[发明专利]热轧钢棒材热处理后的力学性能预测系统及预测方法

权利要求书

1.一种热轧钢棒材热处理后的力学性能预测系统，其特征在于，所述系统包括数据库通信模块、流程控制模块、机器学习算法模块、物理冶金模型模块；在系统的预测过程中会将每一批钢的现场生产数据输入机器学习算法模块，由机器学习算法模块计算出初步力学性能，并存储至现场数据库。

2.一种热轧钢棒材热处理后的力学性能预测系统的预测方法，其特征在于，包括如下步骤：

(1)将数据库中存储的热处理力学性能实验数据进行处理；

(2)采用DNN神经网络进行反向推导，输入参数是热处理后力学性能实验数据以及热处理工艺，输出参数是剔除热处理工艺参数波动影响的典型力学性能参数；

(3)完成数据处理后，利用处理过后的热处理性能数据以及数据库中生产相关工艺数据；

(4)以工艺数据为基础训练深度卷积神经网络，训练过程中首先将生产相关工艺数据以4行5列的形式处理为二维数组并输入深度卷积神经网络进行预测，采用深度卷积神经网络结构为4*5的输入参数和3*4+2*3+5的输出参数，其中输出参数为处理过后的热处理性能数据。

3.根据权利要求2所述的热轧钢棒材热处理后的力学性能预测系统的预测方法，其特征在于，步骤(2)中，所述DNN神经网络结构为20*100*5。

4.根据权利要求2所述的热轧钢棒材热处理后的力学性能预测系统的预测方法，其特征在于，步骤(2)中，所述力学性能实验数据包括常温拉伸屈服强度、常温拉伸抗拉强度、常温拉伸断后伸长率、常温拉伸屈强比、面缩。

5.根据权利要求2所述的热轧钢棒材热处理后的力学性能预测系统的预测方法，其特征在于，步骤(2)中，所述热处理工艺包括热处理件直径、室温、炉温最小值、炉温最大值、炉温中间值、炉温升温速率、坯料升温速率、在炉时间、空冷时间、油温、油淬时间、水温、水冷时间。

6.根据权利要求2所述的热轧钢棒材热处理后的力学性能预测系统的预测方法，其特征在于，步骤(2)中，所述典型力学性能参数包括平均拉伸屈服强度、平均拉伸抗拉强度、平均拉伸断后伸长率、平均拉伸屈强比试验、平均面缩。

7.根据权利要求2所述的热轧钢棒材热处理后的力学性能预测系统的预测方法，其特征在于，步骤(3)中，所述生产相关工艺数据包括成品钢种、成品直径、厚度、宽度、长度、碳元素、硅元素、锰元素、磷元素、铝元素、钒元素、钛元素、铬元素、钛元素、炉内加热温度、炉内加热时间、开轧温度、减定径入口温度、热处理工艺编号。