CN111008477B - 一种基于冷轧镀锌带钢力学性能调整工艺参数的方法 - Google Patents
一种基于冷轧镀锌带钢力学性能调整工艺参数的方法 Download PDFInfo
- Publication number
- CN111008477B CN111008477B CN201911243425.4A CN201911243425A CN111008477B CN 111008477 B CN111008477 B CN 111008477B CN 201911243425 A CN201911243425 A CN 201911243425A CN 111008477 B CN111008477 B CN 111008477B
- Authority
- CN
- China
- Prior art keywords
- strip steel
- cold
- data
- rolled
- mechanical properties
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 100
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 63
- 239000010959 steel Substances 0.000 title claims abstract description 63
- 238000004519 manufacturing process Methods 0.000 claims abstract description 60
- 230000008569 process Effects 0.000 claims abstract description 58
- 238000005246 galvanizing Methods 0.000 claims abstract description 24
- 238000012795 verification Methods 0.000 claims abstract description 16
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000006872 improvement Effects 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims abstract description 3
- 239000000126 substance Substances 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000002791 soaking Methods 0.000 claims description 11
- 238000005096 rolling process Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 5
- 238000010583 slow cooling Methods 0.000 claims description 5
- 229910052729 chemical element Inorganic materials 0.000 claims description 4
- 238000010200 validation analysis Methods 0.000 claims description 3
- 239000010960 cold rolled steel Substances 0.000 claims 1
- 238000000926 separation method Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 2
- 238000012790 confirmation Methods 0.000 abstract 1
- 230000001419 dependent effect Effects 0.000 description 18
- 238000000137 annealing Methods 0.000 description 17
- 239000000203 mixture Substances 0.000 description 9
- 238000010606 normalization Methods 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 4
- 241000213006 Angelica dahurica Species 0.000 description 3
- 102000000341 S-Phase Kinase-Associated Proteins Human genes 0.000 description 3
