基于PLS的钢板性能预测与优化的应用研究
基于多尺度PLS模型的软测量技术研究
基于多尺度PLS模型的软测量技术研究近年来，随着工业化的进程，越来越多的工厂开始采用软测量技术来实现对生产过程的精准控制。
软测量技术是利用现代计算机技术和模型识别方法，通过对生产过程中的重要变量进行实时监测和预测，实现对生产过程的优化控制。
而多尺度PLS模型是软测量技术中的重要方法之一。
多尺度PLS模型是一种基于多元统计学和机器学习的数据建模和预测算法。
它适用于多变量输入和输出的模型建立和预测问题。
它可以将输入数据集划分为多个尺度，每个尺度中的数据分布独立，可以用PLS模型进行建模和预测。
然后利用加权移动平均方法将各个尺度的结果融合起来，得到整体的建模和预测结果。
相比于传统的单尺度建模方法，多尺度PLS模型具有更好的预测性能和稳健性。
多尺度PLS模型的关键是如何确定合适的尺度划分和相关参数。
通常采用交叉验证和基于信息准则的方法来确定最优的尺度划分和相关参数。
交叉验证是一种将原始数据集分割为训练集和测试集的方法，通过反复地训练和测试模型，得到最优的模型参数和尺度划分。
而基于信息准则的方法是利用模型的复杂度和预测误差之间的关系来确定最优的模型参数和尺度划分。
多尺度PLS模型在软测量技术中的应用十分广泛。
以化工行业为例，多尺度PLS模型可以应用于反应过程的建模和预测。
通过对反应过程中的重要变量进行监测和预测，可以实现反应过程的稳定控制和产量的提高。
此外，多尺度PLS模型还可以应用于产品质量的预测和监测，以及设备的故障预测和诊断等方面。
但是，多尺度PLS模型也存在一些问题。
首先，多尺度PLS模型的尺度划分需要根据具体问题进行选取，如果选择不当，可能会影响模型的预测效果。
其次，多尺度PLS模型对数据的预处理和特征提取比较敏感，需要进行合理的数据预处理和特征提取才能得到较好的预测结果。
综上所述，多尺度PLS模型是软测量技术中一种有效的数据建模和预测方法，可以应用于多领域的生产和控制问题。
在实际应用中，需要根据具体问题进行尺度划分和参数调整，以及合理的预处理和特征提取，才能取得最好的预测效果。
基于BP神经网络的冷轧带钢的力学性能预测
维普资讯
Ｎ ． ｏ３
Ｓ ｐ ｅ ｂ ｒ２ ０ ｅ ｔｍ ｅ ０ ６
《 重型机械科技 》
ＨＥＡＶＹ ＡＣＨ Ｉ ＲＹ ＣＩ Ｍ ＮＥ Ｓ ＥＮＣＥ ＡＮＤ ＴＥＣＨＮ０Ｌ ０ＧＹ
基于 Ｂ Ｐ神 经 网络 的 冷 轧 带 钢 的 力 学 性 能预 测
侍 红岩 廖 湘辉 朱颖 杰
（． １内蒙古 民族 大学 ， 内蒙古 ０８０ ；． 庆钢铁集 团公司 ， ２２０２重 重庆 ４０８） ００ １
摘要 ： 利用 Ｂ Ｐ神经网络的方法预测 Ｓ Ｃ Ｐ Ｃ冷轧带钢产 品力学性能并 以现场得到 的化学成分 （ Ｓ、 、 、 Ｃ、ｉＭｎ Ｐ Ｓ Ａ１和工艺参数 （ 、） 退火温度、 轧制速度） 正交试 验数 据为基础 ， 采用离线学 习的方 法得 出网络的预报值 。 关键词 ： Ｐ神经网络； Ｂ 冷轧带钢 ； 化学成分 ； 工艺参数 ； 预测模 型
并且以大规模模拟计算为主， 于联想 、 善 概括 、 类 比和推广 ， 而且还有很强的自学能力［ 。目前 ， １ ］ 在
工艺中应用最广泛的是具有多层前馈 网络结构且 采用反向传播训练方法的 Ｂ Ｐ模 型和它的变形形 式。近年来 ， 人工神经网络理论 的研究取得 了较 大的进展 ， 已有很多学者利用 Ｂ Ｐ神经 网络研究 了冷轧板形高 精度 控制 技术［ ， ２ 轧制 力预 报模 ］ 型 以及冷轧板厚度的测定［等等问题。但 对于 ４ 冷轧带钢 的力学性能的检测还主要是依赖于现场 抽样检测 和经 验公 式相结 合 的方式 。 本文 以重钢某厂冷轧带钢生产线作为研究对 象． 在获得大量 现场 生产数据 的前提下 ， 建立 了 Ｂ 神经网络力学性能预测模型并用于生产 过程 Ｐ
用BP神经网络预测热镀锌钢板的拉伸强度
用BP神经网络预测热镀锌钢板的拉伸强度
贺俊光;文九巴;李俊
【期刊名称】《机械工程材料》
【年(卷),期】2007(031)003
【摘要】运用BP神经网络,建立了热镀锌各工艺参数对热镀锌钢板力学性能影响的数学模型,并与线性回归模型进行了比较.结果表明:BP神经网络预测均方根偏差明显比线性回归预测均方根偏差小,表明该BP神经网络模型用于热镀锌板力学性能预测是可行的,并具有一定的实用性.
【总页数】3页(P60-62)
【作者】贺俊光;文九巴;李俊
【作者单位】河南科技大学材料科学与工程学院,河南洛阳,471003;河南科技大学材料科学与工程学院,河南洛阳,471003;宝钢冷轧厂,上海,200941
【正文语种】中文
【中图分类】TG335.22
【相关文献】
1.基于BP神经网络预测高强钢筋与高强混凝土的粘结锚固强度 [J], 王希伟;杨勇新
2.磷石膏充填体强度GA-BP神经网络预测模型 [J], 刘志祥;周士霖;郭永乐
3.基于遗传算法优化的BP神经网络预测混凝土抗压强度 [J], 许杰淋;曾强;余佳蓓;吉旭
4.BP神经网络预测织物拉伸性能 [J], 梅兴波;顾伯洪
5.非饱和残坡积土强度随含水量变化的改进BP神经网络预测研究 [J], 肖治宇;陈昌富;彭钊
因版权原因，仅展示原文概要，查看原文内容请购买。
利用偏最小二乘回归方法(PLS)解析、优化钢铁生产流程的各限制性环节
Ｋｅ ｒ ｓ ｐｒａ ｌ ｓ ｓｕｒｓｒｇｅｓ ｎ（ Ｌ ） ｎ ｙｉ ａｄｏｔ ｉ ｔ ｎ ｉ ｔ ｇｆ ｔ ｎｓ ｅ ａｄｉ ｎ ｍ ｋｎ ｙｗｏｄ ： ａｔ ａｔ ｑａｅ ｅｒｓｉ Ｐ Ｓ ；ａａ ｓ ｎ ｐｉ ｚ ｉ ；ｌ ｉ ｃｏ ｉ ｔ ｌ ｎ ｒ ａｉｇ ｉ ｅ ｌ ｏ ｌ ｓ ｍ ａｏ ｍｉｎ ａ ｒ ｅ ｏ
析工具 ， 以打开错综复杂 ， 可 影响因素交叉 重叠 这一看不见 的钢铁 生产各流程黑 箱 ， 指导操作 调整 ， 指引改造升级 ， 为解析 、 优化钢铁生产流程的各限制性环节提供 了一个很好的手段． 关键词 ： 偏最ｄ ＿ 回归方法 （ Ｌ ） 解析优化 ；钢铁流程限制性 环节 ｘ －乘 ＰＳ ；
ｔ ｎ ｏ ｌ － ａ ｉ ｔｓａｉｔ ａ ｎ ｙ ｉ ｆｒ ｃ ｍｐ ｅ ｙ ｔ ｍ ，ａ ｅ ｐ ｅ ｅ ｔｄ ｉ ｈ ｒ ｃｅ Ｔ ｅ ｒｄ ｃ ｉｎ ｄ ｇ ａ ａ ｏ ｎ ｅ ｉ ｆｍｕ ｔ ｖ ｒ ｔ ｔ ｉｌ ａ ａ ｓｓ ｏ ｏ ｌｘ ｓ ｓｅ ｏ ｉ ｎ ａ ｓｃ ｌ ｒ ｒｓ ｎ ｅ ｎ ｔ ｅ ａ ｔ ｌ ． ｈ ｅ ｕ ｔ ｅ ｒｄ ｔ ｎ ｉ ｄ ｘ ｉ ｏ ｉ
