种提高热轧产品性能预测精度的方法，其特征在于包含以下步骤：建立基于钢种牌号的合金补偿模型参数表；获取目标钢种牌号的合金成分、性能预测值和实测值，计算偏差率；计算合金补偿模型参数；计算合金补偿模型修正系数，修正性能预测值。
2.根据权利要求1所述的一种提高热轧产品性能预测精度的方法，其特征在于：所述合金补偿模型参数表，基于钢种牌号设计，每个钢种牌号都有与之对应的合金补偿模型参数表，对应的合金成分包括C(碳)、Si(硅)、Mn(锰)、Al(铝)、Cr(铬)、Ni(镍)、Cu(铜)、V(钒)、Ti(钛)、Nb(铌)、Mo(钼)、As(砷)、Ca(钙)、N(氮)、P(磷)、S(硫)、B(硼)和Als(酸铝)，每项合金成分对应参数a1、b1、a2、b2、a3和b3，初始值设置为0，其中参数a1和b1用于修正屈服强度计算值，a2和b2用于修正抗拉强度计算值，a3和b3用于修正延伸率计算值。
3.根据权利要求1所述的一种提高热轧产品性能预测精度的方法，其特征在于：所述目标钢种牌号是需要优化合金补偿参数以提高性能预测精度的钢种牌号，获取的目标钢种牌号的数据条数记作n
4.根据权利要求1所述的一种提高热轧产品性能预测精度的方法，其特征在于：所述偏差率包括屈服强度偏差率、抗拉强度偏差率和延伸率偏差率，分别记为y_ys、y_ts和y_el，
5.根据权利要求1所述的一种提高热轧产品性能预测精度的方法，其特征在于：所述计算合金补偿模型参数包括依次将数据集合C、Si、Mn、Al、Cr、Ni、Cu、V、Ti、Nb、Mo、As、Ca、N、P、S、B和Als作为数据集合X，分别将数据集合y_ys、y_ts和y_el作为数据集合Y，计算X与Y的相关系数r，
6.据权利要求1所述的一种提高热轧产品性能预测精度的方法，其特征在于：所述合金补偿模型修正系数包括屈服强度修正系数α、抗拉强度修正系数β和延伸率修正系数γ，基于对应钢种牌号的合金补偿模型参数计算，
7.据权利要求1所述的一种提高热轧产品性能预测精度的方法，其特征在于：所述修正性能预测值方法包括，使用屈服强度修正系数α、抗拉强度修正系数β和延伸率修正系数γ，对模型计算出预测值ysold、tsold和elold进行修正，得到ysnew、tsnew和elnew，
...【技术特征摘要】
1.一种提高热轧产品性能预测精度的方法，其特征在于包含以下步骤：建立基于钢种牌号的合金补偿模型参数表；获取目标钢种牌号的合金成分、性能预测值和实测值，计算偏差率；计算合金补偿模型参数；计算合金补偿模型修正系数，修正性能预测值。
2.根据权利要求1所述的一种提高热轧产品性能预测精度的方法，其特征在于：所述合金补偿模型参数表，基于钢种牌号设计，每个钢种牌号都有与之对应的合金补偿模型参数表，对应的合金成分包括c(碳)、si(硅)、mn(锰)、al(铝)、cr(铬)、ni(镍)、cu(铜)、v(钒)、ti(钛)、nb(铌)、mo(钼)、as(砷)、ca(钙)、n(氮)、p(磷)、s(硫)、b(硼)和als(酸铝)，每项合金成分对应参数a1、b1、a2、b2、a3和b3，初始值设置为0，其中参数a1和b1用于修正屈服强度计算值，a2和b2用于修正抗拉强度计算值，a3和b3用于修正延伸率计算值。
3.根据权利要求1所述的一种提高热轧产品性能预测精度的方法，其特征在于：所述目标钢种牌号是需要优化合金补偿参数以提高性能预测精度的钢种牌号，获取的目标钢种牌号的数据条数记作n，n≥50，优...
【专利技术属性】
技术研发人员：秦红波，李晓刚，王映红，师可新，焦连辉，唐伟，刘颖，秦建伟，郑立康，
申请(专利权)人：唐山钢铁集团有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。