CN112149272A - 基于多元线性回归分析的冷轧钢带力学性能预测模型 - Google Patents
基于多元线性回归分析的冷轧钢带力学性能预测模型 Download PDFInfo
- Publication number
- CN112149272A CN112149272A CN202010807436.7A CN202010807436A CN112149272A CN 112149272 A CN112149272 A CN 112149272A CN 202010807436 A CN202010807436 A CN 202010807436A CN 112149272 A CN112149272 A CN 112149272A
- Authority
- CN
- China
- Prior art keywords
- steel strip
- cold
- annealing
- mechanical property
- elongation
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 16
- 238000012417 linear regression Methods 0.000 title claims abstract description 16
- 239000010960 cold rolled steel Substances 0.000 title claims abstract description 13
- 238000000137 annealing Methods 0.000 claims abstract description 70
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 63
- 239000010959 steel Substances 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 41
- 239000000126 substance Substances 0.000 claims description 7
- 239000012535 impurity Substances 0.000 claims description 3
- 238000004886 process control Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000005097 cold rolling Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000005096 rolling process Methods 0.000 description 7
- 239000000047 product Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000005098 hot rolling Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D11/00—Process control or regulation for heat treatments
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D8/00—Modifying the physical properties by deformation combined with, or followed by, heat treatment
- C21D8/02—Modifying the physical properties by deformation combined with, or followed by, heat treatment during manufacturing of plates or strips
- C21D8/0221—Modifying the physical properties by deformation combined with, or followed by, heat treatment during manufacturing of plates or strips characterised by the working steps
- C21D8/0236—Cold rolling
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D8/00—Modifying the physical properties by deformation combined with, or followed by, heat treatment
- C21D8/02—Modifying the physical properties by deformation combined with, or followed by, heat treatment during manufacturing of plates or strips
- C21D8/0247—Modifying the physical properties by deformation combined with, or followed by, heat treatment during manufacturing of plates or strips characterised by the heat treatment
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C38/00—Ferrous alloys, e.g. steel alloys