中图分类号 ： Ｂ４７ ０２ １５ Ｔ ９ ； ４ ． 文献标 识码 ： Ａ
Ａｎ ｌｓｓａ ｄ ｏ ｔ ｉａ ｉ ｎ ｏ ｈ ｉ ｔ ｇ ｆ ｃ ｏ ｓ ｉ ｔ ｅ ｎ ａｙ ｉ ｎ ｐ ｉ ｚ ｔ ｆｔ ｅ ｌ ｍ ｏ ｍｉｉ ａ ｔ ｒ ｎ ｓｅ ｌａ ｄ ｎ
ｐｒ ｃ ｓ ｏｅ ｓ
Ｏ 前
言
能耗 指标 或 限制 性 环 节之 间是 什 么关 系． 何 能 清 如 晰地 表 明哪些参 数对 产 品产 量 、 质量 、 能耗指 标或 限
钢铁 联合 企业 一般 由烧结 、 炼铁 、 钢 、 钢 、 炼 轧 销
金属材料的数值分析优化研究
金属材料的数值分析优化研究随着科技的发展，金属材料的需求和应用也越来越广泛。
而数值分析优化研究技术的应用，不仅可以提高金属材料的机械性能和耐腐蚀性能，还可以降低其成本。
本文将阐述金属材料的数值分析优化研究，包括其概念和方法。
一、数值分析数值分析是将数学方法和计算机技术应用于物理、化学、工程等领域的一种方法。
在金属材料领域，数值分析可以通过模拟现实情况，预测材料的性能和行为，帮助人们更好地理解金属材料，并优化设计。
1.常用数值方法数值分析的方法有很多，根据不同的应用领域和计算模型，选用不同的数值方法。
在金属材料领域，常用的数值方法包括：有限元法、有限差分法、边界元法、解析法、计算流体力学等。
其中有限元法是最常用的方法之一。
有限元法将结构分割成有限数量的小部件(称为有限元)，并用数学方程表示每个元素的力学行为。
将所有元素的行为综合在一起，计算机可以在有限时间内解析整个材料的性能。
2.数值分析应用数值分析在金属材料领域的应用范围非常广泛。
数值分析可以在金属结构的设计、制造和使用过程中进行材料特性和性能的评估。
例如：金属构件的刚度、强度和耐久性等指标的精细计算；金属的塑性变形和损伤特性的研究；金属材料的疲劳寿命评估等。
二、数值优化数值优化是指在特定条件下，在不断试验和模拟的基础上，通过对数学模型的优化实现达到最佳效果的过程。
在金属材料领域，数值优化可以通过改善材料的成分和结构来提高金属材料的性能，从而满足不同的应用要求。
1.数值优化方法对于金属材料的数值优化，常用的方法包括：拟合法、样条法、遗传算法、模拟退火法、差分进化算法等。
其中，遗传算法是应用最广泛的一种优化方法之一。
它模拟了自然界中的优胜劣汰策略，通过不断迭代寻找最优的材料组合。
遗传算法具有强大的搜索能力和全局寻优能力，在金属材料的优化中有着广泛的应用。
2.数值优化应用数值优化在金属材料领域的应用包括：改善金属材料的强度、韧性、耐腐蚀性、抗疲劳性等性能指标。
先进高强度钢板冲压成形回弹的预测与控制的开题报告
先进高强度钢板冲压成形回弹的预测与控制的开题报告一、研究背景随着工业生产的发展，高强度钢板在汽车、航空、轨道交通等领域得到广泛应用。
因其材质硬度高、强度大、耐腐蚀等特点，可以有效提高产品的使用寿命和安全性能。
但是，在高强度钢板冲压成形的过程中，由于材料的特性，往往会出现回弹现象。
回弹会导致成品尺寸偏差，影响零件的质量和精度。
针对高强度钢板回弹问题，国内外学者们已经开展了大量的研究工作。
其中，预测与控制成为优化回弹问题的解决方案之一。
然而，现有的预测与控制研究主要集中在低碳钢板上，针对高强度钢板的研究仍然较为薄弱。
因此，本论文旨在深入研究高强度钢板冲压成形回弹的预测与控制方法，探讨应用于实际生产中的可行性。
二、研究内容与技术路线（一）研究内容1. 高强度钢板回弹问题的分析与归纳2. 预测模型的建立与验证3. 控制方法的探讨与实现4. 实验验证与结果分析（二）技术路线1. 数据收集采集高强度钢板的材料性能数据，包括弹性模量、屈服强度、延伸率等。
2. 预测模型的建立与验证基于经验模型、数值模型和统计模型，建立高强度钢板冲压成形回弹的预测模型，并对模型进行验证。
3. 控制方法的探讨与实现探讨高强度钢板回弹的控制方法，包括材料、工艺、设备等方面的变量进行控制，实现高强度钢板回弹的控制。
4. 实验验证与结果分析通过实验验证预测模型和控制方法的有效性，并对实验结果进行分析和总结，为进一步研究提供科学依据。
三、研究意义本论文的研究为高强度钢板冲压成形回弹的预测与控制提供了一种新方法，有助于解决高强度钢板回弹问题，提高产品的品质和精度，降低生产成本和资源浪费。
同时，本论文的研究也有助于推动高强度钢板冲压成形技术的发展，提高我国产业竞争力。
MATLAB在金属材料设计与优化中的应用方法
MATLAB在金属材料设计与优化中的应用方法随着科学技术的不断发展，金属材料的设计与优化变得越来越重要。
在此背景下，计算机辅助工程（CAE）的应用就凸显出了其巨大的潜力和优势。
作为一种功能强大的科学计算软件，MATLAB在金属材料设计与优化中发挥了重要的作用。
本文将探讨MATLAB在该领域中的应用方法。
首先，MATLAB在金属材料的建模方面具有独特的优势。
它提供了一系列强大的数值计算和数值模拟工具，可以帮助研究人员对金属材料的结构进行建模和分析。
例如，MATLAB中的图像处理工具箱可以对金属材料的显微组织图像进行处理和分析，从而得到金属的晶粒大小、晶界分布等参数。
此外，MATLAB还可以通过有限元分析等数值方法，对金属材料的力学性能进行模拟和预测。
通过这些建模和分析工具，研究人员可以更加深入地了解金属材料的微观结构和宏观性能，为金属材料的设计和优化提供科学依据。
其次，MATLAB在金属材料的性能优化方面也具有显著的优势。
金属材料的性能优化是一个复杂的多目标优化问题，需要综合考虑多个性能指标和约束条件。
MATLAB提供了一系列优化工具箱，可以帮助研究人员进行多目标优化、约束优化等问题的求解。
例如，通过MATLAB中的遗传算法工具箱，可以对金属材料的成分、热处理工艺等参数进行优化，从而实现金属材料性能的最大化。
此外，MATLAB还可以与其他软件进行集成，实现多学科、多尺度的优化设计。
这些优化工具的应用，不仅可以提高金属材料的性能，还可以降低产品研发时间和成本。
此外，MATLAB在金属材料的数据分析方面也具有重要的应用价值。
金属材料的设计与优化过程中，需要处理大量的实验数据和仿真结果。
MATLAB提供了丰富的数据处理和统计分析工具，可以帮助研究人员对金属材料的实验数据进行预处理、分析和可视化。
例如，通过MATLAB中的统计工具箱，可以对不同试样的实验数据进行方差分析、回归分析等统计方法，得到相应的结论和预测。
人工神经网络如何进行金属材料设计和性能预测？
