CN104573278A - 基于多元线性回归分析的热轧h型钢力学性能预报方法 - Google Patents

Abstract

本发明公开了一种基于多元线性回归分析的热轧H型钢力学性能预报方法，所述方法包括以下步骤：A、建立热轧H型钢的力学性能预报模型；B、在热轧H型钢的生产现场收集钢材的化学成分、工艺参数和轧后力学性能数据，将上述数据作为力学性能预报模型的输入参数；C、基于多元线性回归分析计算出力学性能预报模型；D、基于力学性能预报模型，根据热轧H型钢的化学成分和预定的工艺参数，对轧后H型钢的力学性能进行计算和预测，得到H型钢力学性能的预测值；E、对比H型钢的力学性能的预测值和目标值，判断是否优化热轧工艺参数，以求得到符合生产性能标准的力学性能目标值；F、根据下一批生产钢材，重复上述步骤。

Description

基于多元线性回归分析的热轧H型钢力学性能预报方法

技术领域

本发明涉及热轧H型钢的冶金轧制领域，特别地涉及一种基于多元线性回归分析的热轧H型钢力学性能预报方法。

背景技术

性能预报技术是近年来冶金领域研发的热点和重点，应用该技术可以指导新工艺、新品种的开发，缩短产品开发周期，减少试验次数。我国热轧H型钢产品正处于开发高峰期，市场需求的多样性要求生产企业每年都要开发很多品种，通过研究应用该技术，可以找到影响热轧H型钢性能的关键工序和关键工艺参数，优化生产工艺，提高和稳定热轧H型钢的质量和性能，降低生产成本。

热轧H型钢作为一种经济型结构用钢，近年来在国内得到迅速发展。目前国内H型钢已具备1600万吨以上的产能，产量达到1200多万吨左右，广泛应用于民用住宅、高档的超高层建筑、民航站楼、民航机库、体育场馆、轻钢结构厂房、中型和重型工业厂房、铁路桥梁、铁路车辆、电站建设、石化工程、海洋石油平台等。

但是，与日本、美国等工业发达国家相比，国内热轧H型钢在使用比例、强度级别及耐蚀性能等方面仍有较大发展空间。目前，热轧H型钢占钢结构用钢量的16％左右，而这一数字在日本、美国等地区已达到结50％～60％，按此计算，预计我国在2015年对热轧H型钢的需求量在1300～1400万吨左右，以后还会逐渐增加，远远超过日本、欧洲、美国的500～600万吨年消费水平。

从目前热轧H型钢的强度级别看，国内热轧H型钢仍以Q235级别普碳钢为主，占国内总产量的70％以上，Q345及以上级别钢种所占比例偏小，而更高级别的低合金高强钢所占比例不足5％，而且质量等级不高。发达国家H型钢则以低合金高强度钢为主，日本开发出590MPa级别高强度厚壁H型钢。所以，高强度级别型钢产品(如390MPa、420MPa、460MPa等)在我国具有巨大的市场需求和应用前景。

中国专利CN201210046441.6“一种基于带钢力学性能预报模型的加热炉节能控制方法”的带钢力学性能预报的专利中最终的模型为非线性方程，而本专利是基于多元线性回归分析的方法创建的力学性能预报模型。多元线性回归分析可直接用最小二乘法计算对应系数，对系数做假设检验，排除影响小的变量，再次回归即可；非线性可以考虑对X或Y作变换，如去对数，平方，开方，指数等，尽可能转化为线性回归即可。

当前，性能预报模型技术已经有相关的专利，但是因为热轧H型钢在轧制过程中变形复杂，导致轧后H型钢产品的力学性能预测更加复杂和重要，基于多元线性回归分析方法在有关热轧H型钢的在线力学预报模型还尚属首例。

发明内容

本发明的目的在于，提供一种基于多元线性回归分析的热轧H型钢力学性能预报方法，其基于力学性能模型，在线预测轧后H型钢的力学性能，通过优化生产工艺，实现热轧H型钢生产的节能控制，降低生产成本，还对提高今后开发更高强度和更高质量等级的热轧H型钢产品的一次合格率意义重大。