- C22C38/004—Very low carbon steels, i.e. having a carbon content of less than 0,01%
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C38/00—Ferrous alloys, e.g. steel alloys
- C22C38/02—Ferrous alloys, e.g. steel alloys containing silicon
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C38/00—Ferrous alloys, e.g. steel alloys
- C22C38/04—Ferrous alloys, e.g. steel alloys containing manganese
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C38/00—Ferrous alloys, e.g. steel alloys
- C22C38/06—Ferrous alloys, e.g. steel alloys containing aluminium
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C38/00—Ferrous alloys, e.g. steel alloys
- C22C38/14—Ferrous alloys, e.g. steel alloys containing titanium or zirconium
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Organic Chemistry (AREA)
- Metallurgy (AREA)
- Materials Engineering (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Crystallography & Structural Chemistry (AREA)
- Thermal Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Control Of Heat Treatment Processes (AREA)
Abstract
本发明涉及一种基于多元线性回归分析的冷轧钢带力学性能预测模型,属于冶金行业冷轧技术领域。技术方案是:将钢带退火前的抗拉强度、屈服强度和设定的退火温度、退火工艺速度和平整机延伸率分别代入预测模型回归方程表中,对钢带力学性能进行预测;将获得预测值与目标值进行比较,如果预测值能够达到目标值的要求,则按照设定的退火温度、退火工艺速度和平整机延伸率组织生产;如果预测值不能达到目标值的要求,则对设定的退火温度、退火工艺速度和平整机延伸率进行调整,并按照调整后的退火温度、退火工艺速度和平整机延伸率组织生产。本发明的有益效果是:能够预报不同退火工艺条件下的冷轧退火钢带力学性能,进而提高冷轧退火钢带的工艺控制水平。
Description
技术领域
本发明涉及一种基于多元线性回归分析的冷轧钢带力学性能预测模型,属于冶金行业冷轧连续退火过程控制技术领域。
背景技术
众所周知,冷轧汽车用钢的加工成形方式多采用冷冲压成形,而冲压质量的好坏受钢带的力学性能、模具的状态等多种因素影响。因此,精密加工行业对钢材的力学性能均匀性、波动性有着极高的要求,如何提高力学性能的控制精度,缩窄力学性能波动范围,是长期以来冷轧钢带生产过程中始终未能彻底解决的问题。
中国发明专利CN 102632082 A公布了一种基于性能预报模型的热轧带钢力学性能的动态控制方法,此发明通过在轧制前调取化学成分、预设定的轧制温度工艺参数、规格参数,计算出析出合金化合物的含量,再将所有数据代入力学性能预测模型中,用模型对轧后带钢的力学性能进行预测,通过调整轧制工艺参数使带钢力学性能的预测值满足力学性能目标值约束,然后按照调整后的轧制工艺参数进行轧制。
中国发明专利CN 103761423 A公布了一种基于PSO-ELM的热轧板材组织-性能预测方法,此发明通过获取影响热轧板材组织-性能的参数及板材的冷却速率对板材进行力学性能试验,建立基于ELM的热轧板材组织-性能预测模型,采用粒子群算法对模型进行训练,之后利用预测模型对热轧板材组织-性能进行预测。
经对现有技术的文献检索发现,国内外钢材组织性能预测与控制技术多集中在热轧生产过程,尚无关于冷轧钢带力学性能的预测模型。同时,现有热轧组织性能预测技术需考虑化学成分、变形参数、冷却制度、析出物形态等多种因素,需要运用粒子群算法、神经元网络、拓扑理论等多种方法,多变量、大数据、复杂运算方法给专业技术人员带来了较高的认知门坎和干扰,非常不利于现场管理及快速应急反应。本发明基于多元线性回归分析方法进行计算,对冷轧钢带的力学性能预测模型还尚属首例。
发明内容
本发明的目的是提供一种基于多元线性回归分析的冷轧钢带力学性能预测模型,能够预报不同退火工艺条件下的冷轧退火钢带力学性能,进而提高冷轧退火钢带的工艺控制水平,解决背景技术中存在的问题。
本发明的技术方案是:
一种基于多元线性回归分析的冷轧钢带力学性能预测模型,包含以下步骤:
①建立预测模型回归方程表达式:
Rp0.2=132.814+35.792[X1]+0.080[X2]-0.001[X3]-0.0381[X4]-0.0974[X5]
式中:
Rp0.2表示冷轧退火钢带的力学性能预测值;
X1表示设定的平整机延伸率;
X2表示钢带退火前抗拉强度;
X3表示钢带退火前屈服强度;
X4表示设定的退火温度;
X5表示设定的退火工艺速度;