人工神经网络如何进行金属材料设计和性能预测？1. 材料组分优化在金属材料设计中，材料的组分是一个重要的因素。
通过调整组分可以改变材料的特性，如强度、硬度、耐腐蚀性等。
使用人工神经网络可以通过学习大量的组分-性能关系数据，建立组分-性能的映射模型。
这个模型可以帮助材料工程师在给定一定的性能要求时，快速找到合适的组分组合。
例如，当材料需要同时具有高强度和良好的可焊性时，人工神经网络可以优化组分含量，使材料满足这些要求。
2. 材料性能预测人工神经网络还可以用于预测材料的性能，例如材料的力学性能、热学性能、导电性等。
通过学习大量的材料性能数据，人工神经网络可以建立材料性能与组分、处理方式等因素之间的关系模型。
通过这个模型，材料工程师可以在没有实际制备材料的情况下，预测材料的性能。
这可以节省大量的时间和成本，并帮助设计具有目标性能的材料。
3. 加速材料设计过程材料设计通常是一个复杂而耗时的过程。
需要对不同的组分和工艺进行大量的试验和测试。
而使用人工神经网络可以大大加速材料设计过程。
通过学习已有的数据，人工神经网络可以学习到材料的特征和规律，无需进行耗时的实验。
这样，材料工程师可以更快地找到合适的组分和工艺参数，并加快新材料的开发速度。
4. 预测材料的失效行为除了预测材料的基本性能外，人工神经网络还可以帮助预测材料的失效行为。
例如，通过学习大量的数据，可以建立材料疲劳寿命与应力、温度等因素之间的关系模型。
这个模型可以帮助工程师评估材料的安全性，及时发现潜在的失效风险，并采取相应的措施进行预防。
在金属材料设计和性能预测中，人工神经网络的应用已经取得了很大的成功。
它能够通过学习大量的数据，挖掘出材料的隐藏规律，并为材料工程师提供有价值的指导。
然而，人工神经网络也面临着一些挑战，例如需要大量的数据进行训练，以及模型的解释性较弱。
针对这些问题，研究人员正在不断改进人工神经网络的算法和方法，以提高其在金属材料设计和性能预测中的应用效果。
基于VLBP算法6061的力学性能预测
基于VLBP算法6061的力学性能预测
戴志晃;李康顺;五婷
【期刊名称】《世界有色金属》
【年(卷),期】2009(000)005
【摘要】针对SiC颗粒增强的6061铝合金复合材料性能表征复杂的情况，利用人工神经网络的VLBP算法，建立了复合材料性能预测模型。
该模型具有一定的指导意义。
【总页数】2页(P36-37)
【作者】戴志晃;李康顺;五婷
【作者单位】(Missing);(Missing);(Missing)
【正文语种】中文
【相关文献】
1.基于BP神经网络的钢材力学性能预测算法 [J], 李杨
2.钢材力学性能预测系统的数据预处理算法 [J], 李杨;潘志刚;于子金
3.基于VLBP神经网络算法的中国旅游外汇收入预测研究 [J], 李泓颖;李
飞;Mikhalev Daniil Sergeevich
4.基于卷积神经网络模型的Gd2O3/6061Al中子屏蔽材料的力学性能预测 [J], 张鹏;李靖;王文先;贾程鹏;马颖峰;徐文瑞
5.基于BP神经网络的钢材力学性能预测算法 [J], 李杨
因版权原因，仅展示原文概要，查看原文内容请购买。
pls模型sep计算公式
PLS模型助力预测精度提升：SEP标准误差预测公式解析在数据科学和机器学习的领域里，偏最小二乘法模型（PLS）是一种强大的工具，广泛应用于各种预测和建模任务。
而在实际应用中，我们通常会使用SEP（标准误差预测）来评估模型的预测精度。
本文将深入解析SEP的计算公式，并探讨如何利用PLS模型来优化预测精度。
一、SEP标准误差预测公式解析SEP，也称为标准误差预测，是评估模型预测精度的重要指标。
其计算公式为：SEP = (1/n) * ∑(y_i - _i)^2 / σ_i^2。
在这个公式中，n表示样本数量，y_i表示实际值，_i表示预测值，σ_i 表示第i个样本的预测误差标准差。
这个公式的含义是：通过对每个样本的实际值与预测值之间的差异进行平方，然后除以每个样本的预测误差标准差，再对所有样本的差异进行平均，得到的标准误差就是SEP。
这个值越小，说明模型的预测精度越高。
二、PLS模型在预测精度提升中的应用偏最小二乘法模型（PLS）是一种有别于传统回归分析的方法，它通过建立一种复杂的模型关系，实现对数据的准确预测。
在实践中，PLS模型的应用范围广泛，包括金融、医疗、能源等多个领域。
使用PLS模型进行预测时，我们首先需要建立模型，通过迭代计算找出最佳的模型参数。
然后使用这个模型对测试数据进行预测，再利用SEP公式计算出预测精度。
通过不断调整模型参数和优化模型结构，我们可以逐步提高模型的预测精度。
三、案例分析假设我们有一个金融数据集，目标是预测股票价格。
我们使用PLS模型进行建模和预测，并使用SEP公式计算出预测精度。
初始的SEP值可能较大，但通过不断调整模型参数和优化模型结构，我们可以逐步提高模型的预测精度。
最终，当SEP值降低到一定程度时，我们可以对股票价格进行准确的预测。
四、总结与展望通过解析SEP的计算公式和使用PLS模型优化预测精度，我们可以更好地理解和应用这两种工具。
在实际应用中，我们需要根据不同的数据集和预测目标，选择合适的PLS模型和参数设置，以达到最佳的预测效果。
拉曼定量 pls-概述说明以及解释
拉曼定量pls-概述说明以及解释1.引言1.1 概述在拉曼光谱技术中，拉曼定量PLS（Partial Least Squares）是一种常用的分析方法。
它结合了光谱学与化学定量分析的方法，通过建立拉曼光谱和样品性质之间的数学模型，实现对样品中各种化合物的定量分析。
概括来说，拉曼定量PLS方法通过采集样品的拉曼光谱数据，并结合已知浓度的标准样品进行建模。
通过标准样品的光谱与浓度之间的关系，通过PLS算法建立一个回归模型。
然后，使用该模型可以根据样品的拉曼光谱数据，预测出其中各种化合物的浓度。
与其他分析方法相比，拉曼定量PLS方法具有许多优势。
首先，由于拉曼光谱是一种非破坏性的分析技术，样品在测试过程中不需要任何特殊处理或破坏性操作。
其次，拉曼光谱对于各种化合物具有很好的选择性和灵敏度，可以分析许多有机和无机物质。
此外，拉曼光谱还具有快速、准确和实时分析的特点，使其在化学、医药、生物等领域广泛应用。
在实际应用中，拉曼定量PLS方法已被广泛用于药品质量控制、食品安全检测、环境监测等领域。
它不仅可以用于单一化合物的定量分析，还可以同时分析多种化合物的浓度。
由于其高效、可靠和经济的特点，拉曼定量PLS方法在工业生产中也受到了广泛的关注和应用。
