神经网络在冷轧301S不锈钢极薄带材表面硬度预测中的应用

• 作者: 冯岩 宫美娜 李志峰 邢淑清 麻永林
• 来源期刊: 钢铁
• 关键词: 冷轧 不锈钢 神经网络 工艺参数 硬度预测
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 冶金工艺技术
• 页码范围: 63-67
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	麻永林	内蒙古科技大学材料与冶金学院	214	926	12.0	16.0
2	邢淑清	内蒙古科技大学材料与冶金学院	130	501	11.0	13.0
3	宫美娜	内蒙古科技大学材料与冶金学院	7	30	3.0	5.0
4	李志峰	内蒙古科技大学材料与冶金学院	8	38	4.0	5.0
5	冯岩		3	11	2.0	3.0