[發明專利]一種基于PSO-ELM的熱軋板材組織-性能預測方法

有效

• 申請號: 201310752648.X
• 申請日: 2013-12-31
• 公開（公告）號: CN103761423A
• 公開（公告）日: 2014-04-30
• 發明（設計）人: 曹衛華;李熙;吳敏;安劍奇;陳鑫;胡學敏
• 申請（專利權）人: 中南大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 長沙市融智專利事務所 43114
• 代理人: 黃美成

技術領域

本發明屬于板材生產過程控制技術領域，涉及一種基于PSO-ELM的熱軋板材組織-性能預測方法。?

背景技術

隨著鋼鐵冶金技術的發展，近年來，用戶對鋼材內部質量的要求越來越高，不僅對鋼材有嚴格的化學成分要求，還要求鋼材有良好的力學性能，能夠滿足具體條件下的性能指標和使用壽命。?

目前，大多數鋼鐵企業對成品取樣后通過金屬力學性能檢驗設備來檢驗成品的各項力學性能指標。在板材軋制完后，從一批成品中取一卷板材作為抽樣產品，在抽樣產品上切割足夠量的試料，并制作成試樣，通過相關的力學實驗如鋼模脹形試驗、杯突試驗和金屬拉伸試驗等，獲取這卷板材的力學性能參數，作為這批產品的力學性能指標。?

現有的檢驗手段不僅要對成品進行破壞性取樣，需要耗費大量的設備費用和人工費用，導致效率低下，降低了鋼鐵企業的自動化水平，而且也只是從一批產品中的一卷板材上切割一段材料進檢驗，無法代表這卷板材甚至這一批產品的性能指標，具有很大的隨機性和局限性。?

發明內容

本發明所要解決的技術問題是提出一種基于PSO-ELM算法的熱軋板材力學性能預測方法，該方法基于PSO-ELM算法實現熱軋板材力學性能的預測，有效解決目前熱軋板材力學性能依賴現場取樣檢驗的問題，從而減少取樣帶來的金屬損失，節省了現場檢驗的設備費用和人工費用，提高了效率。?

一種基于PSO-ELM的熱軋板材組織-性能預測方法，包括以下步驟：?

步驟1：獲取板材的化學元素含量以及板材的熱軋過程參數；?

所述板材的化學元素含量包括碳、硅、錳、磷、硫、銅、鈮、鉻及鋁化學元素的含量，所述板材的熱軋過程參數包括板坯厚度、粗軋坯厚、成品厚度、開軋溫度、終軋溫度及卷曲溫度；?

步驟2：建立板材的冷卻速率模型，按照步驟1中獲得的數據求得板材的冷卻速率R_c；?

RC=TF-TCtCtC=LCVD]]>

式中，T_F為終軋溫度，T_C為卷曲溫度，t_C為冷卻時間，L_C為實測冷卻段總長度，V_D為甩尾速率；?

步驟3：按照步驟1獲取的數據與步驟2獲取的冷卻速率對板材進行力學性能試驗，獲得板材的屈服強度、抗拉強度及延伸率的試驗值；?

所述力學性能試驗包括鋼模脹形試驗、杯突試驗和金屬拉伸試驗；?

步驟4：建立基于ELM（極限學習機）的熱軋板材組織-性能預測模型；?

以步驟1和步驟2獲得的數據作為熱軋板材組織-性能預測模型輸入層的節點數據，以步驟3獲得的屈服強度、抗拉強度及延伸率作為熱軋板材組織-性能預測模型輸出層的節點數據，隱含層至少包括8層；?

步驟5：將熱軋板材組織-性能預測模型輸入層與隱含層之間的連接權值和隱含層節點的偏置值作為粒子群搜索空間中的一個粒子，采用粒子群優化算法對粒子進行迭代尋優，設定粒子種群個數，隨機生成粒子位置、速度、慣性權值w、加速參數r1和r2，計算粒子的適應度函數，按照粒子優化群算法中的位置和速度更新公式進行更新，直到滿足迭代條件，輸出最優粒子并賦值給熱軋板材組織-性能預測模型；?

設定適應度函數為其中，N為訓練樣本總數，y_ij表示熱軋板材組織-性能預測模型中第j個輸出值的第i次預測值，t_ij為第j個輸出值的第i次試驗獲得的試驗值；?