[發明專利]一種汽車用鋼淬透性預測方法

有效

• 申請號: 202110371468.1
• 申請日: 2021-04-07
• 公開（公告）號: CN113094897B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 殷晨波;李長宏
• 申請（專利權）人: 南京工業大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/16;G06F119/20
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 于瀚文;胡建華

本發明提供了一種汽車用鋼淬透性預測方法，包括：步驟1，進行汽車鋼端淬實驗，獲取所需數據，構造樣本矩陣；步驟2，對異常數據進行處理；步驟3，建立端淬曲線起始點智能算法預測模型；步驟4，建立端淬曲線極小值智能算法預測模型；步驟5，建立端淬曲線數學模型；步驟6，把步驟3、步驟4、步驟5所得到的三個模型作為最終預測模型，將汽車用鋼成份和端淬距離輸入最終預測模型，得到淬透性值。本發明采用智能算法的思想，建立鋼的淬透性預測模型，比現有采用純機理分析法所建立模型精度更高，更加貼近生產實際值。

技術領域

本發明涉及一種汽車用鋼淬透性預測方法。

背景技術

隨著“節能環保”理念的深入，汽車輕量化得到越來越廣泛的關注，汽車輕量化能夠提高汽車操控性，使加速性能更好，同時還可以節約能源。鋼制品在汽車總質量中占有較大比重，在保證強度和安全性能的前提下，盡可能地提高汽車用鋼的強韌性，降低其使用量，從而減輕汽車整體質量，是汽車輕量化最有效的途徑之一。汽車用鋼的強韌性主要取決于組織狀態，獲得一定組織狀態的基礎是高溫奧氏體冷卻下來的轉變產物。這種轉變產物的特性直接與奧氏體過冷能力密切相關，衡量奧氏體過冷能力的重要尺度就是淬透性。因此，準確掌握每批次鋼材的淬透性是保證汽車鋼制品輕量化和可靠性之間平衡的首要條件。通過端淬實驗所得到的端淬曲線能夠很好的反映鋼材的這一性能，是對它的最好表達。影響汽車用鋼淬透性的因素主要是合金化程度、奧氏體化程度和晶粒度，而最重要的則是化學成分。因此，以化學成分作為基本參數來計算預測端淬曲線成為這一領域重要課題。

當前國內外研究人員對鋼的端淬曲線建模進行了深入研究，歸納起來，可分為機理建模和統計分析方法建模兩類。機理建模方法是通過對鋼的成份、晶粒度等在鋼淬透性中的作用進行分析研究，來建立數學表達式模型。但是由于淬透性涉及的各影響因素眾多，各因素間相互影響關聯，而且有些因素作用還不明確，難以建立精確定量數學表達式，所建立模型精度有待提高。統計分析方法建模方面，相關學者主要采用回歸模型和人工智能算法。如，中國專利申請號為201010287677.X，申請日為2010年09月19日的申請案公開了一種淬透性預報及生產窄淬透性帶鋼的方法，該申請案將人工神經網絡模型和增量算法結合，以化學成分對參考爐次的成分增量作為輸入，以Jominy末端淬火硬度對參考爐次的端淬值增量作為輸出，建立基于增量神經網絡的淬透性預報模型；現有中國專利申請號為CN201310598566.4申請日為2013年11月22日的申請案公開了采用非線性擬合方法建立淬透性系數與端淬硬度的一般關系式、使用支持向量機方法建立合金元素及晶粒度等級與淬透性系數的關系。現有中國專利申請號為CN201910571054.6，申請日為2019年6月28日的申請案公開了一種人工神經網絡鋼的淬透性預測方法及其預測模型建立方法，該申請案將最大相對誤差應用于控制人工神經網絡的訓練和挑選合適的網絡，并采用循環算法逐步增加神經元的方法來確定隱層神經元的個數以及克服權值不確定的缺點，從而可以有效避免神經網絡易陷入局部最小點帶來的影響并得到在滿足要求條件下的最精簡神經網絡，提高了人工神經網絡模型的預測精度和運算效率。這些算法精度雖然較高，但所預測值只是若干固定點的硬度，且物理冶金意義不明確。

人工智能算法模型的表現高度依賴于數據，主要表現在兩個方面，一方面是數據量；另一個方面是數據的準確性和有效性。在數據量方面，端淬實驗可重復多次進行，容易滿足要求。對于端淬數據的準確性和有效性如僅基于已有的數學方法進行處理是不夠的，必須與物理冶金原理相結合。

發明內容

發明目的：本發明的目的在于克服現有技術中的不足，提供了一種汽車用鋼淬透性預測方法，包括：

步驟1，進行汽車鋼端淬實驗，獲取所需數據，構造樣本矩陣；

步驟2，對異常數據進行處理；

步驟3，建立端淬曲線起始點智能算法預測模型；

步驟4，建立端淬曲線極小值智能算法預測模型；

步驟5，建立端淬曲線數學模型；