- 108010055623 S-Phase Kinase-Associated Proteins Proteins 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005098 hot rolling Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 229910001335 Galvanized steel Inorganic materials 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000008397 galvanized steel Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002436 steel type Substances 0.000 description 1
Images
Landscapes
- Coating With Molten Metal (AREA)
- Heat Treatment Of Sheet Steel (AREA)
Abstract
本发明公开了一种基于冷轧镀锌带钢力学性能调整工艺参数的方法，属于冷轧带钢镀锌技术领域。包括数据样本提取、数据样本筛选、数据建模及处理、数据拟合、调整方案验证及确认和工业验证及改进几个步骤，通过调用大量标准牌号相关的历史生产数据样本，利用非线性拟合方法解决冷轧带钢镀锌工艺参数的优化设定问题，通过不断验证测试优化，达到镀锌高强钢产品性能的稳定提升。本发明的方法基于产线实际历史数据和实际工装设备条件，完全遵循产线实际过程易实现，验证周期短。
Description
技术领域
本发明属于冷轧带钢镀锌技术领域，具体涉及一种冷轧镀锌带钢力学性能调整工艺参数的方法。
背景技术
随着汽车节能、环保和安全法规的不断完善，汽车用镀锌钢高强钢产品日益多样化和个性化，各大车厂对某一产品的需求均有自己的命名方式和标准要求。对钢厂而言重新研发这种在力学性能要求近似的标准牌号+α产品的投入将造成产品开发成本增加。对合金体系不同、材料制备过程中存在多种相变过程、最终组织中相构成为2种及以上的镀锌板带产品而言，选择调整的工艺参数和预测调整的效果变得十分重要。
经检索，基于力学性能优化进行检索，各发明的特点具体如下：
申请号CN201210046441.6的专利于2012年07月11日公开了一种基于带钢力学性能预报模型的加热炉节能控制方法，其特点是基于带钢的化学成分和预定工艺参数进行预报，并根据预报结果有限降低出炉温度减少加热炉的燃气消耗，适用于板坯热轧产线加热炉的温度控制领域。
申请号CN201410841003.8的专利于2015年06月17日公开了一种连续退火机组生产过程工艺参数设定与在线优化方法，属于钢铁企业连续退火机组的自动控制技术领域，包括连续退火机组生产工艺参数静态优化阶段的主要任务是在带钢生产之前确定连续退火机组工艺参数最优值；连续退火机组生产工艺参数在线动态优化阶段的主要任务是监测生产运行状态，并在状态发改变时快速获得新的工艺参数最优设定值。该发明同时考虑了产品质量、能源消耗、机组生产效率、退火工艺规程执行度四个评价指标，适应于冷轧连续退火机组，弥补人工经验的不足，帮助连续退火机组提高产品质量、降低能源消耗、提高机组生产效率。
申请号CN201810988911.8的专利于2018年12月18日公开了一种冷轧带钢镀锌线过程控制方法，属于冷轧带钢处理线自动化技术领域。技术方案是：通过钢种分类、PDI数据建立工艺参数线性模型、支撑工艺参数线性模型的机理模型以及线性网络模型优化模型等对生产过程中进行精确控制，需要良好的数据输入、输出平台及精度控制。
申请号CN201210292164.7的专利于2012年12月19日公开了一种流程工业过程工艺参数的确定方法，包括质量建模、规则抽取、工艺参数优化等步骤，将初始化的参数作为质量模型的输入，预测产品质量，计算与质量指标的误差，并进行修正，通过优化修正，找到一组最优的参数，使模型的预测值和质量指标的误差最小。该发明专利是基于神经网络的进行验证，需要大量样本量预测模型才能保证模型精度。
申请号CN201110206206.6的专利于2013年01月23日公开了一种冷轧带钢机械性能在线控制方法，通过在线检测带钢的机械性能，并且根据机械性能检测值与目标值之间的偏差值对平整延伸率、退火加热温度或退火冷却速度等生产工艺参数进行实时调整，实现对带钢机械性能进行在线控制的方法，可以提高冷轧带钢机械性能的控制精度，更好地满足下游用户的要求。
但是，上述对产线设备能力依赖性非常高，平台开发成本及维护成本高，适应于新投产产线，对已投产设备适应性较差。因此，亟需基于离线数据处理及分析，从而获得一种成本低、效果佳的产品性能微调和优化的目的方法。
发明内容
1、要解决的问题