为达到上述目的，本发明采用的技术方案是：

一种基于多元线性回归分析的热轧H型钢力学性能预报方法，所述方法包括以下步骤：

A、建立热轧H型钢的力学性能预报模型；

B、在热轧H型钢的生产现场收集钢材的化学成分、工艺参数和轧后力学性能数据，将上述数据作为力学性能预报模型的输入参数；

C、利用IBM Statistical Product and Service Solutions软件，采用线性回归分析中的逐步法进行多元线性回归分析计算出力学性能预报模型，并对回归方程进行显著性检验；

D、基于力学性能预报模型，根据热轧H型钢的化学成分和预定的工艺参数，对轧后H型钢的力学性能进行计算和预测，得到H型钢力学性能的预测值；

E、对比H型钢的力学性能的预测值和目标值，判断是否优化热轧工艺参数，以求得到符合生产性能标准的力学性能目标值；

F、根据下一批生产钢材，重复上述步骤。

所述热轧H型钢的力学性能预报模型的表达式如下：

Y_i＝α+β₁X₁+β₂X₂+β₃X₃+…+β_kX_k

式中：

Y_i表示热轧H型钢的力学性能预测值，i＝1、2、3、4分别表示抗拉强度、屈服强度、伸长率和冲击功；α表示预报模型中的常数项系数；β₁、β₂、β₃…β_k表示预报模型因变量的系数；因变量X₁、X₂、X₃…X_k表示钢材的各种化学成分和预定的工艺参数；

根据钢种的设计成分和轧制工艺，以确定因变量的数值；

在所述B步骤中，其所述的化学成分包括碳、硅、锰、磷、硫、钒、钛、铌、铝、砷的含量；工艺参数包括钢水温度、铁水磷含量、钒氮量、大包温度、精炼时间、前期中间包温度、中期中间包温度、后期中间包温度、拉速；力学性能指标包括抗拉强度、屈服强度、伸长率和冲击功。

进一步的，上述的预报方法是利用热轧H型钢的实际生产数据进行统计回归，确定所述力学性能预报模型的全部未知系数，把热轧H型钢的化学成分、工艺参数和力学性能目标值作为力学性能预报模型的输入参数。

具体的，前述热轧H型钢的力学性能预报模型中抗拉强度、屈服强度、伸长率和冲击功四种力学性能的预测的计算式如下：

1.Rm＝345.19+438.79[C]+850.48[V]-1566.73[Ti]+70.21[Mn]+592.16[Nb]+1592.17[S]+474.39[As]；

2.Re＝347.24+531.72[Nb]+888.58[V]-1024.1[Ti]+19.32[Al]-20.40[LS]+26.16[Mn]；

3.δ＝65.56-25.64[C]+0.304[FD]-0.027[ST]-154.11[V]；

4.Akv＝974.82-12673.40[Nb]-3.35[FD]-5750.30[S]-297.88[Mn]；

式中：

Rm表示抗拉强度的预测值(MPa)；

Re表示屈服强度的预测值(MPa)；

δ表示伸长率的预测值；

Akv表示冲击功的预测值(J)(实验条件为零下40℃的低温冲击)；

C为碳元素含量(％)；

Mn为锰元素含量(％)；

Al为铝元素含量(％)；

S为硫元素含量(％)；

As为砷元素含量(％)；

Nb为铌元素含量(％)；

V为钒元素含量(％)；

Ti为钛元素含量(％)；

LS表示拉速；

ST表示钢水温度(℃)；

FD表示钒氮量。

更具体的，其在所述的热轧H型钢力学性能预报模型的是使用条件或适用范围包括化学成分和工艺参数适用范围，其所述的化学成分和工艺参数适用范围如下：

C≤0.20％，Mn≤2％，S≤0.03％,Si≤0.5％，P≤0.03％，Nb≤0.08％

Ti≤0.05％，V≤0.03％，LS≤0.9，ST≤1550℃,FD≤20。

在所述的E步骤中对比所述型钢的力学性能的预测值和目标值时，只要轧后H型钢的实际力学性能大于等于H型钢的力学性能最小值，即认为力学性能合格，反之，则认为力学性能不合格。

