一种热轧钢材高温氧化速率的预测方法技术

本发明专利技术公开了一种热轧钢材高温氧化速率的预测方法，该技术属于轧钢领域。利用高温同步分析仪TGA，通过高温氧化实验确定不同钢种在不同氧化温度下的氧化速率，建立钢种的基础氧化数据集，该数据集中包含各钢种的化学成分、氧化温度与氧化速率。采用多次留出法将数据集划分为训练集和预测集。利用BP神经网络，在训练数据集的基础上建立钢种成分

【技术实现步骤摘要】
一种热轧钢材高温氧化速率的预测方法


[0001]本专利技术涉及轧钢
，尤其是涉及一种热轧钢材高温氧化速率的预测方法。

技术介绍

[0002]近年来，在技术引进与技术创新的驱动下，我国钢铁工业生产技术取得了飞速发展，钢铁产品的生产技术和性能上均不断取得新的突破，具体体现为钢铁企业的技术装备已达到较高水平，产品质量得到较大提升，品种结构更加合理。但由于我国钢铁企业一直注重热轧产品的性能与板型控制，对热轧产品表面质量长期缺乏关注，因此，热轧产品表面质量逐渐成为我国热轧产品的短板，甚至严重阻碍了热轧产品档次和市场竞争力的提升。
[0003]氧化铁皮的厚度直接影响了热轧带钢的表面质量。如中国专利公开号为CN201910080963.X给出了一种抗拉强度为750MPa免酸洗高强钢氧化铁皮控制方法，通过调整轧制工艺参数，减小氧化铁皮厚度，降低了氧化铁皮掉粉量。中国专利公开号为CN201210173143.3给出了一种薄板坯连铸连轧易酸洗热轧带钢的制备方法，通过控制精轧过程各机架间冷却水开启制度与层流冷却制度，减小氧化铁皮厚度，从而实现了薄板坯连铸连轧易酸洗热轧带钢的生产。中国专利公开号CN201610567648.6给出了一种消除中厚板花斑缺陷的控制方法，该技术通过控制加热制度，除鳞制度，温度制度，减小氧化铁皮厚度，提高了氧化铁皮与界面平直度，有效抑制了花斑缺陷发生率。以上专利都指出，通过经验试错法减薄氧化铁皮厚度是实现高表面质量热轧钢材生产的重要途径。
[0004]由于热轧过程中氧化铁皮厚度由氧化速率决定，因此预测氧化速率，在此基础上对氧化铁皮厚度进行预测，可以减少以上专利中经验试错法的时间成本，从而提供更加高效便捷的氧化铁皮厚度控制方法。

