-
公开(公告)号:CN118446928A
公开(公告)日:2024-08-06
申请号:CN202410529213.7
申请日:2024-04-29
Applicant: 东北大学 , 中信金属股份有限公司 , 湖南华菱湘潭钢铁有限公司
Abstract: 本发明公开了一种基于CycleGan模型的IF钢金相照片晶界强化方法,属于材料性能预测技术领域,包括数据采集;数据处理;数据划分:将数据集按照数据划分策略划分为训练集和测试集;搭建CycleGan模型:利用两组传统生成对抗网络,分别优化最小化损失,得到两个域之间的两个数据转换函数模型;IF钢金相照片晶界强化:利用最终的CycleGan模型,对原始金相照片处理,去除金相试样表面存在的划痕,补全残缺的晶界。本发明采用上述方法,基于CycleGan模型,对不同域的两个数据集训练,得到模型结构,实现两个数据的相互转换,对于明晰IF钢晶界起到有利效果。
-
公开(公告)号:CN113128124B
公开(公告)日:2023-09-15
申请号:CN202110442000.7
申请日:2021-04-23
Applicant: 东北大学 , 河钢集团有限公司 , 河钢数字技术股份有限公司
IPC: G06F30/27 , G06N3/006 , G06F18/231 , G06F18/2415 , G06N3/047 , G06N3/086 , G16C60/00 , G16C20/70 , G06F111/04 , G06F111/06 , G06F111/10 , G06F113/26 , G06F119/14
Abstract: 本发明提供一种基于改进神经网络的多牌号C‑Mn钢力学性能预测方法,首先采集多牌号C‑Mn钢在热连轧生产过程中的生产数据并进行数据处理,然后采用前向选择的相关性分析方法生成各力学性能的样本集,采用PSO算法对BRNN网络模型训练过程中的参数进行优化,通过选取多个牌号的C‑Mn钢生产数据,使数据样本中包含了更加全面的生产工艺信息,解决了单钢种生产工艺的数据无法包括全面的工艺信息的问题;通过采用数据处理和相关性分析方法,使数据更加稳定且更具规律性,并可以有效简化预测模型的结构;通过引入PSO算法对BRNN模型进行改进,解决了其存在的容易陷入局部最小值的问题,经过改进的神经网络具有良好的泛化能力,能够更客观地符合物理冶金学规律。
-
公开(公告)号:CN111910126A
公开(公告)日:2020-11-10
申请号:CN202010781072.X
申请日:2020-08-06
Applicant: 东北大学
IPC: C22C38/02 , C22C38/06 , C22C38/26 , C22C38/28 , C22C38/38 , C21D6/00 , C21D8/02 , C21D9/00 , B21B37/56 , B21B37/74 , B21B45/00 , B21B45/02
Abstract: 本发明的一种厚规格高韧性X80管线钢及其生产方法,管线钢化学成分按质量百分数为:C:0.04~0.08%,Si:0.05~0.15%,Mn:1.75~1.85%,S:≤0.003%,P:≤0.008%,Cr:0.15~0.25%,Als:0.02~0.05%,Nb:0.07~0.08%,Ti:0.015~0.025%,余量为Fe和不可避免杂质。钢坯加热保温后进行2道次粗轧,控制开轧温度与总累积压下率,获得中间坯,并在两道次轧制之间进行水冷降温,中间坯再次水冷后,控制相应开轧、终轧温度与总累积压下率,进行3道次精轧,控制冷速与终冷温度,制得厚规格高韧性X80管线钢。本发明在合金成本大幅降低基础上,通过工艺调控,能够获得表面质量良好的钢板,兼具良好的强度与韧性,且生成效率大幅提高。
-
公开(公告)号:CN108315663B
公开(公告)日:2019-12-03
申请号:CN201810321051.2
申请日:2018-04-11
Applicant: 东北大学
Abstract: 一种540MPa级Ti微合金化热轧双相钢板及其制备方法,属于冶金技术领域;双相钢板化学成分按质量百分数为:C:0.04~0.08%,Si:0.05~0.15%,Mn:0.40~0.60%,S:≤0.015%,P:≤0.018%,Als:0.02~0.05%,Ti:0.03~0.05%,余量为Fe和不可避免的杂质;热轧双相钢板的制备方法:1)将钢坯加热至1200~1240℃,保温1.5~2.5h;2)对加热后的钢坯进行粗轧;3)对中间坯进行精轧;4)对板带进行水冷‑空冷‑水冷三段式冷却;本发明以廉价的微合金钛替代贵重合金铬和贵重微合金铌,降低了锰和硅的使用量,降低了轧机负荷,钢板组织均匀、表面质量良好,实现了抗拉强度540MPa级热轧双相钢板的低成本、易轧制、高效率生产。
-
公开(公告)号:CN108517463A
公开(公告)日:2018-09-11
申请号:CN201810320314.8
申请日:2018-04-11
Applicant: 东北大学
Abstract: 一种高延展性的FH500级船板钢及其制备方法,属于冶金技术领域;船板钢的组分按重量百分数分别为:C:0.04~0.08%,Si:0.04~0.16%,Mn:1.20~1.40%,Nb:0.03~0.04%,Ti:0.01~0.02%,Als:0.02~0.04%,P≤0.02%,S≤0.01%,其余为Fe和不可避免的杂质;FH500级船板钢的制备方法:采用厚度为120~140mm的钢坯进行加热、保温、粗轧、精轧、冷却获得成品船板钢;本发明通过采用控轧控冷技术获得组织为软相铁素体和硬相贝氏体;另外不添加Cr、Ni、Mo等元素,成本低廉;利用快速冷却的方法,可以适当提高终轧温度,降低轧机负荷,提高轧制效率,实现了一种高延展性的FH500级船板钢低成本、易轧制、高效率的生产。