在所述的E步骤中，对比所述H型钢的力学性能预测值和目标值时，如果模型预测的力学性能大于钢种力学性能标准要求的下限值并且满足一定的阈值条件，则表示力学性能有下降空间，基于热轧H型钢的力学性能预报模型，在工业生产中调整合金成分和工艺参数，以节约能源和生产成本；

所述抗拉强度阈值、屈服强度阈值、伸长率阈值和冲击功阈值的取值区间分别为3～7MPa、3～9MPa、1～2J和3～5J。

更进一步的，当所述的力学性能预报模型的输入参数全部完备的情况下，根据力学性能预报模型的使用条件或适用范围，对输入参数做进一步检查；其所述力学性能预报模型的使用条件或适用范围，是指在确定模型系数的过程中所使用的热轧H型钢实际生产数据的成分和工艺温度的最大范围，但成分和工艺的最大范围不能超越力学性能预报模型使用条件中的最大适用范围。

其中，在对输入数据进行检查时，将化学成分与工艺参数逐一与适用范围的边界值进行比较判断，只有当输入参数全部满足模型的使用范围时，才能继续下面的步骤。

在于建立热轧H型钢的工业预报模型，在工业生产前，先根据化学成分和预定的工艺参数对轧后H型钢的力学性能进行预报；若力学性能的预报值大于其目标值，则考虑对型钢的生产工艺进行优化；在保证型钢力学性能及不违反工艺要求的前提下，通过调整合金含量和工艺参数，实现单位产品能耗的降低，实现节能降耗的目的。

本发明采用多元线性回归分析的逐步法，模型的创建逐步添加相关性系数符合标准的自变量，这样能保证变量相关性各自独立，保证最终得出的力学性能预报方法中的自变量对相应的力学性能影响显著。

本发明是基于多元线性回归分析的方法创建的力学性能预报模型。多元线性回归分析可直接用最小二乘法计算对应系数，对系数做假设检验，排除影响小的变量，再次回归即可；非线性可以考虑对X或Y作变换，如去对数，平方，开方，指数等，尽可能转化为线性回归即可。

本发明应用性能预报技术，通过对热轧H型钢生产线的工艺数据进行多元线性回归分析，建立力学性能预报模型，预报不同成分及连铸、轧制工艺条件下的H型钢力学性能，借此提高热轧H型钢工艺控制水平。

本发明的区别于其他预报模型之处在于，由于回归分析简单、易操作，在钢筋、带肋钢、低合金结构钢等钢种上得到较广应用。对钢材的化学成分和力学性能进行研究，具有较高的准确性，能够真实准确地反应变量之间的关系。尤其是热轧H型钢钢坯变形复杂，在现有工艺装备和品种结构条件下，可采用多元线性回归分析的方法对热轧H型钢的力学性能进行分析预报，以利于稳定现有热轧H型钢产品和开发更高级别的热轧H型钢产品。

综上所述，该种基于多元线性回归分析的热轧H型钢力学性能的工业预报模型，在进行生产前，先根据化学成分和预定的工艺参数对轧后H型钢的力学性能进行预报；若力学性能的预报值大于其目标值，则考虑对热轧H型钢的工艺参数和成分设计进行优化；在保证热轧H型钢力学性能及不违反工艺要求的前提下，通过调整合金含量和工艺参数，实现单位产品能耗的降低，实现节能降耗的目的。

与现有技术比较，本发明的优点是：

1.根据生产过程的实际情况，结合现有设备的特点，建立和执行热轧H型钢力学性能的工业预报模型，针对具体的生产钢种与力学性能，对热轧H型钢的生产工艺进行优化控制；

2.根据该种基于多元线性回归分析的热轧H型钢力学性能预报方法，对提高今后开发高强度和高质量等级的热轧H型钢产品的一次合格率意义重大，可以避免传统钢材开发试错法的资源浪费，节能效果明显；

