基于现场生产冷轧极薄不锈钢带材表面硬度极难控制的问题,针对301S不锈钢的冷轧生产工艺进行了研究,分析了不锈钢冷轧生产过程中影响表面硬度的相关工艺参数,得出材料的抗拉强度、轧制速度、轧制油温度和压下率是影响轧后材料表面硬度的关键因素.利用BP神经网络建立了预测表面硬度的非线性映射模型,并根据此模型得出了预测数据的趋势图谱.研究结果表明,压下率的变化对冷轧不锈钢表面硬度的调节能力最强,而其他参数对硬度的影响为10HV左右.经检验,模型的预测值和实测值的相对误差为-2.63％～2.76％,预测结果准确率高,可以用于产品质量的现场在线控制.
参考文献
| [1] | 肖白.我国冷轧（宽）板带生产现状及发展趋势[J].中国冶金,2004(04):12-16. |
| [2] | 瞿晓,陈伟.遗传算法和BP神经网络在铜板带轧制力预测中的应用[J].科技通报,2011(02):238-240,245. |
| [3] | 于孟,张清东,何汝迎,李实,叶乃威.冷轧SUS301和SUS304不锈钢表面硬度控制工艺优化研究[J].钢铁,2010(01):64-69. |
| [4] | Kim D J;Kim Y C;Kim B M .Optimization of the Irregular Shape Rolling Process With an Artificial Neural Network[J].Journal of Materials Processing Technology,2001,113(01):131. |
| [5] | 郭明伟,王明旭,姜萍,张文辉.不锈钢应变诱发马氏体相变研究[J].一重技术,2007(05):41-42. |
| [6] | 徐建林;居春艳;季根顺 .不锈钢相变的研究进展[J].材料热处理技术,2008,37(14):105. |
| [7] | 刘伟,李志斌,王翔,邹骅,王立新.应变速率对奥氏体不锈钢应变诱发α'-马氏体转变和力学行为的影响[J].金属学报,2009(03):285-291. |
| [8] | 韩宝军,徐洲.低温强变形奥氏体的马氏体相变[J].钢铁研究学报,2007(05):80-83,88. |
| [9] | 杨建国,陈双建,黄楠,方坤,苑世剑,刘刚.304不锈钢形变诱导马氏体相变的影响因素分析[J].焊接学报,2012(12):89-92. |
| [10] | 张德丰.MATLAB神经网络应用设计[M].北京:机械工业出版社,2009 |
| [11] | 任建平,宋仁国,陈小明,张宇,李红霞.基于BP神经网络梯度下降算法的7003铝合金热处理工艺优化[J].宇航材料工艺,2009(04):6-9,57. |
| [12] | 胡金平,高淑琴,齐立涛.应用BP神经网络预测高速铣削表面粗糙度[J].装备制造技术,2012(06):237-238,241. |
| [13] | 吕程,王国栋,刘相华,姜正义,朱洪涛,袁建光,解旗.基于神经网络的热连轧精轧机组轧制力高精度预报[J].钢铁,1998(03):0. |
| [14] | 崔桂梅,李静,张勇,李仲德,马祥.基于T-S模糊神经网络模型的高炉铁水温度预测建模[J].钢铁,2013(11):11-15. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%