针对合金体系不同、材料制备过程中存在多种相变过程且最终组织中相构成为2种及以上的镀锌板带产品，导致钢厂为了解决研发不同力学性能的镀锌板带新产品时存在上述困难的问题，本发明通过调用大量标准牌号相关的历史生产数据样本，利用非线性拟合方法解决冷轧带钢镀锌工艺参数的优化设定问题，通过不断验证测试优化，达到镀锌高强钢产品性能的稳定提升。
2、技术方案
为解决上述问题，本发明采用如下的技术方案。
一种基于冷轧镀锌带钢力学性能调整工艺参数的方法，包括以下步骤：
(1)数据样本提取：提取冷轧带钢的生产数据包括带钢卷号coil、带钢牌号grade、带钢化学成分、带钢卷取温度CT、带钢宽度Width、带钢厚度thickness、对应的镀锌产线速度speed、镀锌产线关键温度参数和带钢轧制力SKP，同时提取对应生产数据组的产品力学性能指标；
(2)数据样本筛选：删除工艺异常样本；
(3)数据建模及处理：建立拟合参数模型；对筛选数据组进行归一化处理，以便后续比较各工艺参数对产品力学性能指标的影响大小；其中，拟合参数模型为
式中，n为正整数；i为正整数，表示冷轧带钢的生产数据个数；j为正整数，表示对应生产数据组的产品力学性能指标的个数；Xi表示冷轧带钢的各个生产数据，Yi表示对应生产数据组的产品力学性能指标，ai表示冷轧带钢的各生产数据系数，Xi+1表示均热温度SF^2，ai+1表示均热温度系数；
(4)数据拟合：调用步骤(3)中拟合参数模型对归一化处理后的数据进行拟合，并将拟合后工艺参数的回归系数和回归系数的区间估计进行反馈；
(5)调整方案验证及确认：根据产品最终属性的需求，求取对应的镀锌工艺参数组合的最优值，根据产线实际完成镀锌工艺参数组合的验证，确定最终对应的镀锌工艺参数组合。
进一步地，所述步骤(1)中带钢化学成分为影响镀锌带钢力学性能的化学元素，其中影响镀锌带钢力学性能的化学元素在不同种类的钢中，本领域技术人员根据实际的钢种，可判断哪种元素为影响镀锌带钢力学性能的化学元素。
进一步地，所述步骤(1)中镀锌产线关键温度参数包括均热温度SF、缓冷终止温度SCS和快冷终止温度RCS。
进一步地，所述步骤(1)中产品力学性能指标为可量化指标，包括屈服强度YS、抗拉强度TS和延伸率A。
进一步地，所述步骤(2)中异常样本包括因产线异常和/或人工强加干预和/或分卷造成的重复样本。
进一步地，所述步骤(2)中异常样本的界定方法为各参数值超出所需值的120％或低于所需值的80％。
进一步地，所述步骤(4)数据拟合采用采用MATLAB软件进行数据拟合。
进一步地，方法中还包括步骤(6)工业验证及改进：验证优化效果及持续优化。
3、有益效果
相比于现有技术，本发明的有益效果为：
(1)本发明的方法避免标准+α产品的实验室重复验证和周期，本发明方法基于产线实际历史数据和实际工装设备条件，完全遵循产线实际过程易实现，验证周期短；
(2)本发明方法建立的镀锌工艺参数优化方案可以依据产线具体机组的能力和可量化指标的模拟验证，避免同质产品的重复开发；
(3)本发明方法优化后合格率为100％，效果良好；而原工艺生产标准+α产品合格率仅为84.2％；
(4)本发明通过给定特定预测模型，利用已有标准产品的生产数据，通过非线性拟合预估各参数对力学性能的影响；实现标准到标准+α的产品开发优化，简单有效；
(5)本发明基于镀锌产线实际构建预测模型和验证，适用性强，符合产线实际，具有可实现性。
附图说明
图1为本发明技术路线图；
图2为实施例中调整前后屈服强度YS的对比图；
图3为实施例中调整前后抗拉强度TS的对比图；
图4为实施例中调整前后延伸率A的对比图。
具体实施方式
下面结合具体实施例和附图对本发明进一步进行描述。
实施例
为更好阐述本发明的目的及意义，以下结合实施例对本发明做进一步的说明。此处所描述的具体实施例仅用以解释本发明，并不限定与本发明。
本实施例为厚度范围1.8 mm≤t≤2.5 mm的冷轧镀锌DP600高强钢生产实施例，假定现有牌号A，客户需求为牌号B，通过对牌号A拟合，从而达到符合牌号B的性能要求(表1)，调整步骤见图1所示。
表1性能指标变化差异
| 牌号 | 屈服强度,MPa | 抗拉强度,MPa | 延伸率,％ | n值 |
| A | 340～460 | ≥590 | ≥18 | ≥0.14 |
| B | 330～420 | 590～700 | ≥20 | ≥0.14 |
具体的，本实施例的一种基于冷轧带钢力学性能调整工艺参数的方法，其步骤如下所述：
1、历史生产数据提取：MES(Manufacturing Execution System)系统调取某一时间段(本实施例中调取3个月生产数据)牌号A的历史生产数据，包含带钢规格(镀锌入口宽度Width和厚度Thickness)、化学成分(C、Si、Mn、Cr等关键成分)、热轧卷取温度CT、镀锌工艺(镀锌产线速度Speed、均热温度SF、缓冷终止温度SCS、快冷终止温度RCS、带钢光整轧制力SKP等关键影响因素)、对应的产品力学性能指标(屈服强度YS、抗拉强度TS、延伸率A等可量化指标)。