3.充分利用现有设备的能力，且技术覆盖钢种范围广，可以应用于各种热轧H型钢产线。

本发明的方法覆盖钢种范围广，可以应用于各种H型钢热轧产线，而且由于该技术方案不需要投入大量的软硬件，只需在现有的过程控制计算机网络上，增加模型服务器即可实施本发明所涉及的技术。因此，本发明技术方案具有非常广阔的应用前景。

附图说明

图1是本发明的热轧H型钢力学性能预报方法的流程示意图。

具体实施方式

下面以附图和具体实施方式对本发明作进一步详细的说明。

图1中，给出了本发明技术方案的关键步骤：

1.收集热轧H型钢的化学成分、工艺参数的数据；

2.采用多元线性回归分析方法得出热轧H型钢的力学性能预报模型

3.基于力学性能预报模型对热轧H型钢的性能进行预测；

4.判断出成分设计和工艺参数是否可优化？

5.如否，则按照原轧制工艺参数进行生产，否则进行下一步；

6.基于力学性能预报模型，调整热轧H型钢的化学成分和工艺参数；

7.设定新的热轧H型钢生产参数。

本发明提出的技术方案为：根据现有大量的热轧H型钢生产数据，采用多元线性回归分析的方法建立热轧H型钢力学性能的工业预报模型，在后续的热轧H型钢的生产中可以根据钢材的化学成分和预定的工艺参数对轧后H型钢的力学性能进行预报。

若力学性能的预报值大于其目标值，则考虑对热轧H型钢的生产工艺参数进行优化；在保证热轧H型钢力学性能及不违反其它约束的前提下，通过调整合金成分和热轧工艺参数等，实现节能降耗，提高热轧H型钢产品性能稳定性的目的。

在本技术方案中，采用机理和统计相结合的方式建立热轧H型钢的力学性能预报模型。

由冶金机理可知，轧制后的H型钢力学性能决定于其内部的微观组织分布，而后者又决定于热轧H型钢的化学成分和生产工艺。

本发明提供的热轧H型钢力学性能预测表达式如下：

1.Rm＝345.19+438.79[C]+850.48[V]-1566.73[Ti]+70.21[Mn]+592.16[Nb]+1592.17[S]+474.39[As]；

2.Re＝347.24+531.72[Nb]+888.58[V]-1024.1[Ti]+19.32[Al]-20.40[LS]+26.16[Mn]；

3.δ＝65.56-25.64[C]+0.304[FD]-0.027[ST]-154.11[V]；

4.Akv＝974.82-12673.40[Nb]-3.35[FD]-5750.30[S]-297.88[Mn]；

式中：

Rm表示抗拉强度的预测值(MPa)；

Re表示屈服强度的预测值(MPa)；

δ表示伸长率的预测值；

Akv表示冲击功的预测值(J)(实验条件为零下40℃的低温冲击)；

C为碳元素含量(％)；

Mn为锰元素含量(％)；

Al为铝元素含量(％)；

S为硫元素含量(％)；

As为砷元素含量(％)；

Nb为铌元素含量(％)；

V为钒元素含量(％)；

Ti为钛元素含量(％)；

LS表示拉速；

ST表示钢水温度(℃)；

FD表示钒氮量。

使用此热轧H型钢力学性能预报模型的使用算例如下：

根据钢铁企业生产的Q345E热轧H型钢产品的化学成分和工艺预判定生产工艺是否生产出符合国家标准的产品。

此钢种的化学成分和预定工艺参数为：

表1化学成分

编号	C	Si	Mn	P	S	Nb	V	Ti	As	Al
											1	0.08	0.27	1.35	0.019	0.004	0.028	0.030	0.022	0.005	0.008
2	0.10	0.26	1.50	0.016	0.003	0.025	0.003	0.010	0.005	0.006
											3	0.10	0.25	1.47	0.012	0.006	0.024	0.003	0.020	0.007	0.026