技术实现思路

[0005]本专利技术的目的是提供一种热轧钢材高温氧化速率的预测方法，通过建立钢种化学成分
‑
氧化温度
‑
氧化速率之间的BP神经网络模型，精确预测特定钢种不同轧制温度下的氧化速率，为高效便捷地实现氧化铁皮减薄以及高表面质量热轧产品生产提供指导。
[0006]为实现上述目的，本专利技术包含以下步骤：
[0007]步骤S1.建立多种钢种多个温度下的高温氧化基础数据库；
[0008]步骤S2.将数据集按照8:2的划分比例，将数据集划分为训练集和预测集；
[0009]步骤S3.根据步骤S2的训练集，建立钢种化学成分
‑
氧化温度
‑
氧化速率的BP神经网络模型；
[0010]步骤S4.利用预测集，对BP的计算精度进行验证，并选择最佳的神经网络模型。
[0011]优选的，所述步骤S1中的钢种为IF钢、低碳微合金钢、C
‑
Mn钢、高碳钢、Fe
‑
Cr合金以及Fe
‑
Si合金中的一种，每一种钢种的化学成分均按重量百分比为0.002％～0.810％的C，0.01％～2.2％的Si，0.08％～2.21％的Mn，0～0.04％的Al，0～1.5％的Cr，其余为Fe和冶炼时的杂质。
[0012]优选的，所述步骤S1中的高温氧化基础数据库包含以下步骤：
[0013]步骤1.1、通过改变各元素的比例，得到多种强度级别的钢种，之后按照元素配比进行熔炼，得到多种成分的铸锭；
[0014]步骤1.2、将铸锭加热至1200℃，并保温1小时，之后进行热轧，轧件冷却至室温后从轧件表面取样；
[0015]步骤1.3、利用高温同步热分析仪，通过高温氧化实验，获得多种温度的氧化增重
‑
时间曲线，等温氧化温度设定为500～1300℃，温度间隔为50℃，等温时间设定为120min；
[0016]步骤1.4、根据氧化增重
‑
时间曲线，利用式(1)所示的氧化动力学模型对氧化温度T下的氧化速率k
P
(T)进行拟合，式(1)如下：
[0017]W2＝k
P
(T)t(1)
[0018]式中，W为氧化增重，t为氧化时间，k
P
(T)为氧化温度T下的氧化速率，R为气体常数；
[0019]步骤1.5、对多种成分体系的钢种，重复步骤1.1和步骤1.4，获得多种成分体系钢种多种温度范围的氧化速率；
[0020]步骤1.6、整理步骤1.4获得的实验结果，建立高温氧化基础数据库。
[0021]优选的，所述步骤S3中的BP神经网络模型具体包括以下步骤：
[0022]步骤3.1、将输入特征与输出特征进行归一化处理，缩小各输入特征之间数量级的差距；
[0023]步骤3.2、BP神经网络包含输入层、隐藏层和输出层，其基本单位为神经元，每个神经元输入x与输出y之间的关系是：
[0024]y＝f(w*x+b)(2)
[0025]其中，f为激活函数，w为权重，b为阈值；
[0026]步骤3.3、将BP网络计算的氧化速率与实验实测的氧化速率之间的损失函数J定义为，
[0027][0028]式中，n是训练集大小，E
i
是第i条数据氧化速率实测值，P
i
是第i条数据氧化速率预测；
[0029]步骤3.4、将BP神经网络的输入层神经元数量设定为6个，输出层神经元数量设定为1个，中间层神经元数量设定为12个；
[0030]步骤3.5、利用Levenberg
‑
Marquardt算法，对权值w和阈值b进行优化，获得最佳的权值和阈值组，在神经网络训练过程中，将学习率设定为0.001，将Dropout设定为0.2，并采用早停策略进行训练。
[0031]优选的，所述步骤S3中的氧化温度范围为500～1300℃。
[0032]优选的，所述步骤S3中的氧化速率范围为0.003～287mg/cm2/min。
[0033]优选的，输入层与中间层之间的激活函数选用Sigmoid函数，中间层与输出层之间的激活函数选用Relu函数。
[0034]因此，本专利技术提供的一种热轧钢材高温氧化速率的预测方法，所建立的BP神经网络模型可以快速计算得到不同氧化温度下的氧化速率，进而计算出轧制过程中氧化铁皮厚
度。此外，通过计算结果，可以比较不同工艺条件下氧化铁皮结构，从而得到最优工艺，得到与“经验
‑
试错”法同样的结果，且与之相比，该方法极大地缩短了工艺开发时间，节约了产品开发成本，提高了新产品研发效率。
[0035]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0036]图1是一种热轧钢材高温氧化速率的预测方法选择的IF钢的高温氧化动力学曲线；
[0037]图2是一种热轧钢材高温氧化速率的预测方法选择的IF钢在700℃和800℃下的氧化速率拟合结果；
[0038]图3是一种热轧钢材高温氧化速率的预测方法选择的IF钢在900℃和1000℃本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种热轧钢材高温氧化速率的预测方法，其特征在于,包括以下步骤：步骤S1.建立多种钢种多个温度下的高温氧化基础数据库；步骤S2.将数据集按照8:2的划分比例，将数据集划分为训练集和预测集；步骤S3.根据步骤S2的训练集，建立钢种化学成分
‑
氧化温度
‑
氧化速率的BP神经网络模型；步骤S4.利用预测集，对BP的计算精度进行验证，并选择最佳的神经网络模型。2.根据权利要求1所述的一种热轧钢材高温氧化速率的预测方法，其特征在于：所述步骤S1中的钢种为IF钢、低碳微合金钢、C
‑
Mn钢、高碳钢、Fe
‑
Cr合金以及Fe
‑
Si合金中的一种，每一种钢种的化学成分均按重量百分比为0.002％～0.810％的C，0.01％～2.2％的Si，0.08％～2.21％的Mn，0～0.04％的Al，0～1.5％的Cr，其余为Fe和冶炼时的杂质。3.根据权利要求1所述的一种热轧钢材高温氧化速率的预测方法，其特征在于，所述步骤S1中的高温氧化基础数据库包含以下步骤：步骤1.1、通过改变各元素的比例，得到多种强度级别的钢种，之后按照元素配比进行熔炼，得到多种成分的铸锭；步骤1.2、将铸锭加热至1200℃，并保温1小时，之后进行热轧，轧件冷却至室温后从轧件表面取样；步骤1.3、利用高温同步热分析仪，通过高温氧化实验，获得多种温度的氧化增重
‑
时间曲线，等温氧化温度设定为500～1300℃，温度间隔为50℃，等温时间设定为120min；步骤1.4、根据氧化增重
‑
时间曲线，利用式(1)所示的氧化动力学模型对氧化温度T下的氧化速率k
P
(T)进行拟合，式(1)如下：W2＝k
P
(T)t(1)式中，W为氧化增重，t为氧化时间，k

【专利技术属性】
技术研发人员：曹光明，崔春圆，王皓，李思琳，赵文聪，刘振宇，
申请(专利权)人：东北大学，
类型：发明
国别省市：