2、数据样本刷选：删除产线明显异常样本(如因产线设备故障、人工强加干预等引起工艺明显异常数据组，以及最终产线分卷引起的重复样本等)；异常样本人为界定的主要条件有：(1)温度工艺参数±20℃以外的样本、(2)成分目标值±20％以外的样本、(3)力学性能逸出上限或下限20％的样本等。
3、建模和数据处理：如针对退火过程存在相变行为，其对强度的影响并非为单一方向的影响，温度过低或过高都会引起强度的增加，建模将温度工艺参数的影响设定为二次型，光整轧制力与产品宽度直接相关，调用时处理成单位光整轧制力SKP1，故建立的模型可以表示为：
备注：1)i，j分别代表因变量和自变量标号，本实施例中j＝1～3(因变量个数)，i＝1～11(自变量个数)；
2)X、Y分别代表因变量和自变量。其中：
因变量X1代表化学成分C含量，a1代表化学成分C含量系数；
因变量X2代表化学成分Si含量，a2代表化学成分Si含量系数；
因变量X3代表化学成分Mn含量，a3代表化学成分Mn含量系数；
因变量X4代表化学成分Cr含量，a4代表化学成分Cr含量系数；
因变量X5代表带钢厚度Thickness，a5代表带钢厚度Thickness系数；
因变量X6代表对应的镀锌产线速度speed，a6代表对应的镀锌产线速度speed系数；
因变量X7代表均热温度SF，a7代表均热温度SF系数；
因变量X8代表缓冷终止温度SCS，a8代表缓冷终止温度SCS系数；
因变量X9代表快冷终止温度RCS，a9代表快冷终止温度RCS系数；
因变量X10代表带钢卷取温度CT，a10代表带钢卷取温度CT系数；
因变量X11代表单位光整轧制力SKP1，a11代表单位光整轧制力SKP1系数；
式中ai+1和Xi+1特指均热温度系数和均热温度SF^2，即X12特指退火温度SF^2；
Y1、Y2、Y3分别代表屈服强度YS、抗拉强度TS、延伸率A；
为更好比较各工艺参数的影响大小，对处理后的数据组进行归一化处理，其中，这里的归一化为min-max标准化处理，具体为：首先将各参数与该参数最小值的差值除以该参数最大值、最小值的差值，即X归＝(X-Xmin)/(Xmax-Xmin)，式中X归为归一化处理后的因变量参数，X为处理前的因变量，Xmin为处理前因变量的最小值，Xmax为处理前因变量的最大值，最终使得X归在[0,1]的范围内。表2为工艺参数归一化处理后的样本数据组。
表2工艺参数归一化处理后样本数据组
4、数据拟合：采用MATLAB上述步骤3中调用建立的模型函数关系和表2中的相关数据组，得到超正定方程，其中超正定方程就是模型函数关系式对非等同未知数多的方程求解，最终结果会尽可能的满足每个方程的结果。比如实施例中共57组样本，而实际未知量只有11个，57＞11不能求出确定解，这里求出的是一个尽可能符合所有关系式的解。
我们通过软件求解建立的超正定方程，并反馈相关工艺参数的回归系数、回归系数的区间估计等相关统计数据，表3为拟合计算返回的对应工艺参数的相关系数。
表3非线性拟合及各工艺参数对力学性能的贡献值
5、调整方案验证及确认：调整的自变量选择通常选取除厚度Thickness和速度Speed以外的可控因素，实施例中选择屈服强度影响系数前2位做为调整的方向(依次为退火温度SF、化学成分C，调整顺序从影响系数由大到小依次调整。预期产品性能合格率≥90％。
详细步骤为：a.退火温度SF调整目标使屈服强度下降5MPa终止(即由表2中SF均值407MPa下降到402MPa终止)，得到对应的归一化处理退火温度SF≤0.889，见表2中加粗数据；
b.固化步骤a中退火温度目标值(即退火温度SFn为0.889，对应抗拉强度TS为618MPa)，化学成分C调整目标下降5MPa终止(即抗拉强度TS为618MPa下降至613MPa终止，由于数据中未出现613MPa，选择与之接近的数据即下降至612MPa终止)，得到对应的归一化处理化学成分C含量为0.185；评估该条件下抗拉强度TS下降幅度，要求抗拉强度TS≥610MPa保证一定的力学性能富余。具体实例步骤中调整过程可以用表4进行说明。该调整过程也可采用软件编程实现所述调整过程。
表4调整过程说明
鉴于实施例中镀锌工艺和化学成分C含量微调能够实现效果产品力学性能优化的目的。
6、工业验证及改进：对镀锌工序工艺参数进行优化并对后续生产的96组数据进行验证，验证实际如图2-图4所示，其中，图2为调整前、后屈服强度YS统计直方图，图3为调整前、后抗拉强度TS统计直方图，图4为调整前、厚延伸率A统计直方图。
由图2所示，调整后的带钢屈服强度下降，并集中在373～417MPa的范围内，图3所示调整后的带钢抗拉强度集中在593～652MPa内，图4所示调整后的带钢延伸率集中在大于23.5％。综上所述，工业试制结果表明该方法获取的优化效果与实际工业生产一致性较高良好。
上述参照实施例对一种厚度范围1.8mm≤t≤2.5mm的冷轧镀锌DP600高强钢标准牌号A生产实施例优化获取标准+α牌号B控制参数的详细描述，是说明性的而不是限定性的，可按照所述的方法列举出若干个实施例，因此在不脱离本发明总体构思下的变化和修改，本领域工程技术人员对本发明的技术方案作出的各种变形和改进，应属本发明的保护范围之内。