总之，拉曼定量PLS方法是一种强大而有效的分析技术，能够实现对样品中各种化合物的定量分析。
随着光谱仪器的进一步改进和技术的发展，拉曼定量PLS方法在科学研究和工业领域的应用前景将更加广阔。
1.2文章结构1.2 文章结构本文将按照以下结构进行论述和探讨拉曼定量（PLS）的相关内容。
首先，在引言部分（第1节），我们将对本文的研究背景和意义进行概述（1.1概述）。
我们将介绍拉曼定量在科学研究和工业应用中的重要性，并提出相关研究的目的（1.3目的）。
接下来的正文部分（第2节）将详细介绍拉曼定量的原理和算法。
我们首先会对拉曼光谱技术的原理进行介绍（2.1原理介绍），包括拉曼散射现象的产生和分析。
冷轧板形智能预测控制研究的开题报告
冷轧板形智能预测控制研究的开题报告一、研究背景及意义冷轧板材是一种广泛应用于船舶、汽车、军工、家电等领域的重要材料，其性能和表面质量对产品质量影响巨大。
因此，如何实现对冷轧板形的准确预测和控制已经成为该领域的研究热点。
目前，冷轧板形的预测和控制主要采用经验公式、统计学方法和数值计算方法等手段。
然而，这些方法存在一定的局限性，无法准确刻画材料的非线性特性和复杂形变过程。
因此，本研究将探索基于机器学习的智能预测控制方法，从而提高冷轧板形的预测和控制精度，降低生产成本，提高生产效率和产品质量。
二、研究内容本研究将围绕冷轧板材形的预测和控制展开，具体包括以下内容：1.研究材料特性和形变机理，建立基于有限元模拟的数据集。
2.应用机器学习算法对冷轧板形进行预测，探索深度学习方法在冷轧板形预测中的应用。
3.设计基于预测模型的控制策略，实现冷轧板形的智能控制。
4.验证所开发预测控制系统的性能，进行实验室和现场的测试和评价。
三、研究计划本研究预计为期两年，首先将进行材料性质和形变机理的研究，并利用有限元模拟建立数据集。
随后，应用机器学习算法对数据进行分析和预测，设计基于预测模型的控制策略，并进行实验室和现场测试和评价。
最后，研究人员将对研究结果进行分析总结，撰写研究报告和学术论文。
四、研究成果预期本研究预计将开发出基于机器学习的冷轧板形预测控制系统，实现冷轧板形的精确预测和智能控制。
同时，本研究将为智能制造的发展提供借鉴和启示。
该研究成果可应用于船舶、汽车、军工、家电等领域，将有助于提高产品质量，降低生产成本和提高生产效率。
钢材下料问题的多目标智能优化算法研究的开题报告
钢材下料问题的多目标智能优化算法研究的开题报告一、选题背景与意义随着社会经济的发展，钢材在工业生产和民生领域的使用越来越广泛。
在钢材生产和加工过程中，钢材下料是一个重要的加工流程，直接关系到成品质量和生产效率。
当前，钢材下料通常是由人工计算完成，这种方法存在计算量大、耗时长、容易出错等问题，因此需要一种智能优化算法来解决这些问题。
二、研究目的和研究内容本研究旨在针对钢材下料问题，提出一种多目标智能优化算法，在保证钢材尺寸和形状的精度的同时，最大限度地节省钢材的使用量和减少下料时间。
具体研究内容包括：1、对钢材下料过程进行深入的研究和分析，确定优化目标和约束条件；2、选取适合本问题的多目标优化算法，对下料方案进行优化；3、编写算法程序，进行算法验证和性能分析。
三、研究方法和技术路线本研究采用以下研究方法：1、文献调研和案例分析，对钢材下料问题进行深入研究和分析；2、选取适合本问题的多目标优化算法，如遗传算法或模拟退火算法等；3、编写算法程序，进行算法验证和性能分析。
四、论文结构安排本文共分为五个章节，具体结构安排如下：第一章绪论：介绍研究的背景、目的、研究内容、研究方法和技术路线等；第二章钢材下料问题的相关研究：对该问题的历史和现状进行描述和分析，并探讨现有算法的优缺点；第三章多目标智能优化算法的原理与实现：介绍多目标优化算法的基本原理和实现方式，并说明选用的优化算法；第四章钢材下料问题的算法优化仿真实验：设计算法进行优化仿真实验，以验证算法的可行性和有效性；第五章结论与展望：总结本文的研究成果和优化算法的应用价值，并展望未来进一步完善和改进的方向。
人工智能技术在金属材料预测与设计中的应用
人工智能技术在金属材料预测与设计中的应用随着科技的日新月异，人工智能技术已经逐渐渗透到各个领域上。
其中，在金属材料预测与设计方面，人工智能技术的应用也逐渐展现出其强大的优势。
本篇文章将探讨人工智能技术在金属材料预测与设计中的应用。
一、人工智能技术在材料属性预测中的应用材料属性预测是材料科学与工程学研究中重要的一环。
在传统的材料属性预测方法中，研究人员需要进行大量的实验和数据处理，才能获得准确可靠的预测结果。
而随着人工智能技术的发展，许多新的预测方法也随之出现。
其中，深度学习和机器学习是一些比较新的方法，具有很大的潜力和优势。
深度学习是一种基于大数据集和神经网络的学习方法。
在材料属性预测中，可以使用深度学习方法来预测材料的力学特性、热力学特性、电子结构和光学性质等方面的属性。
通过对大量材料数据进行训练，深度学习模型可以准确地预测材料的性质。
同时，深度学习模型还可以通过对数据分析和特征提取的优化，提高预测精度和效率。
机器学习是一种通过算法和数学模型对数据进行分析和预测的方法。
在材料属性预测中，机器学习可以用来解决材料性质预测的问题。
通过对现有材料数据的深入分析和学习，机器学习模型可以将数据转化为可预测的形式，并且通过不断的学习和调整，不断提高预测精度和效率。
二、人工智能技术在材料设计中的应用材料设计是一种将科学、工程和艺术的原理和方法结合在一起的新颖研究方法。
在金属材料的设计中，一些现有的材料设计常常需要进行经验或模拟，这会使得材料设计周期和成本变得很高。
因此，使用人工智能技术来实现材料设计，不仅可以大大缩短设计周期，还能节省设计成本并提高材料设计的可持续性。
在材料设计过程中，人工智能技术可以通过几种方式进行应用。
其中，一种常用的方法是使用人工智能来生成候选材料。
通过对现有材料的收集和处理，人工智能模型可以生成大量可行的候选材料，并且在预测其性质和适应性方面进行分析和优化，最终提供最合适的设计材料。
本科毕业设计pls在te过程中的故障诊断中的应用研究
摘要随着现代流程工业不断地向大型化、集成化方向发展，工业过程的复杂性不断提高，工程变量也越来越多，一旦发生故障，将会造成人员和财产的巨大损失，因此过程的故障检测和诊断已经成为控制领域研究的重点之一。
及时准确地检测和诊断出过程的故障，不仅可以减少事故、增加过程运行的安全性，而且可以降低生产管理成本，提高产品的质量。
