陈欢欢,刘 晔,闫 博

(宝山钢铁股份有限公司中央研究院,上海 201999)

轧制过程材料组织性能预测是利用物理冶金学、机器学习、计算机视觉等模型,对轧制过程中的各种金属学现象进行计算机模拟,预测出轧后产品组织状态和力学性能,进行成分和轧制工艺的优化设计,从而实现对产品的质量控制[1]。随着生产数据库的不断积累和算法的不断进步,机器学习方法正在被重点关注,开始被大量地应用于组织性能预测。

本文首先开发了一种工艺评估模型,它能够根据用户设置的化学成分、产品规格、工艺参数和所需要的预测精度,评估产品性能值所在的区间。此模型的基础是自主开发的概率区间估计算法,它通过全面对比不同机器学习回归模型的效果,和充分考虑历史生产数据的分布规律,预测性能值可能落在的区间,以及落在此区间的可能性。本文以此算法为基础,以一种微合金高强钢为例,开发了PIDAS工艺评估模型。

同时又开发了一种工艺设计模型,它能够根据用户设置的化学成分、产品规格以及带有权重的性能目标,设计最优的轧制冷却参数。此模型的基础是本文中提出的自定义权重的模拟退火算法,它是一种基于蒙特卡洛思想设计的近似求解最优化问题的方法。在此算法基础上,借助于工艺评估模型,又开发了PIDAS工艺设计模型。

1 工艺评估模型

本章以一种微合金高强钢为例,介绍所开发PIDAS工艺评估模型。PIDAS系统已经收集了近两年该钢种生产过程的大量数据,其中包含了产品规格、化学成分、工艺参数和组织性能等。……