Claims (8)
1.一种基于冷轧镀锌带钢力学性能调整工艺参数的方法，其特征在于：包括以下步骤：
(1)数据样本提取：提取冷轧带钢的生产数据包括带钢卷号coil、带钢牌号grade、带钢化学成分、带钢卷取温度CT、带钢宽度Width、带钢厚度thickness、对应的镀锌产线速度speed、镀锌产线关键温度参数和带钢轧制力SKP，同时提取对应生产数据组的产品力学性能指标；
(2)数据样本筛选：删除工艺异常样本；
(3)数据建模及处理：建立拟合参数模型；对筛选数据组进行归一化处理，以便后续比较各工艺参数对产品力学性能指标的影响大小；其中，拟合参数模型为
式中，n为正整数；i为正整数，表示冷轧带钢的生产数据个数；j为正整数，表示对应生产数据组的产品力学性能指标的个数；Xi表示冷轧带钢的各个生产数据，Yi表示对应生产数据组的产品力学性能指标，ai表示冷轧带钢的各生产数据系数，Xi+1表示均热温度SF^2，ai+1表示均热温度系数；
(4)数据拟合：调用步骤(3)中拟合参数模型对归一化处理后的数据进行拟合，并将拟合后工艺参数的回归系数和回归系数的区间估计进行反馈；
(5)调整方案验证及确认：根据产品最终属性的需求，求取对应的镀锌工艺参数组合的最优值，根据产线实际完成镀锌工艺参数组合的验证，确定最终对应的镀锌工艺参数组合。
2.根据权利要求1所述的一种基于冷轧镀锌带钢力学性能调整工艺参数的方法，其特征在于：所述步骤(1)中带钢化学成分为影响镀锌带钢力学性能的化学元素。
3.根据权利要求1所述的一种基于冷轧镀锌带钢力学性能调整工艺参数的方法，其特征在于：所述步骤(1)中镀锌产线关键温度参数包括均热温度SF、缓冷终止温度SCS和快冷终止温度RCS。
4.根据权利要求1所述的一种基于冷轧镀锌带钢力学性能调整工艺参数的方法，其特征在于：所述步骤(1)中产品力学性能指标为可量化指标，包括屈服强度YS、抗拉强度TS和延伸率A。
5.根据权利要求1所述的一种基于冷轧镀锌带钢力学性能调整工艺参数的方法，其特征在于：所述步骤(2)中异常样本包括因产线异常和/或人工强加干预和/或分卷造成的重复样本。
6.根据权利要求5所述的一种基于冷轧镀锌带钢力学性能调整工艺参数的方法，其特征在于：所述步骤(2)中异常样本的界定方法为各参数值超出所需值的120％或低于所需值的80％。
7.根据权利要求1所述的一种基于冷轧镀锌带钢力学性能调整工艺参数的方法，其特征在于：所述步骤(4)数据拟合采用MATLAB软件进行数据拟合。
8.根据权利要求1所述的一种基于冷轧镀锌带钢力学性能调整工艺参数的方法，其特征在于：还包括步骤(6)工业验证及改进：验证优化效果及持续优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911243425.4A CN111008477B (zh) | 2019-12-06 | 2019-12-06 | 一种基于冷轧镀锌带钢力学性能调整工艺参数的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911243425.4A CN111008477B (zh) | 2019-12-06 | 2019-12-06 | 一种基于冷轧镀锌带钢力学性能调整工艺参数的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111008477A CN111008477A (zh) | 2020-04-14 |
| CN111008477B true CN111008477B (zh) | 2023-03-24 |
Family
ID=70114964
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911243425.4A Active CN111008477B (zh) | 2019-12-06 | 2019-12-06 | 一种基于冷轧镀锌带钢力学性能调整工艺参数的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111008477B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113569374B (zh) * | 2020-04-29 | 2024-07-23 | 上海宝信软件股份有限公司 | 钢铁产品可制造性评估的方法和系统 |
| CN114200102B (zh) * | 2020-08-28 | 2023-11-14 | 宝山钢铁股份有限公司 | 确定与带钢电磁特性相关的物理参数的测量装置及方法 |
| CN112990650A (zh) * | 2021-01-12 | 2021-06-18 | 北京钢研新材科技有限公司 | 一种原材料质量滤波方法及系统 |