-
公开(公告)号:CN108517462A
公开(公告)日:2018-09-11
申请号:CN201810320311.4
申请日:2018-04-11
Applicant: 东北大学
Abstract: 一种高延展性的EH40级船板钢及其制备方法,属于冶金技术领域;船板钢的化学成分按重量百分数分别为:C:0.04~0.08%,Si:0.04~0.16%,Mn:0.90~1.20%,Nb:0.03~0.04%,Ti:0.01~0.02%,Als:0.02~0.04%,P:≤0.02%,S:≤0.01%,其余为铁和不可避免的杂质;EH40级船板钢的制备方法:采用厚度为120~140mm的钢坯进行加热、保温、粗轧、精轧、冷却获得成品船板钢;本发明通过采用控轧控冷技术获得组织为软相铁素体和硬相贝氏体;另外不添加Cr、V、Ni等元素,成本低廉;利用快速冷却的方法,可以适当提高终轧温度,降低轧机负荷,提高轧制效率,实现了一种高延展性的EH40级船板钢低成本、易轧制、高效率的生产。
-
公开(公告)号:CN102965575A
公开(公告)日:2013-03-13
申请号:CN201210552472.9
申请日:2012-12-19
Applicant: 东北大学
Abstract: 本发明属于钢材制备领域,特别涉及一种355MPa级船板钢的超快冷制备方法。本发明方法是:首先按照设定化学组分冶炼钢水,将钢水浇铸成坯,并将坯料加热轧制成连铸板坯,将连铸板坯加热进行粗轧,然后进行精轧,精轧开轧温度为950~1000℃,终轧温度为900~950℃,压下率≥50%,得到钢板,对钢板采用超快速冷却工艺,以40~50℃/s冷却到700~750℃,然后采用层流冷却,以8~15℃/s的速度冷却到600~650℃,最后空冷至室温,得到屈服强度≥355MPa,抗拉强度490~630MPa,-40℃夏氏冲击功≥34J,标准拉伸样的延伸率≥22%的355MPa级船板钢。本发明通过轧后的超快速冷却和层流冷却,实现高温控轧,提高了轧制效率,降低轧机负荷,更好的实现减量化生产。
-
公开(公告)号:CN118314998B
公开(公告)日:2025-02-18
申请号:CN202410529220.7
申请日:2024-04-29
Applicant: 东北大学 , 中信金属股份有限公司 , 湖南华菱湘潭钢铁有限公司
Abstract: 本发明提供了一种融合物理冶金与数据驱动的热轧带钢力学性能预测方法,属于热轧材料力学性能预测研究领域,包括:获取热轧带钢的生产数据集,通过遗传算法优化的物理冶金模型计算热轧带钢的各组织成分占比;构建力学性能预测所需数据集并进行预处理,得到预处理后的数据集;将预处理后的数据集划分为训练集和测试集;构建随机森林模型,利用随机森林模型对训练集进行计算,获取最优参数,并对测试集进行力学性能预测。本发明采用上述的一种融合物理冶金与数据驱动的热轧带钢力学性能预测方法,将成分工艺参数与各相分数占比同时作为输入数据实现对钢材力学性能的预测,可有效提高力学性能预测精度,有助于实现工艺参数的优化,提高产品质量。
-
公开(公告)号:CN118314234A
公开(公告)日:2024-07-09
申请号:CN202410529215.6
申请日:2024-04-29
Applicant: 东北大学
IPC: G06T11/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06V10/44 , G06V10/77 , G06N5/01 , G06N20/20 , G06N3/08
Abstract: 本发明公开了一种改进自编码器网络的C‑Mn钢显微组织图像生成方法,属于钢铁显微组织图像预测技术领域,包括获取C‑Mn数据集;对C‑Mn数据集进行预处理及扩充;对自编码器进行改进;构建编码器与解码器网络模型;应用编码器模型进行特征提取;构建PCA模型;构建XGBoost模型;将自设定的成分工艺数据依次输入到训练完毕的XGBoost模型、PCA模型及解码器模型中,得到预测的显微组织预测图像。本发明通过在传统的自编码器结构中引入稠密卷积块构成DCB‑AE网络,通过基于DCB‑AE网络的数据降维与升维方法解决了传统AE网络对于大尺度图像拟合的问题,此外,结合机器学习模型提高了显微组织图像生成模型的泛化能力。
-
公开(公告)号:CN118298978A
公开(公告)日:2024-07-05
申请号:CN202410529210.3
申请日:2024-04-29
Applicant: 东北大学 , 中信金属股份有限公司 , 湖南华菱湘潭钢铁有限公司
Abstract: 本发明公开了一种物理冶金指导的热轧钢材力学性能机器学习方法,属于钢板生产和数据统计建模的交叉领域,包括:采集热轧钢板数据并对数据进行预处理;基于钢板数据和物理冶金学理论计算物理冶金参数;采用粒子群优化算法优化力学性能计算模型参数,构建力学性能预测模型。本发明采用上述的一种物理冶金指导的热轧钢材力学性能机器学习方法,搭建高质量数据集,选择最优算法建模对力学性能进行预测,实现指导钢板生产。
-
-
-
-
-
-
-
-
-