预测全流程热轧带钢力学性能的机理协同预报方法及系统技术方案

本发明专利技术公开了一种预测全流程热轧带钢力学性能的机理协同预报方法及系统，属于冶金生产技术领域，包括：S1、实时获取全工况的工艺参数，在线预报各机架的晶粒尺寸和相变化，同时进行神经网络的大数据训练；S2、基于实际工况和样本数据集的对比，利用轧制机理模型校对轧制力、轧制速度、应变速率、轧制温度与变形抗力的对应关系，提高力学性能的预报值；S3、以轧制力学性能预报值作为初始条件，再根据轧后冷却条件，进行轧后冷却段的力学性能预报；S4、结合现场实测数据的大数据智能训练和机理模型的实时预报，对全流程的轧制参数、冷却参数及对应的力学性能进行识别聚类。本发明专利技术能够进行控轧控冷全过程的力学性能机理智能协同预报。轧控冷全过程的力学性能机理智能协同预报。轧控冷全过程的力学性能机理智能协同预报。

【技术实现步骤摘要】
预测全流程热轧带钢力学性能的机理协同预报方法及系统


[0001]本专利技术属于冶金生产
，具体涉及一种预测全流程热轧带钢力学性能的机理协同预报方法及系统。

技术介绍

[0002]力学性能是热轧带钢的关键技术指标之一，取决于精轧变形状态及轧后冷却组织变化，因此对其进行在线预报是提高热轧生产效率及其最终产品质量的核心技术。在以往生产过程中，通常采用离线检测应力应变或硬度、延伸率的方式获得热轧带钢的力学性能，然而反馈至生产线，进行后续轧制工艺的进一步优化调整。然而，这种传统检测方式效率低、精度差，无法准确预测轧制过程中各机架带钢的性能变化，属于一种间接式人工反馈的调控方式，这会导致轧制过程更多地依赖操作经验。尽管经过长期的工艺摸索，可以生产出符合质量要求的高品质带钢，但是对于产线的自动化调整或高效精细化控制，在线预测力学性能势在必行。基于上述目的，有必要围绕轧制工艺和轧后冷却制度，结合形变机理模型和大数据神经网络智能模型，进行全流程的热轧带钢力学性能预报，从而提升热轧产线的控轧控冷精度和生产效率。