②将钢带退火前的抗拉强度、屈服强度和设定的退火温度、退火工艺速度和平整机延伸率分别代入上述预测模型回归方程表达式中,对退火后的钢带力学性能进行预测,并获得预测值;
③将获得的退火后的钢带力学性能预测值与目标值进行比较,如果预测值能够达到目标值的要求,则按照设定的退火温度、退火工艺速度和平整机延伸率组织生产;如果预测值不能达到目标值的要求,则对设定的退火温度、退火工艺速度和平整机延伸率进行调整,直到使预测值能够达到目标值的要求,并按照调整后的退火温度、退火工艺速度和平整机延伸率组织生产。
所述钢带退火方式为连续式退火,设定的退火温度不小于790℃。
所述钢带的化学成分重量百分比为:C ≤0.0050%,Si ≤0.03%,Mn0.07~0.15%,P≤0.012%,S≤0.012%,Als 0.030~0.050%,Ti 0.050~0.070%,N≤0.0040%,其余为Fe和不可避免的杂质。
所述钢带厚度为0.4-0.8mm。
本发明与其它模型区别之处在于:回归分析简单、易操作,对钢带的退火工艺和力学性能进行研究,具有较高的准确性,采用较少的变量,能够真实准确的反应变量之间的关系,尤其是冷轧退火钢带属于长流程、复杂工艺的产品,在现有工艺装备条件下,采用多元线性回归分析的方法对冷轧退火钢带的力学性能进行分析预测,能够有效的提升冷轧退火钢带产品质量和开发更高级别的冷轧退火产品。
本发明的有益效果是:
本发明采用多元线性回归分析方法建立力学性能预测模型,能够预报不同退火工艺条件下的冷轧退火钢带力学性能,进而提高冷轧退火钢带的工艺控制水平和钢带性能的稳定性,降低生产成本。
附图说明
图1为本发明预测模型流程示意图。
具体实施方式
以下结合附图,通过实例对本发明作进一步说明。
参照附图1,一种基于多元线性回归分析的冷轧钢带力学性能预测模型,包含以下步骤:
①建立预测模型回归方程表达式:
Rp0.2=132.814+35.792[X1]+0.080[X2]-0.001[X3]-0.0381[X4]-0.0974[X5]
式中:
Rp0.2表示冷轧退火钢带的力学性能预测值;
X1表示设定的平整机延伸率;
X2表示钢带退火前抗拉强度;
X3表示钢带退火前屈服强度;
X4表示设定的退火温度;
X5表示设定的退火工艺速度;
②将钢带退火前的抗拉强度、屈服强度和设定的退火温度、退火工艺速度和平整机延伸率分别代入上述预测模型回归方程表达式中,对退火后的钢带力学性能进行预测,并获得预测值;
③将获得的退火后的钢带力学性能预测值与目标值进行比较,如果预测值能够达到目标值的要求,则按照设定的退火温度、退火工艺速度和平整机延伸率组织生产;如果预测值不能达到目标值的要求,则对设定的退火温度、退火工艺速度和平整机延伸率进行调整,直到使预测值能够达到目标值的要求,并按照调整后的退火温度、退火工艺速度和平整机延伸率组织生产。
在本实施例中,参照附图1,本发明具体包含以下步骤:
(1)收集冷轧退火钢带工艺参数的数据;
(2)采用多元线性回归分析方法得出冷轧退火钢带的力学性能预测模型;
(3)判断热带是否符合模型条件;
(4)如否,则按照现有热带成分重新建立预测模型,否则进行下一步;
(5)基于力学性能预测模型对冷轧退火钢带的性能进行预测;
(6)判断出工艺参数是否可优化;
(7)如否,则按照设定的退火工艺参数进行生产,否则进行下一步;
(8)基于力学性能预测模型,调整退火工艺参数;
(9)设定新的冷轧退火钢带生产参数。
本发明提出的技术方案为:根据现有大量的冷轧退火钢带生产数据,采用多元线性回归分析的方法建立冷轧退火钢带力学性能的工业预测模型,在生产中依据预定的工艺参数对退火后的钢带力学性能进行预测。
本发明中的冷轧退火钢带,厚度为0.4-0.8mm,其原料为冷轧硬质钢带,冷轧硬质钢带由热带经冷轧机轧制而成,轧制压缩比不小于75%,化学成分与热带相同,钢带退火前的抗拉强度和屈服强度可直接采用热带抗拉强度和热带屈服强度。
热带的化学成分重量百分比为:C ≤0.0050%,Si ≤0.03%,Mn0.07~0.15%,P≤0.012%,S≤0.012%,Als 0.030~0.050%,Ti 0.050~0.070%,N≤0.0040%,其余为Fe和不可避免的杂质。
钢带设定的工艺参数包括:退火温度、退火工艺速度和平整机延伸率,其中钢带退火方式为连续式退火,设定的退火温度不小于790℃。
将热带的抗拉强度和屈服强度以及设定的退火温度、退火工艺速度和平整机延伸率代入模型中获得力学性能预测值,如果预测值与目标值的偏差满足一定的阀值条件时,则表示需对退火工艺参数进行调整。基于此模型,可以大幅节约生产成本,实现力学性能窄区间稳定性控制。
所述的阀值取值区间为6MPa。
热带化学成分、抗拉强度和屈服强度具体如表1:
表1
冷轧退火工艺参数及预测值见表2:
表2
由上面的计算数据可知,预测值与实测值偏差符合阈值要求,具备实用意义,生产方案能达到冷轧退火钢带的客户要求,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冷轧退火钢带的工艺参数和力学性能目标值,通过建立冷轧退火钢带的力学性能预测模型,对钢带的力学性能进行计算和预测,基于力学性能预测模型,来开发新的冷轧退火产品或者优化冷轧退火钢带的工艺参数进而达到提高产品质量的目的。
Claims (4)
1.一种基于多元线性回归分析的冷轧钢带力学性能预测模型,其特征在于:包含以下步骤:
①建立预测模型回归方程表达式:
Rp0.2=132.814+35.792[X1]+0.080[X2]-0.001[X3]-0.0381[X4]-0.0974[X5]
式中:
Rp0.2表示冷轧退火钢带的力学性能预测值;
X1表示设定的平整机延伸率;
X2表示钢带退火前抗拉强度;
X3表示钢带退火前屈服强度;
X4表示设定的退火温度;
X5表示设定的退火工艺速度;