4	0.06	0.24	1.49	0.013	0.012	0.025	0.003	0.023	0.010	0.019
											5	0.09	0.26	1.46	0.013	0.008	0.026	0.005	0.016	0.013	0.147
6	0.09	0.31	1.49	0.017	0.006	0.025	0.005	0.013	0.013	0.512
											7	0.08	0.27	1.47	0.017	0.006	0.026	0.005	0.018	0.012	0.425
8	0.07	0.26	1.45	0.014	0.007	0.025	0.005	0.010	0.011	0.232
											9	0.08	0.26	1.40	0.008	0.009	0.025	0.005	0.025	0.009	0.517
10	0.08	0.26	1.41	0.013	0.005	0.025	0.005	0.023	0.009	0.485

表2部分生产工艺参数

编号	拉速	铁水温度	钒氮量
				1	0.73	1241	15
2	0.73	1294	0
				3	0.74	1239	0
4	0.76	1228	0
				5	0.76	1245	0
6	0.74	1240	0
				7	0.73	1245	0
8	0.74	1253	0
				9	0.80	1250	0
10	0.76	1250	0

表3力学性能预报模型预报的力学性能数据与实测值

按国家新标准GB/T 1591-2008实施力学性能如下：

表4 Q345E力学性能国家标准

由上面的计算数据可知表中的生产方案能达到热轧H型钢的国家标准力学性能指标，通过对比力学性能预报值与生产后实验测得的力学性能参数，可以进一步验证模型的准确性。

综上所述，本发明的技术方案根据热轧H型钢的化学成分、工艺参数和力学性能目标值，通过建立热轧H型钢的力学性能预报模型，对轧后H型钢的力学性能进行计算和预测，基于力学性能预报模型，来开发新的热轧H型钢产品或者优化热轧H型钢的工艺参数，进而达到提高产品设计合格率和节能降耗的目的。

使用本发明的技术方案可以再保证热轧H型钢产品力学性能的前提下经济合理地调整合金含量和生产工艺参数。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应该理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种基于多元线性回归分析的热轧H型钢力学性能预报方法，所述方法包括以下步骤：

A、建立热轧H型钢的力学性能预报模型；

B、在热轧H型钢的生产现场收集钢材的化学成分、工艺参数和轧后力学性能数据，将上述数据作为力学性能预报模型的输入参数；

C、利用IBM Statistical Product and Service Solutions软件，采用线性回归分析中的逐步法进行多元线性回归分析计算出力学性能预报模型，并对回归方程进行显著性检验；

D、基于力学性能预报模型，根据热轧H型钢的化学成分和预定的工艺参数，对轧后H型钢的力学性能进行计算和预测，得到H型钢力学性能的预测值；

E、对比H型钢的力学性能的预测值和目标值，判断是否优化热轧工艺参数，以求得到符合生产性能标准的力学性能目标值；

F、根据下一批生产钢材，重复上述步骤；

所述热轧H型钢的力学性能预报模型的表达式如下：

Y_i＝α+β₁X₁+β₂X₂+β₃X₃+…+β_kX_k

式中：

Y_i表示热轧H型钢的力学性能预测值，i＝1、2、3、4分别表示抗拉强度、屈服强度、伸长率和冲击功；α表示预报模型中的常数项系数；β₁、β₂、β₃…β_k表示预报模型因变量的系数；因变量X₁、X₂、X₃…X_k表示钢材的各种化学成分和预定的工艺参数；

根据钢种的设计成分和轧制工艺，确定因变量的数值；

利用热轧H型钢的实际生产数据进行统计回归，把热轧H型钢的化学成分、工艺参数和实际测试得到的力学性能数值作为预报模型的输入参数，确定所述的力学性能预报模型的全部未知系数。