| CN113203641B (zh) * | 2021-03-25 | 2023-01-17 | 武汉钢铁有限公司 | 加工参数确定方法、样品加工方法、装置及设备 |
| CN115386720B (zh) * | 2021-05-24 | 2024-01-05 | 上海梅山钢铁股份有限公司 | 一种冷轧连续退火钢板力学性能在线控制方法 |
| CN113617851A (zh) * | 2021-06-23 | 2021-11-09 | 武汉钢铁有限公司 | 一种短流程产线在线反馈控制方法、装置及电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2361936C1 (ru) * | 2008-01-09 | 2009-07-20 | Открытое акционерное общество "Северсталь" (ОАО "Северсталь" | Способ производства горячеоцинкованного проката повышенной прочности |
| CN102672003A (zh) * | 2011-03-07 | 2012-09-19 | 宁波宝新不锈钢有限公司 | 不锈钢带钢拉矫机机组的工艺参数设定方法 |
| CN102886383A (zh) * | 2011-07-22 | 2013-01-23 | 宝山钢铁股份有限公司 | 一种冷轧带钢机械性能在线控制方法 |
| CN104213020A (zh) * | 2014-09-04 | 2014-12-17 | 河北钢铁股份有限公司邯郸分公司 | 镀锌烘烤硬化钢及其生产方法 |
| CN104573278A (zh) * | 2015-01-27 | 2015-04-29 | 山东钢铁股份有限公司 | 基于多元线性回归分析的热轧h型钢力学性能预报方法 |
| CN109023106A (zh) * | 2018-09-25 | 2018-12-18 | 首钢集团有限公司 | 一种冷轧热镀锌复相钢及其制备方法 |
| CN109032097A (zh) * | 2018-08-28 | 2018-12-18 | 唐山钢铁集团有限责任公司 | 一种冷轧带钢镀锌线过程控制方法 |
| CN109248924A (zh) * | 2018-10-26 | 2019-01-22 | 山东钢铁集团日照有限公司 | 一种冷轧带钢机械性能在线闭环控制方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376424B (zh) * | 2014-11-27 | 2017-07-11 | 东北大学 | 一种钢铁企业冷轧区多产线钢卷协调调度方法 |
| DE102015111177A1 (de) * | 2015-07-10 | 2017-01-12 | Salzgitter Flachstahl Gmbh | Höchstfester Mehrphasenstahl und Verfahren zur Herstellung eines kaltgewalzten Stahlbandes hieraus |
| CN106971026B (zh) * | 2017-03-08 | 2020-06-16 | 武汉科技大学 | 基于全局可加模型的微合金钢力学性能预报方法 |
-
2019
- 2019-12-06 CN CN201911243425.4A patent/CN111008477B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2361936C1 (ru) * | 2008-01-09 | 2009-07-20 | Открытое акционерное общество "Северсталь" (ОАО "Северсталь" | Способ производства горячеоцинкованного проката повышенной прочности |
| CN102672003A (zh) * | 2011-03-07 | 2012-09-19 | 宁波宝新不锈钢有限公司 | 不锈钢带钢拉矫机机组的工艺参数设定方法 |
| CN102886383A (zh) * | 2011-07-22 | 2013-01-23 | 宝山钢铁股份有限公司 | 一种冷轧带钢机械性能在线控制方法 |
| CN104213020A (zh) * | 2014-09-04 | 2014-12-17 | 河北钢铁股份有限公司邯郸分公司 | 镀锌烘烤硬化钢及其生产方法 |
| CN104573278A (zh) * | 2015-01-27 | 2015-04-29 | 山东钢铁股份有限公司 | 基于多元线性回归分析的热轧h型钢力学性能预报方法 |