技术实现思路

[0003]本专利技术为解决公知技术中存在的技术问题，提供一种预测全流程热轧带钢力学性能的机理协同预报方法及系统，旨在同步考虑精轧段的组织形变过程和轧后冷却段的温降过程，进行控轧控冷全过程的力学性能机理智能协同预报，既为轧制模型提供高精度的变形抗力，也为轧后冷却的力学性能提供在线预测模型，从而实现热轧带钢全流程的精细控制。
[0004]本专利技术的第一目的是提供一种预测全流程热轧带钢力学性能的机理协同预报方法，包括：
[0005]S1、实时获取全工况的工艺参数，在线预报各机架的晶粒尺寸和相变化，同时进行神经网络的大数据训练；
[0006]S2、基于实际工况和样本数据集的对比，利用轧制机理模型校对轧制力、轧制速度、应变速率、轧制温度与变形抗力的对应关系，提高力学性能的预报值；
[0007]S3、以轧制力学性能预报值作为初始条件，再根据轧后冷却条件，进行轧后冷却段的力学性能预报，实时观察控冷过程中的组织性能变化，实现热轧带钢终冷后的力学性能在线预报；
[0008]S4、结合现场实测数据的大数据智能训练结果和机理模型的高精度在线预报，对全流程的轧制参数、冷却参数及对应的力学性能进行实时的识别聚类，同时形成标准样本数据，以满足后续的高精度在线预报要求。
[0009]优选地，S1包括：
[0010]S101、实时采集当前工况参数，根据带钢成分、轧制力、轧制速度、轧制温度、应变
速率，对比样本数据，预报晶粒尺寸和相变化；
[0011]S102、根据晶粒尺寸和相变化的预报值，在线计算瞬态的力学性能变化，从而获得逐机架带钢力学性能对应的变形抗力；
[0012]S103、进行当前数据的神经网络模型训练，形成样本数据集。
[0013]优选地，S2包括：
[0014]S201、利用神经网络的聚类训练数据，获得对应工况的轧制参数与变形抗力的对应关系，为机理模型提供准确的边界条件和初始条件；
[0015]S202、基于神经网络训练后的实测数据，利用轧制机理模型进行变形抗力的高精度在线预报，通过迭代获得符合实际情况的变形抗力预报值。
[0016]优选地，S3包括：
[0017]S301、实时跟踪轧制工艺参数和力学性能预报值；
[0018]S301、根据实测冷却速率、冷却时间和冷却水量，在线计算换热系数和瞬态温度；
[0019]S301、基于上述参数，快速进行组织性能预报，获得全流程的力学性能变化规律。
[0020]优选地，所述全工况的工艺参数包括：
[0021]原始化学成分在钢坯的冶炼部分进行数据采集，包括钢中C、Si、P、S成分的含量数据；
[0022]热轧带钢生产工艺参数包括：钢坯加热炉出炉温度，粗轧机入口温度、出口温度、各道次压下量、轧制速度、出口厚度，精轧机入口温度、出口温度、道次轧制速度、压下量、出口厚度，卷取温度、速度、厚度等；
[0023]结合成品分析得到的晶粒尺寸和变形抗力参数形成样本数据集。
[0024]优选地，对样本数据集中的数据进行筛选，去除由于测量问题而产生的测量误差、由于生产问题而引起的异常数据；筛选包括：对各类参数设定波动范围，并将超出波动范围的数据整体去除。
[0025]优选地，所述轧制机理模型包括：再结晶模型和流变应力模型，用于进行热轧带钢微观变化的计算，并以晶粒尺寸、再结晶率和流变应力参数作为力学性能预报的输入条件进行力学性能预报；各轧制阶段包括：加热炉出炉阶段、粗轧各道次、精轧各道次和层冷阶段。
[0026]本专利技术的第二目的是提供一种预测全流程热轧带钢力学性能的机理协同预报系统，包括：
[0027]训练模块：实时获取全工况的工艺参数，在线预报各机架的晶粒尺寸和相变化，同时进行神经网络的大数据训练；
[0028]关系建立模块：基于实际工况和样本数据集的对比，利用轧制机理模型校对轧制力、轧制速度、应变速率、轧制温度与变形抗力的对应关系，提高力学性能的预报值；
[0029]分析模块：以轧制力学性能预报值作为初始条件，再根据轧后冷却条件，进行轧后冷却段的力学性能预报，实时观察控冷过程中的组织性能变化，实现热轧带钢终冷后的力学性能在线预报；
[0030]标准样本生成模块：结合现场实测数据的大数据智能训练和机理模型的实时预报，对全流程的轧制参数、冷却参数及对应的力学性能进行识别聚类，形成标准样本数据，满足后续在线预报要求。
[0031]本专利技术的第三目的是提供一种信息数据处理终端，用于实现上述预测全流程热轧带钢力学性能的机理协同预报方法。
[0032]本专利技术的第四目的是提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述预测全流程热轧带钢力学性能的机理协同预报方法。
[0033]本专利技术具有的优点和积极效果是：
[0034]本专利技术利用机理模型实时预报晶粒尺寸及相变化，同时利用智能算法进行大数据训练工艺参数与组织变化的对应关系，从而获得满足生产实际需要的在线力学性能预报值，使其更好地吻合实际值。在此基础上，构建全机架机理协同的实时预报系统，使其能够进行热轧带钢力学性能的全程跟踪和控制，实时反馈给轧机系统，有助于提高轧制力的预报精度、轧制工艺的在线优化以及轧后带钢力学性能的精确控制。因此，全流程热轧带钢力学性能的协同预报方法对于提升轧制效率、冷却效率以及带钢产品性能，是非常有益的。
[0035]本专利技术考虑产线全流程的连续性特征，各工序段参数相互耦合并实时继承，利用神经网络进行大数据训练，同时利用理论机理模型进行力学性能的协同预报；这种协同模式既可以利用神经网络的最优拓扑结构进行聚类分析，提高复杂参数的样本训练，又可以利用机理模型准确预报当前生产工况的晶粒尺寸及相变化情况，从而满足产线全流程的力学性能实时预报，为轧制工艺、冷却工艺提供调控目标，有助于实现力学性能的闭本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测全流程热轧带钢力学性能的机理协同预报方法，其特征在于，包括：S1、实时获取全工况的工艺参数，在线预报各机架的晶粒尺寸和相变化，同时进行神经网络的大数据训练；S2、基于实际工况和样本数据集的对比，利用轧制机理模型校对轧制力、轧制速度、应变速率、轧制温度与变形抗力的对应关系，提高力学性能的预报值；S3、以轧制力学性能预报值作为初始条件，再根据轧后冷却条件，进行轧后冷却段的力学性能预报，实时观察控冷过程中的组织性能变化，实现热轧带钢终冷后的力学性能在线预报；S4、结合现场实测数据的大数据智能训练结果和机理模型的在线预报，对全流程的轧制参数、冷却参数及对应的力学性能进行实时的识别聚类，同时形成标准样本数据，以满足后续在线预报要求。2.根据权利要求1所述的预测全流程热轧带钢力学性能的机理协同预报方法，其特征在于，S1包括：S101、实时采集当前工况参数，根据带钢成分、轧制力、轧制速度、轧制温度、应变速率，对比样本数据，预报晶粒尺寸和相变化；S102、根据晶粒尺寸和相变化的预报值，在线计算瞬态的力学性能变化，从而获得逐机架带钢力学性能对应的变形抗力；S103、进行当前数据的神经网络模型训练，形成样本数据集。3.根据权利要求1所述的预测全流程热轧带钢力学性能的机理协同预报方法，其特征在于，S2包括：S201、利用神经网络的聚类训练数据，获得对应工况的轧制参数与变形抗力的对应关系，为机理模型提供边界条件和初始条件；S202、基于神经网络训练后的实测数据，利用轧制机理模型进行变形抗力的在线预报，通过迭代获得符合实际情况的变形抗力预报值。4.根据权利要求1所述的预测全流程热轧带钢力学性能的机理协同预报方法，其特征在于，S3包括：S301、实时跟踪轧制工艺参数和力学性能预报值；S301、根据实测冷却速率、冷却时间和冷却水量，在线计算换热系数和瞬态温度；S301、基于上述参数，快速进行组织性能预报，获得全流程的力学性能变化规律。5.根据...

【专利技术属性】
技术研发人员：徐兆国，邢振军，王海超，李艳格，冯朵，
申请(专利权)人：天铁热轧板有限公司，
类型：发明
国别省市：