基于人工神经网络的CSP热轧深冲板力学性能预报

论文摘要

薄板坯连铸连轧(CSP)是近年来兴起的一项新型轧制技术。而通过CSP生产热轧深冲板则是当今冶金行业的一个热门课题。随着生产工艺的不断进步,对钢材的质量要求也越来越高,尤其是对钢材的力学性能要求要波动小而稳定。如何更好的在轧制过程中较好的预报和控制钢材的力学性能,优化钢材的质量已成冶金技术人员亟待解决的课题。本文针对邯钢CSP生产线生产的SPHC热轧深冲板化学成分和工艺对力学性能的预报进行研究。以现场实测数据为依据,应用BP神经网络来训练测得的数据,分别建立了不同规格的相同轧制工艺条件下化学成分对力学性能预报模型,以及在此前模型基础上建立了完整的成分和工艺对力学性能的预报模型。通过现场数据检验,模型平均误差均不超过±5%,只有极个别超过±10%,说明模型精度较高。随后对所建立的各模型的各影响因素进行仿真,得到各因素对各项力学性能的影响关系曲线,为现场轧制工艺的制定提供了理论依据,具有指导意义。通过MATLAB软件的神经网络工具箱提供的图形用户界面GUI,对力学性能预报模型进行与计算机的交互操作设计和仿真神经网络,使得神经网络模型的设计和仿真变得简单易学。

论文目录

• 摘要
• ABSTRACT
• 第一章 文献综述
• 1.1 热轧深冲板课题来源及研究意义
• 1.1.1 课题来源
• 1.1.2 研究意义
• 1.2 国内外研究现状分析
• 1.2.1 国外热轧酸洗深冲板的研究开发现状
• 1.2.2 国内酸洗深冲板的研究开发现状
• 1.2.3 人工神经网络在轧制领域的研究现状
• 1.3 力学性能各项技术指标
• 1.4 控制轧制控制冷却工艺在微合金钢生产上的应用
• 1.5 合金元素的作用
• 第二章 人工神经网络简介
• 2.1 人工神经网络的发展
• 2.2 人工神经网络的基本特征和通用性质
• 2.3 人工神经网络的类型
• 2.4 人工神经网络的学习与训练
• 2.5 神经网络的主要模型
• 2.6 BP 神经网络
• 2.6.1 BP 神经网络的模型结构
• 2.6.2 BP 神经网络的学习
• 2.6.3 BP 神经网络算法描述
• 第三章 基于GUI 的神经网络设计与分析
• 3.1 神经网络设计GUI 的基本功能
• 3.2 基于GUI 的神经网络设计与分析的基本应用
• 第四章 SPHC 力学性能预报及仿真分析
• 4.1 邯钢CSP 生产线简介
• 4.2 现场实验数据的采集与整理
• 4.2.1 样本数据的采集
• 4.2.2 影响带钢力学性能因素分析
• 4.2.3 样本数据的整理
• 4.3 模型参数的选择
• 4.4 化学成分与产品力学性能神经网络模型的建立和分析
• 4.4.1 1.8mm 规格神经网络模型的建立
• 4.4.2 其他规格的模型性能的比较
• 4.4.3 化学成分对成品力学性能的影响分析
• 4.5 化学成分和轧制工艺与产品力学性能模型的建立和分析
• 4.5.1 神经网络模型的建立
• 4.5.2 网络模型训练分析
• 4.5.3 轧制工艺参数对力学性能的影响分析
• 4.6 CSP 热连轧生产线实现带钢力学性能预报的探讨
• 第五章 结论
• 参考文献
• 致谢
• 附表