基于数据驱动的过程架空方法由于依赖于易得的过程数据，不依赖于精确的数学模型，正受到越来越多的关注。
本文以部分最小二乘法（Partial Least Squares, PLS）为基础，针对TE过程中的21个故障数据中的几个作为重点研究对象，进行故障建模。
建模以后再通过交叉验证的方法诊断出主元的个数，用最小二乘法来判断故障诊断限，并求出回归矩阵B。
从而使预测矩阵和被预测矩阵之间建立起关系，通过已经建立的模型和求出的回归矩阵对以知的故障进行检测，判断是否达到系统所能够允许的数值。
两个主程序都是用MATLAB编写的，一个是交叉验证法程序，一个是部分最小二乘法验证程序。
交叉验证程序实现了主元个数的选取，最小二乘法验证程序能够证明PLS在TE过程故障诊断中对数据进行检测，诊断率能够达到标准。
关键词：部分最小二乘法，故障诊断，TE过程，交叉验证法。
AbstractBecause of the facts that the complexity in the industrial process improves continuingly and the engineering changes become more and more as the modern flow industry progresses in the direction of greatness and integrity, and that man power and assets will suffer from great losses if there are malfunctions, therefore the testing and diagnosing of the malfunctions in the process have already become be of importance in the field of controlling study. Correctly testing and diagnosing the malfunctions in time can, not only reduce the accidents and improve the safety in the running of the process, but also reduce the price of production and management, as well as improve the quality of products.Stemming from the process figures that are easy to get and not relying on the accurate mathematic models, the non-process methods based on figure controlling are getting more and more attention.This paper, based on the Partial Least Squares, deals with the malfunction model establishment for the 21mulfunction figures in the TE process. After the model being established, the number of the main element is diagnosed by the method of reciprocal proving and the limit of malfunction diagnosis is discriminated by PLS, then the round matrix B is got. In that way, the predicting matrix and the predicted matrix are related in some degree. The model that has been established and the round matrix thus got could test if the malfunctions are in the limit of the allowance of the system.The two main programmers are both compiled by MATLAB, with the one being reciprocal proving programming and the other the PLS.Key words: Partial Least Squares, malfunction diagnosis ，TE process, reciprocal proving methods。
高强度钢板在汽车轻量化中的应用研究的开题报告
高强度钢板在汽车轻量化中的应用研究的开题报告一、研究背景随着汽车工业的不断发展，轻量化成为未来汽车发展的主流趋势。
轻量化不仅可以减少燃油消耗，降低排放，还能提升汽车安全性能、减少噪音和振动。
高强度钢板作为轻量化的一种有效方式，广泛用于现代汽车的生产中。
因此，对高强度钢板在汽车轻量化中的应用研究具有重要的理论和实际意义。
二、研究内容本研究将从以下方面进行深入探究：1.高强度钢板的性质及特点：介绍高强度钢板的材料、化学组成、力学性能等基本特征，以及其在汽车轻量化中的优势。
2.高强度钢板的制备方法：介绍高强度钢板的制备方法，包括热轧、冷轧、热处理、喷涂等几种方法，以及各种方法的优缺点。
3.高强度钢板在汽车轻量化中的应用领域：介绍高强度钢板在汽车轻量化中的应用范围和领域，如车身、车门、车顶等，同时分析在不同领域中的技术难点和解决方法。
4.高强度钢板的性能测试和评估：介绍高强度钢板的性能测试和评估方法，包括强度、韧性、冲击能、弯曲角等多个方面的测试方法，同时分析不同测试指标之间的相互关系。
三、研究意义本研究将有利于更好地认识高强度钢板在汽车轻量化中的应用现状和发展趋势，提高高强度钢板的生产效率和技术水平。
同时，本研究对于推动汽车工业的可持续发展，减少车辆排放，降低能耗，提高乘坐安全性，具有积极的实践意义。
四、研究方法本研究将采用文献调研和实验研究相结合的方式，利用图书馆和互联网资源收集和整理高强度钢板在汽车轻量化中的应用相关的研究资料和数据。