②将钢带退火前的抗拉强度、屈服强度和设定的退火温度、退火工艺速度和平整机延伸率分别代入上述预测模型回归方程表达式中,对退火后的钢带力学性能进行预测,并获得预测值;
③将获得的退火后的钢带力学性能预测值与目标值进行比较,如果预测值能够达到目标值的要求,则按照设定的退火温度、退火工艺速度和平整机延伸率组织生产;如果预测值不能达到目标值的要求,则对设定的退火温度、退火工艺速度和平整机延伸率进行调整,直到使预测值能够达到目标值的要求,并按照调整后的退火温度、退火工艺速度和平整机延伸率组织生产。
2.根据权利要求1所述的基于多元线性回归分析的冷轧钢带力学性能预测模型,其特征在于:所述钢带退火方式为连续式退火,设定的退火温度不小于790℃。
3.根据权利要求1或2所述的基于多元线性回归分析的冷轧钢带力学性能预测模型,其特征在于:所述钢带的化学成分重量百分比为:C ≤0.0050%,Si ≤0.03%,Mn0.07~0.15%,P≤0.012%,S≤0.012%,Als 0.030~0.050%,Ti 0.050~0.070%,N≤0.0040%,其余为Fe和不可避免的杂质。
4.根据权利要求1或2所述的基于多元线性回归分析的冷轧钢带力学性能预测模型,其特征在于:所述钢带厚度为0.4-0.8mm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010807436.7A CN112149272A (zh) | 2020-08-12 | 2020-08-12 | 基于多元线性回归分析的冷轧钢带力学性能预测模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010807436.7A CN112149272A (zh) | 2020-08-12 | 2020-08-12 | 基于多元线性回归分析的冷轧钢带力学性能预测模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112149272A true CN112149272A (zh) | 2020-12-29 |
Family
ID=73887934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010807436.7A Pending CN112149272A (zh) | 2020-08-12 | 2020-08-12 | 基于多元线性回归分析的冷轧钢带力学性能预测模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149272A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113094870A (zh) * | 2021-03-08 | 2021-07-09 | 山东钢铁股份有限公司 | 一种热轧宽带钢生产工艺的设计方法 |
CN113936744A (zh) * | 2021-10-22 | 2022-01-14 | 兰州理工大学 | 热连轧流程生产钒微合金结构钢的在线性能预测方法及系统 |
CN115386720A (zh) * | 2021-05-24 | 2022-11-25 | 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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010033536A (ja) * | 2007-12-20 | 2010-02-12 | Nippon Steel Corp | 製品材質値の予測方法、装置、操業条件の決定方法、プログラム及びコンピュータ読み取り可能な記録媒体 |
WO2014185810A1 (en) * | 2013-05-13 | 2014-11-20 | Siemens Aktiengesellschaft | Method for adjusting final steel properties at steel mill facility |
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 |
CN105648322A (zh) * | 2016-03-15 | 2016-06-08 | 唐山钢铁集团有限责任公司 | 低成本超深冲级冷轧镀锌钢带及其制备方法 |
US20180265945A1 (en) * | 2015-09-28 | 2018-09-20 | Baoshan Iron & Steel Co., Ltd. | Continuous annealing method for low coercive force cold-rolled electromagnetic pure iron plate and strip |
-
2020
- 2020-08-12 CN CN202010807436.7A patent/CN112149272A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010033536A (ja) * | 2007-12-20 | 2010-02-12 | Nippon Steel Corp | 製品材質値の予測方法、装置、操業条件の決定方法、プログラム及びコンピュータ読み取り可能な記録媒体 |
WO2014185810A1 (en) * | 2013-05-13 | 2014-11-20 | Siemens Aktiengesellschaft | Method for adjusting final steel properties at steel mill facility |
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 |