| CN109032097A (zh) * | 2018-08-28 | 2018-12-18 | 唐山钢铁集团有限责任公司 | 一种冷轧带钢镀锌线过程控制方法 |
| CN109023106A (zh) * | 2018-09-25 | 2018-12-18 | 首钢集团有限公司 | 一种冷轧热镀锌复相钢及其制备方法 |
| CN109248924A (zh) * | 2018-10-26 | 2019-01-22 | 山东钢铁集团日照有限公司 | 一种冷轧带钢机械性能在线闭环控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于偏最小二乘回归模型的带钢热镀锌质量监控方法;姚林等;《北京科技大学学报》;20070615(第06期);全文 * |
| 基于热轧C-Mn钢性能测算模型的开发与应用;刘勇等;《锻压技术》;20151125(第11期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111008477A (zh) | 2020-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111008477B (zh) | 一种基于冷轧镀锌带钢力学性能调整工艺参数的方法 | |
| JP6297159B2 (ja) | 最適化された、組織シミュレータ、組織モニタ及び／又は組織モデルを用いて金属の鋼合金及び／又は鉄合金を熱間圧延機及び厚板圧延機において製造するのため方法 | |
| KR20170039736A (ko) | 압연 시뮬레이션 장치 | |
| Lee et al. | Application of neural-network for improving accuracy of roll-force model in hot-rolling mill | |
| CN104573278A (zh) | 基于多元线性回归分析的热轧h型钢力学性能预报方法 | |
| CN114897227B (zh) | 基于改进随机森林算法的多钢种力学性能预报方法 | |
| CN110814050A (zh) | 一种基于bp神经网络的轧机模型控制方法 | |
| CN115815345A (zh) | 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 | |
| US20230205185A1 (en) | System and method for controlling a production plant consisting of a plurality of plant parts, in particular a production plant for producing industrial goods such as metallic semi-finished products | |
| CN111241750A (zh) | 一种结合遗传算法的bp网络冷轧带钢力学性能预测方法 | |
| CN117724433B (zh) | 基于多通道分布式深度集成预测的冷轧生产前馈控制方法 | |
| CN111411215B (zh) | 一种多钢坯对象的炉温综合决策方法 | |
| CN115106384B (zh) | 一种基于随机森林的厚板轧制辊缝校正方法 | |
| CN109593951B (zh) | 基于炉温的热镀产品脱锌缺陷动态控制方法 | |
| KR101899690B1 (ko) | Dwtt 연성파면율 데이터의 표준화를 통한 강재 제조조건의 최적화방법 및 장치 | |
| JP2010235972A (ja) | 高張力鋼板の製造制御装置及び製造方法 | |
| KR20200018610A (ko) | 어닐링 로의 작동 방법 | |
| CN115081686A (zh) | 一种基于机器学习的基板玻璃引出量在线控制系统及方法 | |
| CN115218603A (zh) | 冷却流量控制方法及装置 | |
| KR20210079817A (ko) | 용융 합금화 아연 도금 강판 제조 장치 및 방법 | |
| CN114472546B (zh) | 一种基于大数据对轧制力进行优化的方法及系统 | |
| CN117753795B (zh) | 一种针对多钢种、多规格热轧产品的前馈控制方法 | |
| WO2014185810A1 (en) | Method for adjusting final steel properties at steel mill facility | |
| CN114219175B (zh) | 一种集装箱卷板的力学性能预测方法 | |
| CN112699534A (zh) | 一种用于生产冷轧产品的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |