CN113327650B - 一种基于大数据的贝氏体钢合金组分含量确定方法 - Google Patents
一种基于大数据的贝氏体钢合金组分含量确定方法 Download PDFInfo
- Publication number
- CN113327650B CN113327650B CN202110888474.4A CN202110888474A CN113327650B CN 113327650 B CN113327650 B CN 113327650B CN 202110888474 A CN202110888474 A CN 202110888474A CN 113327650 B CN113327650 B CN 113327650B
- Authority
- CN
- China
- Prior art keywords
- content
- determining
- bainite steel
- target
- target component
- 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
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
Landscapes
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
本申请公开了一种基于大数据的贝氏体钢合金组分含量确定方法,该方法借助于测定材料的化学性质来分析材料。本申请中的方法通过贡献值对目标组分在贝氏体钢冶炼过程中发挥的作用进行表征,则仅需根据目标组分的贡献值设计贝氏体钢的合金组分和合金组分的含量即可,无需分别地考察不同合金组分之间的影响,有利于降低贝氏体钢合金组分含量确定的门槛,提高贝氏体钢合金组分含量确定的效率。通过本说明书中的方法制得的贝氏体钢材料可以应用于特种铁路轨道制造、万能机床、矿山开采等领域。
Description
技术领域
本申请涉及借助于测定材料的化学性质来分析材料的技术领域,尤其涉及一种基于大数据的贝氏体钢合金组分含量确定方法。
背景技术
金属材料冶炼过程中,合金组分以及合金组分的含量将一定程度的影响到冶炼得到的合金的性能,该性能可以通过晶粒尺寸、晶粒形状表征。换而言之,金属材料冶炼的目标,一方面可以定义为:获得具有一定晶粒尺寸和晶粒形状的金属材料。则可以通过对合金组分的控制和对合金组分的含量的控制,实现冶炼目的。金属材料冶炼过程涉及诸多因素的影响,很难确定出各个合金组分、以及各个合金组分的含量对合金性能造成的影响。
金属材料包括贝氏体钢合金,贝氏体合金近年来在新材料领域备受关注。贝氏体钢用途广泛,近年来在特种铁路轨道制造、万能机床、矿山开采等领域表现优异。
但是,贝氏体转变温度范围较广,目标的贝氏体钢晶粒尺寸和晶粒形状获得的难度较大。相关技术中也难以获得贝氏体钢晶粒尺寸和晶粒形状,与合金组分和合金组分的含量之间的、可量化的对应关系。
发明内容
本申请实施例提供了一种基于大数据的贝氏体钢合金组分含量确定方法及装置,以至少部分的解决上述技术问题。
本申请实施例采用下述技术方案:
第一方面,本申请实施例提供一种基于大数据的贝氏体钢合金组分含量确定方法,所述方法包括:
确定第一指定数量个合金组分,作为目标组分;
根据历史上获取到的目标冶炼数据,将目标冶炼数据对应的任一次冶炼中,各目标组分的含量,作为一个数据组,其中,所述目标冶炼数据是通过冶炼得到目标贝氏体钢时采用的冶炼数据,所述目标贝氏体钢是晶粒尺寸在目标尺寸范围内、且晶粒形状对应于目标晶粒形状的贝氏体钢;
针对每个数据组,确定该数据组对应的贝氏体钢的有效率,其中,所述有效率是根据该数据组对应的贝氏体钢的晶粒尺寸分布得到的;
针对每个数据组中的每个目标组分,根据该目标组分的含量与有效率的比值,确定该数据组对应的各个项;
构建指定矩阵,其中,所述指定矩阵的列与所述数据组一一对应,每一列中的元素,与数据组对应的项一一对应;
将所述指定矩阵输入盲源分离模型,得到各目标组分的贡献值;
根据各目标组分的贡献值,确定冶炼贝氏体钢时采用的目标组分的含量。
在本说明书一个可选的实施例中,确定冶炼贝氏体钢时采用的目标组分的含量之后,所述方法还包括:
根据确定出的目标组分的含量,执行贝氏体钢冶炼。
在本说明书一个可选的实施例中,所述合金组分包括以下至少一种:Si、S、Ca、Mn、Cr、Ni、Mo、B、Ti、C。
在本说明书一个可选的实施例中,确定该数据组对应的贝氏体钢的有效率,包括:
确定该数据组对应的贝氏体钢的晶粒尺寸的分布;
根据晶粒尺寸的分布,确定贝氏体钢的晶粒尺寸的方差;
根据所述方差,确定该数据组对应的贝氏体钢的有效率,其中,所述有效率与所述方差正相关。
在本说明书一个可选的实施例中,针对每个数据组中的每个目标组分,根据该目标组分的含量与有效率的比值,确定该数据组对应的各个项,包括:
针对每个目标组分,获取所述目标组分的含量设计范围;
根据所述含量设计范围,确定所述目标组分的校正值,其中,所述校正值是0至1之间的数,所述校正值与含量设计范围的范围宽度正相关;
针对每个数据组中的每个目标组分含量,将通过校正值校正后的该目标组分含量与有效率的比值,作为该数据组对应的项。
在本说明书一个可选的实施例中,根据各目标组分的贡献值,确定冶炼贝氏体钢时采用的目标组分的含量,包括:
对各目标组分的贡献值进行归一化;
根据归一化的结果,和预设的铁含量,确定冶炼贝氏体钢时采用的目标组分的含量。
第二方面,本申请实施例还提供一种贝氏体钢铁路轨道制备方法,所述方法包括:
确定贝氏体钢的各目标组分;
获取各目标组分的含量,其中,所述各目标组分的含量是通过第一方面中任意一种方法得到的;
根据各目标组分的含量,执行贝氏体钢冶炼,得到贝氏体钢材料;
采用所述贝氏体钢材料,制备铁路轨道。
第三方面,本申请实施例还提供一种基于大数据的贝氏体钢合金组分含量确定装置,用于实现前述第一方面中的任一种方法。
第四方面,本申请实施例还提供一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行所述第一方面中的任一种方法。
第五方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行所述第一方面中的任一种方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
本说明书中的方法借助于测定材料的化学性质来分析材料,本说明书中的方法通过贡献值对目标组分在贝氏体钢冶炼过程中发挥的作用进行表征,则仅需根据目标组分的贡献值设计贝氏体钢的合金组分和合金组分的含量即可,无需分别地考察不同合金组分之间的影响,有利于降低贝氏体钢合金组分含量确定的门槛,提高贝氏体钢合金组分含量确定的效率。通过本说明书中的方法制得的贝氏体钢材料可以应用于特种铁路轨道制造、万能机床、矿山开采等领域。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提供的一种全息展示场景示意图;
图2为本说明书实施例提供的一种全息展示过程示意图;
图3为本说明书实施例提供的一种基于大数据的贝氏体钢合金组分含量确定装置结构示意图;
图4为本申请实施例中一种电子设备的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其它元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
以下结合附图,详细说明本申请各实施例提供的技术方案。
本说明书提供一种基于大数据的贝氏体钢合金组分含量确定方法。该方法包括以下步骤:
S100:确定第一指定数量个合金组分,作为目标组分。
通常情况下,贝氏体合金组分不唯一。贝氏体钢中包含的任意一种元素均可以作为本说明书中的合金组分。
在合金组分较多的情况下,可以根据实际的需求,从各合金组分中确定出作为冶炼过程中的调整对象的合金组分,作为目标组分。
第一指定数量可以根据实际的需求确定,示例性地,第一指定数量可以是10或20等。在某些情况下,可以将除铁以外的其他所有组分,均作为目标组分。
在本说明书一个可选的实施例中,合金组分包括以下至少一种:Si、S、Ca、Mn、Cr、Ni、Mo、B、Ti、C。
S102:根据历史上获取到的目标冶炼数据,将目标冶炼数据对应的任一次冶炼中各目标组分的含量作为一个数据组。
本说明书中的过程旨在借助于测定材料的化学性质来分析材料。本说明书中的过程基于历史上采集的目标冶炼数据,所述目标冶炼数据是通过冶炼得到目标贝氏体钢时采用的冶炼数据,所述目标贝氏体钢是晶粒尺寸在目标尺寸范围内、且晶粒形状对应于目标晶粒形状的贝氏体钢。
冶炼数据表示出贝氏体钢的合金组分、各合金组分的含量、冶炼得到的贝氏体钢的晶粒尺寸和冶炼得到的贝氏体钢的晶粒形状等。
一次冶炼过程,即可以采集到一个冶炼数据。一个冶炼数据,可以得到一个数据组。可选地,在任意一个数据组中,各目标组分的含量按照为目标组分预先设定的指定次序排序。指定次序可以人为定义。
在本说明书中,确定出的数据组的数量为第二指定数量个,第二指定数量可以根据实际的需求确定。第二指定数量大于1。
S104:针对每个数据组,确定该数据组对应的贝氏体钢的有效率。
通常情况下,贝氏体钢的韧性、不易脆断的性能是人们所需的,则贝氏体钢的晶粒分布越均匀,对贝氏体钢的韧性、不易脆断越有益。本说明书中的有效率,即为衡量贝氏体的韧性、不易脆断的自定义指标。
在本说明书一个可选的实施例中,确定有效率的过程可以是:针对每个数据组,确定该数据组对应的贝氏体钢的晶粒尺寸的分布;根据晶粒尺寸的分布,确定贝氏体钢的晶粒尺寸的方差;根据所述方差,确定该数据组对应的贝氏体钢的有效率,所述有效率与所述方差正相关。可选地,可以直接将方差作为有效率。
针对除贝氏体钢以外的其他金属材料,可以通过其他方式确定其有效率。
S106:针对每个数据组中的每个目标组分,根据该目标组分的含量与有效率的比值,确定该数据组对应的各个项。
针对每个数据组,目标组分与该数据组对应的项一一对应。
在本说明书一个可选的实施例中,可以针对每个数据组中的每个目标组分,直接将该目标组分的含量与有效率的比值,作为该数据组对应于该目标组分的项。
在本说明书另一个可选的实施例中,可以针对每个目标组分,获取所述目标组分的含量设计范围(可以是人为设定的)。根据所述含量设计范围,确定所述目标组分的校正值,所述校正值是0至1之间的数,所述校正值与含量设计范围的范围宽度正相关。针对每个数据组中的每个目标组分含量,将通过校正值校正后的该目标组分含量与有效率的比值,作为该数据组对应的项。
可选地,确定校正值的过程可以是:将含量设计范围表示出的最大值减去含量设计范围表示出的最小值,得到中间值(即,范围宽度)。采用sigmoid函数对中间进行处理,得到校正值。
采用校正值对目标组分含量进行校正的过程可以是:针对每个目标组分含量,将该目标组分含量乘以其对应的校正值,得到对该目标组分含量校正的结果。
含量设计范围一定程度的表示出了其对应的目标组分的含量的可调性。若目标组分的含量的可调性越高,则含量设计范围也越大。通过本步骤的校正,能够将目标组分的含量的可调性体现在后续步骤得到的贡献值中,使得目标组分的设计者的意愿能够以量化的形式表示出来。
S108:构建指定矩阵,其中,所述指定矩阵的列与所述数据组一一对应,每一列中的元素,与数据组对应的项一一对应。
S110:将所述指定矩阵输入盲源分离模型,得到各目标组分的贡献值。
在本说明书中,贡献值是指目标组分对目标要冶炼得到的贝氏体钢的晶粒尺寸和晶粒形状做出的贡献。以目标组分的贡献值越大,表明该目标组分对目标要获得的贝氏体发挥的作用越大。
在本说明书一个可选的实施例中,可以采用python的MNE包提供的FastICA软件对盲源分离模型进行求解,得到各目标组分的贡献值。示例性的,盲源分离模型可以表示为Y(t)=WS(t)。其中Y是指定矩阵,W是分离矩阵。t是指定矩阵的第t个列。
可见,本说明书中的方法通过贡献值对目标组分在贝氏体钢冶炼过程中发挥的作用进行表征,则仅需根据目标组分的贡献值设计贝氏体钢的合金组分和合金组分的含量即可,无需分别地考察不同合金组分之间的影响,有利于降低贝氏体钢合金组分含量确定的门槛,提高贝氏体钢合金组分含量确定的效率。
S112:根据各目标组分的贡献值,确定冶炼贝氏体钢时采用的目标组分的含量。
在本说明书一个可选的实施例中,可以对各目标组分的贡献值进行归一化;根据归一化的结果,和预设的铁含量,确定冶炼贝氏体钢时采用的目标组分的含量。
具体地,可以将1减去预设的铁含量(百分数),得到可用含量。针对每个目标组分,将该目标组分的归一化的结果乘以可用含量,得到冶炼贝氏体钢时采用的该目标组分的含量。
基于相同或相近的思路,本说明书进一步提供一种基于大数据的贝氏体钢合金组分含量确定装置,如图2所示,该装置包括以下模块:
目标组分确定模块200,确定第一指定数量个合金组分,作为目标组分。
数据组确定模块202,配置为根据历史上获取到的目标冶炼数据,将目标冶炼数据对应的任一次冶炼中,各目标组分的含量,作为一个数据组,其中,所述目标冶炼数据是通过冶炼得到目标贝氏体钢时采用的冶炼数据,所述目标贝氏体钢是晶粒尺寸在目标尺寸范围内、且晶粒形状对应于目标晶粒形状的贝氏体钢。
有效率确定模块204,配置为:针对每个数据组,确定该数据组对应的贝氏体钢的有效率,其中,所述有效率是根据该数据组对应的贝氏体钢的晶粒尺寸分布得到的。
项确定模块206,配置为:针对每个数据组中的每个目标组分,根据该目标组分的含量与有效率的比值,确定该数据组对应的各个项。
指定矩阵确定模块208,配置为:构建指定矩阵,其中,所述指定矩阵的列与所述数据组一一对应,每一列中的元素,与数据组对应的项一一对应。
贡献值确定模块210,配置为:将所述指定矩阵输入盲源分离模型,得到各目标组分的贡献值。
目标组分的含量确定模块212,配置为:根据各目标组分的贡献值,确定冶炼贝氏体钢时采用的目标组分的含量。
在本说明书一个可选的实施例中,所述装置还包括冶炼模块,配置为根据确定出的目标组分的含量,执行贝氏体钢冶炼。
在本说明书一个可选的实施例中,所述合金组分包括以下至少一种:Si、S、Ca、Mn、Cr、Ni、Mo、B、Ti、C。
在本说明书一个可选的实施例中,有效率确定模块204,具体配置为:确定该数据组对应的贝氏体钢的晶粒尺寸的分布;根据晶粒尺寸的分布,确定贝氏体钢的晶粒尺寸的方差;根据所述方差,确定该数据组对应的贝氏体钢的有效率,其中,所述有效率与所述方差正相关。
在本说明书一个可选的实施例中,项确定模块206,具体配置为:针对每个目标组分,获取所述目标组分的含量设计范围;根据所述含量设计范围,确定所述目标组分的校正值,其中,所述校正值是0至1之间的数,所述校正值与含量设计范围的范围宽度正相关;针对每个数据组中的每个目标组分含量,将通过校正值校正后的该目标组分含量与有效率的比值,作为该数据组对应的项。
在本说明书一个可选的实施例中,项确定模块206,具体配置为:对各目标组分的贡献值进行归一化;根据归一化的结果,和预设的铁含量,确定冶炼贝氏体钢时采用的目标组分的含量。
能够理解,上述基于大数据的贝氏体钢合金组分含量确定装置,能够实现前述实施例中提供的由基于大数据的贝氏体钢合金组分含量确定装置执行的全息展示过程的各个步骤,关于基于大数据的贝氏体钢合金组分含量确定方法的相关阐释均适用于基于大数据的贝氏体钢合金组分含量确定装置,此处不再赘述。
本说明书进一步提供一种贝氏体钢铁路轨道制备方法,所述方法包括以下步骤:
S300:确定贝氏体钢的各目标组分。
S302:获取各目标组分的含量,其中,所述各目标组分的含量是通过前述基于大数据的贝氏体钢合金组分含量确定方法得到的。
S304:根据各目标组分的含量,执行贝氏体钢冶炼,得到贝氏体钢材料。
本是说明书对贝氏体钢冶炼过程的工艺参数不做具体限制,工艺参数可以根据实际的需求确定。
S306:采用所述贝氏体钢材料,制备铁路轨道。
铁路轨道可以包括钢轨、道岔等。制备方法可以包括锻造、车削等。
图4是本申请的一个实施例电子设备的结构示意图。请参考图4,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成一种基于大数据的贝氏体钢合金组分含量确定装置。处理器,执行存储器所存放的程序,并具体用于执行前述任意一种全息展示过程。
上述如本申请图2所示实施例揭示的一种基于大数据的贝氏体钢合金组分含量确定装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图2中基于大数据的贝氏体钢合金组分含量确定装置执行的至少部分方法步骤。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图2所示实施例中一种基于大数据的贝氏体钢合金组分含量确定装置执行的方法,并具体用于执行前述的任意一种基于大数据的贝氏体钢合金组分含量确定方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于大数据的贝氏体钢合金组分含量确定方法,其特征在于,所述方法包括:
确定第一指定数量个合金组分,作为目标组分;
根据历史上获取到的目标冶炼数据,将目标冶炼数据对应的任一次冶炼中各目标组分的含量作为一个数据组,其中,所述目标冶炼数据是通过冶炼得到目标贝氏体钢时采用的冶炼数据,所述目标贝氏体钢是晶粒尺寸在目标尺寸范围内、且晶粒形状对应于目标晶粒形状的贝氏体钢;
针对每个数据组,确定该数据组对应的贝氏体钢的有效率,其中,所述有效率是根据该数据组对应的贝氏体钢的晶粒尺寸分布得到的;
针对每个数据组中的每个目标组分,根据该目标组分的含量与有效率的比值,确定该数据组对应的各个项;
构建指定矩阵,其中,所述指定矩阵的列与所述数据组一一对应,每一列中的元素,与数据组对应的项一一对应;
将所述指定矩阵输入盲源分离模型,得到各目标组分的贡献值;
根据各目标组分的贡献值,确定冶炼贝氏体钢时采用的目标组分的含量。
2.如权利要求1所述方法,其特征在于,确定冶炼贝氏体钢时采用的目标组分的含量之后,所述方法还包括:
根据确定出的目标组分的含量,执行贝氏体钢冶炼。
3.如权利要求1所述方法,其特征在于,所述合金组分包括以下至少一种:Si、S、Ca、Mn、Cr、Ni、Mo、B、Ti、C。
4.如权利要求1所述方法,其特征在于,确定该数据组对应的贝氏体钢的有效率,包括:
确定该数据组对应的贝氏体钢的晶粒尺寸的分布;
根据晶粒尺寸的分布,确定贝氏体钢的晶粒尺寸的方差;
根据所述方差,确定该数据组对应的贝氏体钢的有效率,其中,所述有效率与所述方差正相关。
5.如权利要求1所述方法,其特征在于,针对每个数据组中的每个目标组分,根据该目标组分的含量与有效率的比值,确定该数据组对应的各个项,包括:
针对每个目标组分,获取所述目标组分的含量设计范围;
根据所述含量设计范围,确定所述目标组分的校正值,其中,所述校正值是0至1之间的数,所述校正值与含量设计范围的范围宽度正相关;
针对每个数据组中的每个目标组分含量,将通过校正值校正后的该目标组分含量与有效率的比值,作为该数据组对应的项。
6.如权利要求5所述方法,其特征在于,根据各目标组分的贡献值,确定冶炼贝氏体钢时采用的目标组分的含量,包括:
对各目标组分的贡献值进行归一化;
根据归一化的结果,和预设的铁含量,确定冶炼贝氏体钢时采用的目标组分的含量。
7.一种贝氏体钢铁路轨道制备方法,其特征在于,所述方法包括:
确定贝氏体钢的各目标组分;
获取各目标组分的含量,其中,所述各目标组分的含量是通过权利要求1至权利要求6任意一种方法得到的;
根据各目标组分的含量,执行贝氏体钢冶炼,得到贝氏体钢材料;
采用所述贝氏体钢材料,制备铁路轨道。
8.一种基于大数据的贝氏体钢合金组分含量确定装置,所述装置用于实现权利要求1~6之任一所述方法。
9.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行权利要求1~6之任一所述的方法。
10.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行所述权利要求1~6之任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110888474.4A CN113327650B (zh) | 2021-08-04 | 2021-08-04 | 一种基于大数据的贝氏体钢合金组分含量确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110888474.4A CN113327650B (zh) | 2021-08-04 | 2021-08-04 | 一种基于大数据的贝氏体钢合金组分含量确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113327650A CN113327650A (zh) | 2021-08-31 |
CN113327650B true CN113327650B (zh) | 2021-12-28 |
Family
ID=77427072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110888474.4A Active CN113327650B (zh) | 2021-08-04 | 2021-08-04 | 一种基于大数据的贝氏体钢合金组分含量确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113327650B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101545058B (zh) * | 2009-05-07 | 2010-10-06 | 合肥工业大学 | 一种WC-Co梯度硬质合金材料的制备方法 |
CN111640474B (zh) * | 2020-05-15 | 2022-09-23 | 合肥通用机械研究院有限公司 | 一种预定显微组织的离心铸造合金材料设计方法 |
CN112164431A (zh) * | 2020-09-23 | 2021-01-01 | 北京科技大学 | 一种多基元合金的设计方法及系统 |
-
2021
- 2021-08-04 CN CN202110888474.4A patent/CN113327650B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113327650A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275491B (zh) | 一种数据处理方法及装置 | |
US20190018753A1 (en) | Software program fault localization | |
CN111353850B (zh) | 一种风险识别策略的更新、风险商户的识别方法和装置 | |
Hu et al. | Prediction of mechanical properties of wrought aluminium alloys using feature engineering assisted machine learning approach | |
CN113327650B (zh) | 一种基于大数据的贝氏体钢合金组分含量确定方法 | |
Kazakov et al. | Assessment and interpretation of nonmetallic inclusions in steel | |
CN109582741A (zh) | 特征数据处理方法和装置 | |
Koopman et al. | Removal of heavy metals and lanthanides from industrial phosphoric acid process liquors | |
Çöl et al. | An artificial neural network model for toughness properties in microalloyed steel in consideration of industrial production conditions | |
CN113554228A (zh) | 还款率预测模型的训练方法及还款率的预测方法 | |
Aslam et al. | Sampling plan using EWMA statistic of regression estimator | |
Zhang et al. | Influence of chemical composition on intergranular corrosion susceptibility of novel Super304H austenitic heat-resistant steel | |
Seyedrezai et al. | Effects of martensite particle size and spatial distribution on work hardening behaviour of fine-grained dual-phase steel | |
Ballard et al. | Double twist torsion testing to determine the non recrystallization temperature | |
CN108460673A (zh) | 一种训练数据的处理方法及装置 | |
Odette et al. | Effects of Composition and Heat Treatment on Hardening and Embrittlement of Reactor Pressure Vessel Steels | |
Hoffmann | UNCTAD and trade liberalization | |
Trzaska | Empirical formulas for the calculations of the hardness of steels cooled from the austenitizing temperature | |
Wang et al. | Effect of isothermal bainitic processing on microstructures and mechanical properties of novel Mo and Nb microalloyed TRIP steel | |
CN113516453A (zh) | 建设项目投资资金管控预警方法、装置、设备及介质 | |
Moura et al. | Computational thermodynamic analysis of secondary phases in super ferritic stainless steels | |
CN117153281A (zh) | 一种预测合金推荐率和收得率的方法、设备及介质 | |
Hertzman et al. | Nitrogen solubility in alloy systems relevant to stainless steels | |
Wróbel et al. | Search for the optimal soaking temperature for hyperquenching of the GX2CrNiMoCuN 25-6-3-3 duplex cast steel | |
Lehmann et al. | Thermodynamics, precipitation kinetics, coupled models development: three main axes of research in physical chemistry at ArcelorMittal global R&D Maizières process |
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 |