US20180265945A1 (en) * | 2015-09-28 | 2018-09-20 | Baoshan Iron & Steel Co., Ltd. | Continuous annealing method for low coercive force cold-rolled electromagnetic pure iron plate and strip |
CN105648322A (zh) * | 2016-03-15 | 2016-06-08 | 唐山钢铁集团有限责任公司 | 低成本超深冲级冷轧镀锌钢带及其制备方法 |
Non-Patent Citations (1)
Title |
---|
谷跃飞 等: "高强度冷轧钢带力学性能预报模型分析", 《首钢科技》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113094870A (zh) * | 2021-03-08 | 2021-07-09 | 山东钢铁股份有限公司 | 一种热轧宽带钢生产工艺的设计方法 |
CN113094870B (zh) * | 2021-03-08 | 2022-07-12 | 山东钢铁股份有限公司 | 一种热轧宽带钢生产工艺的设计方法 |
CN115386720A (zh) * | 2021-05-24 | 2022-11-25 | 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 |
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 |
CN113936744A (zh) * | 2021-10-22 | 2022-01-14 | 兰州理工大学 | 热连轧流程生产钒微合金结构钢的在线性能预测方法及系统 |
CN113936744B (zh) * | 2021-10-22 | 2024-03-29 | 兰州理工大学 | 热连轧流程生产钒微合金结构钢的在线性能预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112149272A (zh) | 基于多元线性回归分析的冷轧钢带力学性能预测模型 | |
CN103014410B (zh) | 铜合金及其制备方法 | |
Naizabekov et al. | Change in copper microstructure and mechanical properties with deformation in an equal channel stepped die | |
CN102632082A (zh) | 基于性能预报模型的热轧带钢力学性能的动态控制方法 | |
EP4183495A1 (en) | System for predicting material characteristic value, and method for producing metal sheet | |
CN106256918A (zh) | 一种精密冲压加工的汽车飞轮用冷轧带钢及其制造方法 | |
CN110184535A (zh) | 具有良好成型性能的600l汽车大梁用钢带及生产方法 | |
CN109161805A (zh) | 一种590MPa级汽车轻量化冷轧双相钢及其生产方法 | |
CN112359285B (zh) | 一种耐时效的冷轧连续退火钢带及其制造方法 | |
CN102586702A (zh) | 一种使用条件为辊压成型无涂油工艺的黑皮钢生产方法 | |
CN104841701B (zh) | 热轧带钢大降速轧制时的薄板卷取温度控制方法 | |
CN103436789B (zh) | 轧制铝材用的热轧辊 | |
CN105256225B (zh) | 电梯用冷轧钢板及其制备方法 | |
EP4183498A1 (en) | Steel strip and method for producing same | |
CN111363981A (zh) | 一种280MPa级冷轧低合金结构用钢及其生产方法 | |
CN106498297A (zh) | 精密冲压汽车座椅调节器齿盘用冷轧钢板及其制造方法 | |
PA et al. | Computational exploration of microstructural evolution in a medium C-Mn steel and applications to rod mill | |
CN104745787B (zh) | 一种能直接冷轧的工具钢的生产方法 | |
CN109444039B (zh) | 预测微合金钢热轧时发生动态再结晶临界压下量的方法 | |
CN108763637B (zh) | 一种热轧线材抗拉强度的计算与预判方法 | |
Okonogi et al. | Development of medium carbon steel wire rods for cold heading by isothermal transformation treatment | |
CN102732813A (zh) | 合金均匀化过程中冶金性能的优化和控制 | |
CN115392104A (zh) | 一种基于退火工艺预测冷轧连续退火带钢力学性能的方法 | |
Filippov et al. | Resource efficient preparation of high quality rolled stock for motor vehicles’ fastening | |
CN102943201A (zh) | 免热处理低强冷镦铆螺钢的生产方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201229 |