同时，基于收集到的资料，利用各种测试设备开展高强度钢板的性能测试和评估，并进行分析比较。
五、预期结果预计本研究将得出如下结论：1.高强度钢板在汽车轻量化中的应用场景和技术难点。
2.高强度钢板的性能测试和评估方法及测试结果。
3.高强度钢板在汽车轻量化中的应用前景和未来发展趋势。
六、研究计划本研究计划于2022年9月开始，历时10个月完成。
具体计划如下：1.前期调研和文献搜集：2022年9月至10月。
脉冲电流辅助下Q960结构钢板弯曲成形性能研究
ＪｏｕｒｎａｌｏｆＭｅｃｈａｎｉｃａｌＳｔｒｅｎｇｔｈ２０２２，４４（４）：９９１⁃９９５ＤＯＩ：１０ １６５７９／ｊ．ｉｓｓｎ．１００１ ９６６９ ２０２２ ０４ ０３２∗２０２１０５０５收到初稿，２０２２０３０４收到修改稿㊂河南省高等学校重点科研项目（２０Ａ４８０００６），河南省科技发展计划项目（２０２１０２３１０５５６）资助㊂∗∗马㊀楠，女，１９８５年生，河南郑州人，汉族，郑州经贸学院讲师，硕士㊂主要从事建筑理论与设计㊂脉冲电流辅助下Ｑ９６０结构钢板弯曲成形性能研究∗ＲＥＳＥＡＲＣＨＯＮＢＥＮＤＩＮＧＦＯＲＭＡＢＩＬＩＴＹＯＦＱ９６０ＳＴＲＵＣＴＵＲＡＬＳＴＥＥＬＰＬＡＴＥＡＳＳＩＳＴＥＤＢＹＰＵＬＳＥＣＵＲＲＥＮＴ马㊀楠∗∗１㊀王素英１㊀王㊀琳２㊀李迎乐３（１．郑州经贸学院土木建筑学院，郑州４５１１９１）（２．西南交通大学建筑与设计学院，成都６１１７５６）（３．华设设计集团股份有限公司，南京２１００００）ＭＡＮａｎ１㊀ＷＡＮＧＳｕＹｉｎｇ１㊀ＷＡＮＧＬｉｎ２㊀ＬＩＹｉｎｇＬｅ３（１．ＳｃｈｏｏｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｒｃｈｉｔｅｃｔｕｒｅ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏｆＥｃｏｎｏｍｉｃｓａｎｄＴｒａｄｅ，Ｚｈｅｎｇｚｈｏｕ４５１１９１，Ｃｈｉｎａ）（２．ＳｃｈｏｏｌｏｆＡｒｃｈｉｔｅｃｔｕｒｅａｎｄＤｅｓｉｇｎ，ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１１７５６，Ｃｈｉｎａ）（３．ＨｕａｓｈｅＤｅｓｉｇｎＧｒｏｕｐＣｏ．，Ｌｔｄ．，Ｎａｎｊｉｎｇ２１００００，Ｃｈｉｎａ）摘要㊀为了提高建筑用Ｑ９６０结构钢板的弯曲成形性能，通过脉冲电流辅助方式对其内部组织进行增强㊂测定了Ｑ９６０结构钢板受到脉冲电流作用时弯曲回弹性差异，对合金施加不同脉冲电流密度进行弯曲测试，并观察其组织形貌的变化㊂研究结果表明：对Ｑ９６０钢板进行９０ʎＶ型弯曲测试得到的中性层偏移系数都达到了０ ５以上㊂当电流密度增大后，试样从弹性变形过渡到塑性变形，试样温度发生了持续升高㊂对试样施加电辅助处理时，增大电流密度后，发生了弯曲回弹角的降低；当电流密度达到２ ５Ａ／ｍｍ２时，已经观察不到回弹现象㊂在弯曲阶段加入脉冲电流时，逐渐提高电流密度后合金组织结构形成更少孪晶㊂外侧形成了大量等轴晶组织，呈现滑移塑性变形特征，引起了轻微的不对称拉压状态㊂晶粒大小约为１３μｍ，电塑性作用引起基面组织发生滑移，使得材料无需经过孪晶协调的过程便能够完成塑性转变㊂该研究对提高建筑结构钢的力学性能具有很好的意义，尤其适用于高层建筑㊂关键词㊀脉冲电流辅助㊀Ｑ９６０钢板㊀弯曲成形㊀微观组织㊀回弹㊀孪晶㊀塑性变形中图分类号㊀ＴＧ１４６㊀㊀Ａｂｓｔｒａｃｔ㊀ＴｏｉｍｐｒｏｖｅｔｈｅｂｅｎｄｉｎｇｆｏｒｍａｂｉｌｉｔｙｏｆＱ９６０ｓｔｒｕｃｔｕｒａｌｓｔｅｅｌｐｌａｔｅ，ｔｈｅｉｎｔｅｒｎａｌｓｔｒｕｃｔｕｒｅｏｆｔｈｅｓｔｅｅｌｐｌａｔｅｗａｓｅｎｈａｎｃｅｄｂｙｐｕｌｓｅｃｕｒｒｅｎｔａｓｓｉｓｔｅｄｍｅｔｈｏｄ．ＴｈｅｂｅｎｄｉｎｇｒｅｓｉｌｉｅｎｃｅｄｉｆｆｅｒｅｎｃｅｏｆＱ９６０ｓｔｒｕｃｔｕｒａｌｓｔｅｅｌｐｌａｔｅｗａｓｍｅａｓｕｒｅｄｗｈｅｎｉｔｉｓｓｕｂｊｅｃｔｅｄｔｏｐｕｌｓｅｃｕｒｒｅｎｔ．Ｔｈｅａｌｌｏｙｗａｓｓｕｂｊｅｃｔｅｄｔｏｄｉｆｆｅｒｅｎｔｐｕｌｓｅｃｕｒｒｅｎｔｄｅｎｓｉｔｉｅｓｆｏｒｂｅｎｄｉｎｇｔｅｓｔ，ａｎｄｔｈｅｃｈａｎｇｅｏｆｍｉｃｒｏｓｔｒｕｃｔｕｒｅｍｏｒｐｈｏｌｏｇｙｗａｓｏｂｓｅｒｖｅｄ．Ｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｄｅｖｉａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｏｆｎｅｕｔｒａｌｌａｙｅｒａｒｅａｂｏｖｅ０ ５ａｆｔｅｒ９０ʎＶｂｅｎｄｉｎｇｔｅｓｔ．Ｗｈｅｎｔｈｅｃｕｒｒｅｎｔｄｅｎｓｉｔｙｉｎｃｒｅａｓｅｓ，ｔｈｅｓｐｅｃｉｍｅｎｃｈａｎｇｅｓｆｒｏｍｅｌａｓｔｉｃｄｅｆｏｒｍａｔｉｏｎｔｏｐｌａｓｔｉｃｄｅｆｏｒｍａｔｉｏｎ，ａｎｄｔｈｅｔｅｍｐｅｒａｔｕｒｅｏｆｔｈｅｓｐｅｃｉｍｅｎｉｎｃｒｅａｓｅｓｃｏｎｔｉｎｕｏｕｓｌｙ．Ｗｈｅｎｅｌｅｃｔｒｉｃａｌｌｙａｓｓｉｓｔｅｄｔｒｅａｔｍｅｎｔｉｓａｐｐｌｉｅｄｔｏｔｈｅｓａｍｐｌｅ，ｔｈｅｂｅｎｄｉｎｇｒｅｂｏｕｎｄＡｎｇｌｅｄｅｃｒｅａｓｅｓｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｏｆｃｕｒｒｅｎｔｄｅｎｓｉｔｙ．Ｗｈｅｎｔｈｅｃｕｒｒｅｎｔｄｅｎｓｉｔｙｒｅａｃｈｅｓ２ ５Ａ／ｍｍ２，ｎｏｒｅｂｏｕｎｄｐｈｅｎｏｍｅｎｏｎｃａｎｂｅｏｂｓｅｒｖｅｄ．Ｆｅｗｔｗｉｎｃｒｙｓｔａｌｓｗｉｌｌａｐｐｅａｒｗｉｔｈｇｒａｄｕａｌｉｎｃｒｅａｓｅｏｆｔｈｅｃｕｒｒｅｎｔｄｅｎｓｉｔｙｉｎｔｈｅｂｅｎｄｉｎｇｐｒｏｃｅｓｓ．Ａｌａｒｇｅｎｕｍｂｅｒｏｆｅｑｕｉａｘｅｄｃｒｙｓｔａｌｓｔｒｕｃｔｕｒｅｓａｒｅｆｏｒｍｅｄｏｎｔｈｅｏｕｔｅｒｓｉｄｅ，ｓｈｏｗｉｎｇｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｌｉｐｐｌａｓｔｉｃｄｅｆｏｒｍａｔｉｏｎ，ｒｅｓｕｌｔｉｎｇｉｎａｓｌｉｇｈｔｌｙａｓｙｍｍｅｔｒｉｃｔｅｎｓｉｏｎａｎｄｃｏｍｐｒｅｓｓｉｏｎｓｔａｔｅ．Ｗｉｔｈａｇｒａｉｎｓｉｚｅｏｆ１３μｍｏｒｓｏ，ｔｈｅｍｉｃｒｏｓｔｒｕｃｔｕｒｅｏｆｔｈｅｂａｓｅｐｌａｎｅｓｌｉｐｓｄｕｅｔｏｅｌｅｃｔｒｏｐｌａｓｔｉｃａｃｔｉｏｎ，ｗｈｉｃｈｒｅａｌｉｚｅｓｔｈｅｐｌａｓｔｉｃｔｒａｎｓｆｏｒｍａｔｉｏｎｏｆｔｈｅｍａｔｅｒｉａｌｗｉｔｈｏｕｔｔｗｉｎｃｏｏｒｄｉｎａｔｉｏｎ．Ｔｈｅｒｅｓｅａｒｃｈｉｓｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｔｏｉｍｐｒｏｖｅｔｈｅｍｅｃｈａｎｉｃａｌｐｒｏｐｅｒｔｉｅｓｏｆｂｕｉｌｄｉｎｇｓｔｒｕｃｔｕｒａｌｓｔｅｅｌ，ｅｓｐｅｃｉａｌｌｙｆｏｒｈｉｇｈ⁃ｒｉｓｅｂｕｉｌｄｉｎｇｓ．Ｋｅｙｗｏｒｄｓ㊀Ｐｕｌｓｅｃｕｒｒｅｎｔａｓｓｉｓｔ；Ｑ９６０ｓｔｅｅｌｐｌａｔｅ；Ｂｅｎｄｉｎｇｆｏｒｍｉｎｇ；Ｍｉｃｒｏｓｔｒｕｃｔｕｒｅ；Ｓｐｒｉｎｇｂａｃｋ；Ｔｗｉｎ；ＰｌａｓｔｉｃｄｅｆｏｒｍａｔｉｏｎＣｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ：ＭＡＮａｎ，Ｅ⁃ｍａｉｌ：ｍａｎｍａｎｙｕ２３＠１２６．ｃｏｍＴｈｅｐｒｏｊｅｃｔｓｕｐｐｏｒｔｅｄｂｙｔｈｅＫｅｙＳｃｉｅｎｔｉｆｉｃＲｅｓｅａｒｃｈＰｒｏｊｅｃｔｏｆＨｉｇｈｅｒＥｄｕｃａｔｉｏｎＩｎｓｔｉｔｕｔｉｏｎｓｏｆＨｅｎａｎＰｒｏｖｉｎｃｅ（Ｎｏ．２０Ａ４８０００６），ａｎｄｔｈｅＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＤｅｖｅｌｏｐｍｅｎｔＰｌａｎｏｆＨｅｎａｎＰｒｏｖｉｎｃｅ（Ｎｏ．２０２１０２３１０５５６）．Ｍａｎｕｓｃｒｉｐｔｒｅｃｅｉｖｅｄ２０２１０５０５，ｉｎｒｅｖｉｓｅｄｆｏｒｍ２０２２０３０４．㊀９９２㊀机㊀㊀械㊀㊀强㊀㊀度２０２２年㊀㊀㊀引言㊀㊀钢板属于建筑领域的一个重要结构件，其弯曲质量对保证建筑稳定具有很大的作用㊂要满足很低的拉延深度比，导致实际制造难度大幅提高［１⁃３］㊂考虑到现加工方式基本都是属于两道次成型的模式，无法满足高生产效率的要求，而且实际制造成本无法得到有效控制，这对大规模生产造成了阻碍［４⁃５］㊂针对模具结构进行调整时，大部分企业并未建立系统化的科学分析方法，受制于测试评价方法本身的缺陷，需要花费大量的处理时间，导致开发周期明显增加，最终引起产品开发效率的下降［６⁃７］㊂还有研究人员通过设置脉冲电流来提升合金组织流变性，从而对其在加工阶段的回弹过程起到明显抑制，由此获得更高精度的成型尺寸［８⁃９］㊂董文彬等［１０］在经过预变形处理后的钢板基体两端连接正负极并在施加脉冲电流的条件下完成拉伸变形，与常规处理工艺相比，该试样延伸率提高了２倍以上㊂此外，当Ｑ９６０钢板发生预变形时，可以促使原先裂纹愈合，从而进一步提高了力学强度㊂聂昕等［１１］测试了在钢板内通入脉冲电流下Ｕ型弯曲情况，结果显示，施加电脉冲后，钢板回弹程度发生了明显减小，而且在脉冲电流作用下还能够大幅缩短相变的时间，能够实现应力的明显降低，由此获得更小的回弹程度㊂虽然已有大量学者针对合金的弯曲回弹现象进行了研究，但由于缺少对脉冲电流辅助对回弹影响的分析，这对实际研究过程带来了一定的制约［１２⁃１４］㊂本文测定了Ｑ９６０钢板受到脉冲电流作用时弯曲回弹性差异，对合金施加脉冲电流进行弯曲测试，并观察了其组织形貌的变化㊂１㊀实验㊀㊀本文重点研究了对合金进行不同电辅助成形工艺下处理时引起的综合性能变化㊂本次选择的Ｑ９６０钢板厚度为２ｍｍ，脉冲电流通过ＣＴＮＰ⁃１２／２０００（６０００）ＦＮ电源形成，各项工艺参数见表１㊂表１㊀脉冲电源参数Ｔａｂ．１㊀Ｐｕｌｓｅｐｏｗｅｒｓｕｐｐｌｙｐａｒａｍｅｔｅｒｓ参数Ｐａｒａｍｅｔｅｒ输入电压Ｉｎｐｕｔｖｏｌｔａｇｅ／Ｖ输入额定电流Ｉｎｐｕｔｒａｔｅｄｃｕｒｒｅｎｔ／Ａ输出额定电压Ｏｕｔｐｕｔｒａｔｅｄｖｏｌｔａｇｅ／Ｖ输出额定电流Ｏｕｔｐｕｔｒａｔｅｄｃｕｒｒｅｎｔ／Ａ取值Ｖａｌｕｅ３８０４５１０６０００㊀㊀图１为电辅助弯曲模具示意图［１５］１１３⁃１１７，板材外形为方形结构，长度５０ｍｍ㊁宽度２０ｍｍ㊁厚度１ ８ｍｍ，按照与长度方向一致的方向实施轧制，同时利用金相砂纸完成试样表面的打磨，充分去除毛刺㊂本实验采用万能拉伸机对试样进行了电辅助弯曲表征，同时将横梁的运行速度设定在５ｍｍ／ｍｉｎ的恒定值，保持板材和轧制之间垂直的条件下进行弯曲测试㊂依次设置电流密度为０Ａ／ｍｍ２，０ ５Ａ／ｍｍ２，１ ０Ａ／ｍｍ２，１ ５Ａ／ｍｍ２，２ ０Ａ／ｍｍ２，２ ５Ａ／ｍｍ２，比较各脉冲电流下板材的弯曲测试结果，不同电脉密度的试样各取三组进行了回弹实验，取平均值㊂图１㊀电辅助弯曲模具示意图Ｆｉｇ．１㊀Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｅｌｅｃｔｒｏａｓｓｉｓｔｅｄｂｅｎｄｉｎｇｄｉｅ为实现同步加载的效果，需保证电流和弯曲成形过程同步进行㊂测试期间，通过电辅助弯曲模具来固定弯曲试样，同时对万能测试机实施微调，确保与模具间实现理想的接触效果㊂检查确认所有电脉冲参数都设置完成后，将脉冲电源以及万能测试机启动，再通过热电偶测定了弯曲试样各部位温度㊂对上述测试后的试样采用水冷方式快速降温以实现保留高温组织的目的，接着将试样采用万能测角仪测定了弯曲角㊂２㊀结果分析２ １㊀弯曲成形性能分析㊀㊀利用中性层偏移系数Ｋ判断中性层发生偏移的情况，不同电流密度下Ｋ值结果，如图２所示㊂由图２可知，对Ｑ９６０钢板进行９０ʎＶ型弯曲测试得到的Ｋ都达到了０ ５以上，由此判断中性层沿弯曲外层方向产生了偏移㊂其中，无电流条件下弯曲测试时，Ｋ值达到了最大，Ｑ９６０钢板存在明显不对称的组织变化特征，同时中性层也达到了最大程度偏移㊂随着电流密度的持续增大，板材弯曲温度也明显上升，从而减小了拉压过程的不对称性，引起Ｋ值和中性层都达到了更小程度的偏移㊂不同电流密度下试样温度结果，如图３所示㊂由图３可知，当电流密度增大后，试样温度发生了持续升高㊂其中，电流密度设定为１ ０Ａ／ｍｍ２的情况下，试样温度只上升到１８３ħ的最高值，电流密度从１ ５㊀第４４卷第４期马㊀楠等：脉冲电流辅助下Ｑ９６０结构钢板弯曲成形性能研究９９３㊀㊀图２㊀不同电流密度下Ｋ值结果Ｆｉｇ．２㊀ＫｖａｌｕｅｄｉｓｔｒｉｂｕｔｉｏｎａｔｄｉｆｆｅｒｅｎｔｃｕｒｒｅｎｔｄｅｎｓｉｔｉｅｓＡ／ｍｍ２升高到２ ５Ａ／ｍｍ２的阶段，温度最高值发生了快速升高，从最初的２５１ħ迅速上升为４９０ħ㊂此外还可以看到，对试样贴模进行校正后，引起温度的显著下降，研究结果与文献［１５］１１３⁃１１７所得结果一致㊂这是因为以不同电流分布状态进行测试时，温度从初始状态达到最终稳定值的阶段中，凸模都跟试样呈现良好接触的性能，其中，电流经凸模进入试样中部区域，之后进一步到达两侧范围㊂出现贴模的情况时，凸模与试样间形成了面接触的效果，形成了更大的接触面，电流在这种情况将直接从接触区域到达两侧而不需要流过中部位置，因此中部形成了更低的温度㊂图３㊀不同电流密度下试样温度结果Ｆｉｇ．