2.根据权利要求1所述的基于多元线性回归分析的热轧H型钢力学性能预报方法，其特征在于，在所述B步骤中，其所述的化学成分包括碳、硅、锰、磷、硫、钒、钛、铌、铝、砷的含量；工艺参数包括钢水温度、铁水磷含量、钒氮量、大包温度、精炼时间、前期中间包温度、中期中间包温度、后期中间包温度、拉速。

3.根据权利要求1所述的基于多元线性回归分析的热轧H型钢力学性能预报方法，其特征在于，所述的热轧H型钢力学性能预报模型中化学成分和工艺参数适用范围如下：

C≤0.20％，Mn≤2％，S≤0.03％,Si≤0.5％，P≤0.03％，Nb≤0.08％，Ti≤0.05％，V≤0.03％，LS≤0.9，ST≤1550℃，FD≤20。

4.根据权利要求1所述的基于多元线性回归分析的热轧H型钢力学性能预报方法，其特征在于，所述热轧H型钢的力学性能预报模型中抗拉强度预测值的计算式为：

Rm＝345.19+438.79[C]+850.48[V]-1566.73[Ti]+70.21[Mn]+592.16[Nb]+1592.17[S]+474.39[As]；

式中：Rm表示抗拉强度的预测值(MPa)；C为碳元素含量(％)；Mn为锰元素含量(％)；S为硫元素含量(％)；As为砷元素含量(％)；Nb为铌元素含量(％)；V为钒元素含量(％)；Ti为钛元素含量(％)。

5.根据权利要求1所述的基于多元线性回归分析的热轧H型钢力学性能预报方法，其特征在于，所述热轧H型钢的力学性能预报模型中屈服强度预测值的计算式为：

Re＝347.24+531.72[Nb]+888.58[V]-1024.1[Ti]+19.32[Al]-20.40[LS]+26.16[Mn]；

式中：Re表示屈服强度的预测值(MPa)；Nb为铌元素含量(％)；V为钒元素含量(％)；Ti为钛元素含量(％)；Mn为锰元素含量(％)；Al为铝元素含量(％)；LS表示拉速。

6.根据权利要求1所述的基于多元线性回归分析的热轧H型钢力学性能预报方法，其特征在于：所述热轧H型钢的力学性能预报模型中伸长率预测值的计算式为：

δ＝65.56-25.64[C]+0.304[FD]-0.027[ST]-154.11[V]；

式中：δ表示伸长率的预测值；C为碳元素含量(％)；V为钒元素含量(％)；ST表示钢水温度(℃)；FD表示钒氮量。

7.根据权利要求1所述的基于多元线性回归分析的热轧H型钢力学性能预报方法，其特征在于：所述热轧H型钢的力学性能预报模型中冲击功预测值的计算式为：

Akv＝974.82-12673.40[Nb]-3.35[FD]-5750.30[S]-297.88[Mn]；

式中：Akv表示冲击功的预测值(J)，实验条件为零下40℃的低温冲击；Nb为铌元素含量(％)；FD表示钒氮量；S为硫元素含量(％)；Mn为锰元素含量(％)。

8.根据权利要求1所述的基于多元线性回归分析的热轧H型钢力学性能预报方法，其特征在于，在所述的E步骤中对比所述型钢的力学性能的预测值和目标值时，只要轧后H型钢的实际力学性能大于等于H型钢的力学性能最小值，即认为力学性能合格，反之，则认为力学性能不合格。

9.根据权利要求1所述的基于多元线性回归分析的热轧H型钢力学性能预报方法，其特征在于，在所述的E步骤中，对比所述H型钢的力学性能预测值和目标值时，如果模型预测的力学性能大于钢种力学性能标准要求的下限值并且满足一定的阈值条件，则表示力学性能有下降空间，基于热轧H型钢的力学性能预报模型，在工业生产中调整合金成分和工艺参数，以节约能源和生产成本；

所述抗拉强度阈值、屈服强度阈值、伸长率阈值和冲击功阈值的取值区间分别为3～7MPa、3～9MPa、1～2J和3～5J。