３㊀Ｔｅｍｐｅｒａｔｕｒｅｃｈａｎｇｅｓｏｆｓａｍｐｌｅｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｃｕｒｒｅｎｔｄｅｎｓｉｔｉｅｓ不同电流密度下试样位移－载荷结果，如图４所示㊂由图４可知，以脉冲电流方法对Ｑ９６０钢板实施弯曲测试时总共存在三个变化阶段㊂首先，在第一个阶段中发生弹性变形过程，此时载荷和变形量之间形成了线性变化特征，载荷也在变形阶段出现了小幅改变，逐渐进入塑性变形的阶段，随着试样跟凸凹模达到充分贴合后，形成了快速升高的载荷，之后到达保压校正的阶段㊂根据图４还可以发现，逐渐增大电流密度的过程中试样从弹性变形过渡到塑性变形，载荷也发生了明显下降，此时形成了更高的温度，测试材料发生了高温软化㊂通过微观结构表征发现，合金在升温阶段会引起晶粒的动态回复并发生再结晶，同时温升还具有产生额外能量的作用，促进了组织非基面滑移的效果㊂图４㊀不同电流密度下试样位移⁃载荷结果Ｆｉｇ．４㊀Ｄｉｓｐｌａｃｅｍｅｎｔ⁃ｌｏａｄｃｈａｎｇｅｓｏｆｓａｍｐｌｅｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｃｕｒｒｅｎｔｄｅｎｓｉｔｉｅｓ不同电流密度下试样回弹角结果，如图５所示㊂由图５可知，没有施加电辅助处理经弯曲测试回弹角为８ ６ʎ㊂对试样施加电辅助处理时，增大电流密度后，发生了弯曲回弹角的降低㊂随着电流密度从１ ０Ａ／ｍｍ２增大为２ ０Ａ／ｍｍ２时，出现了弯曲回弹的线性下降；当电流密度达到２ ５Ａ／ｍｍ２时，已经观察不到回弹的现象㊂屈弹比也对弯曲回弹程度存在明显影响，当电流密度增大的过程中，试样形成了更高的弯曲成形温度，并引起的屈弹比的降低，由此减小了回弹角㊂图５㊀不同电流密度下试样回弹角结果Ｆｉｇ．５㊀Ｃｈａｎｇｅｓｏｆｓａｍｐｌｅｒｅｂｏｕｎｄａｎｇｌｅｕｎｄｅｒｄｉｆｆｅｒｅｎｔｃｕｒｒｅｎｔｄｅｎｓｉｔｉｅｓ２ ２㊀微观组织分析㊀㊀板材进入塑性弯曲阶段后，内侧组织受到压应力作用，外部组织受到拉应力作用，受不对称拉压载荷影响，板材产生了明显不同的弯曲回弹㊂不同电流密度下弯曲位置的ＳＥＭ图像，如图６所示㊂由图６可知，未施加电流的条件下进行测试时，板材组织内形成了大量均匀分布的等轴晶，并且形成了明显的孪晶界，此时晶粒尺寸接近１４μｍ，相对最初板材晶粒的尺寸几乎未发生变化，板材中间组织保持良好状态㊂在弯曲阶段加入脉冲电流时，对合金组织结构进行表征发现，逐渐提高电流密度后形成更少孪晶㊂其中，电流达到１ ５Ａ／ｍｍ２时，对板材弯曲阶段到达温度状态后进行温度测试发现接近２６０ħ㊂此时在板材基体中形成了明显孪晶组织，并且孪晶界对晶粒造成㊀９９４㊀机㊀㊀械㊀㊀强㊀㊀度２０２２年㊀了切割的效果使其转变为大量的细小晶粒，部分区域产生孪晶分界层，位于分界层以外的部位还形成了相近尺寸的等轴晶㊂继续增大电流密度到２ ０Ａ／ｍｍ２的情况下，对试样进行弯曲测试时温度达到３９０ħ的稳定值㊂对板材内侧区域进行观察只发现了少量的孪晶，外侧形成了大量等轴晶组织，呈现滑移塑性变形特征，引起了轻微的不对称拉压状态㊂此时晶粒大小约为１３μｍ，电塑性作用引起基面组织发生滑移，这使得材料无需经过孪晶协调的过程便能够完成塑性转变㊂图６㊀不同电流密度下弯曲位置的ＳＥＭ图像Ｆｉｇ．６㊀ＳＥＭｉｍａｇｅｓｏｆｂｅｎｄｉｎｇｐｏｓｉｔｉｏｎｓａｔｄｉｆｆｅｒｅｎｔｃｕｒｒｅｎｔｄｅｎｓｉｔｉｅｓ㊀㊀不同电流密度下的孪晶界长度百分比统计结果，如表２所示㊂根据前期研究结果发现，可以将孪生变化过程理解成组织的极性转变［１６］，当加载方式改变时孪生形态也存在较大差异㊂考虑到拉伸孪晶在转变过程中所需驱动力很小［１７］，从而促进了板材弯曲时的内侧变形，导致板材在成形期间形成了不对称的内外层拉压应力，并引起中性层外移㊂在电塑性效应影响下，试样温度持续升高，导致合金组织发生软化，压缩孪晶无法获得足够的驱动力㊂表２㊀不同电流密度下的孪晶界长度百分比Ｔａｂ．２㊀Ｔｗｉｎｂｏｕｎｄａｒｙｌｅｎｇｔｈｐｅｒｃｅｎｔａｇｅｓａｔｄｉｆｆｅｒｅｎｔｃｕｒｒｅｎｔｄｅｎｓｉｔｉｅｓ％电流密度Ｃｕｒｒｅｎｔｄｅｎｓｉｔｙ／（Ａ／ｍｍ２）０１２拉伸孪晶Ｓｔｒｅｔｃｈｅｄｔｗｉｎ９ ３６３ ８５１ ０６压缩孪晶Ｃｏｍｐｒｅｓｓｅｄｔｗｉｎ１ ７７０ ５２０ ２８随着弯曲测试期间的孪晶数量逐渐增加后，形成了更加不对称分布的拉压状态，并造成了更明显的中性层偏移，进一步增加了回弹程度，因此可通过减小板材拉压不对称程度来控制弯曲回弹㊂随电流密度增加，孪晶数量明显减少，并且孪晶数量还会引起拉压不对称程度的明显差异㊂说明脉冲电流可以调控内部组织，微组织中细小晶粒呈现出动态再结晶特征，促进动态回复和再结晶的发生㊂动态再结晶可以协调材料塑性变形，释放应力集中，提高Ｑ９６０钢板的成形能力，进而减小回弹现象㊂３㊀结论㊀㊀１）对Ｑ９６０钢板进行９０ʎＶ型弯曲测试得到，电流密度增大引起中性层偏移系数向更小程度偏移㊂２）随电流密度增大，试样从弹性变形过渡到塑性变形，载荷下降，温度持续升高㊂对试样施加电辅助处理时，弯曲回弹角降低；当电流密度达到２ ５Ａ／ｍｍ２时，已经观察不到回弹现象㊂３）逐渐提高电流密度后弯曲合金组织结构形成更少孪晶㊂外侧形成了大量等轴晶组织，呈现滑移塑性变形特征，引起了轻微的不对称拉压状态㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）［１］㊀王思淇，顾邦平，胡㊀雄，等．高能量密度脉冲电流消减淬火Ｃｒ１２ＭｏＶ钢残余应力研究［Ｊ］．机械强度，２０２０，４２（６）：１３４３⁃１３４７．ＷＡＮＧＳｉＱｉ，ＧＵＢａｎｇＰｉｎｇ，ＨＵＸｉｏｎｇ，ｅｔａｌ．ＳｔｕｄｙｏｎｒｅｓｉｄｕａｌｓｔｒｅｓｓｒｅｄｕｃｔｉｏｎｏｆｑｕｅｎｃｈｅｄＣｒ１２ＭｏＶｓｔｅｅｌｂｙｐｕｌｓｅｃｕｒｒｅｎｔｗｉｔｈｈｉｇｈｅｎｅｒｇｙｄｅｎｓｉｔｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＭｅｃｈａｎｉｃａｌＳｔｒｅｎｇｔｈ，２０２０，４２（６）：１３４３⁃１３４７（ＩｎＣｈｉｎｅｓｅ）．［２］㊀张进，吴㊀健，王纬波，等．４５钢椭圆孔板应力集中的应变率效应［Ｊ］．机械强度，２０２０，４２（３）：６９４⁃６９９．ＺＨＡＮＧＪｉｎ，ＷＵＪｉａｎ，ＷＡＮＧＷｅｉＢｏ，ｅｔａｌ．Ｓｔｒａｉｎｒａｔｅｅｆｆｅｃｔｏｆｓｔｒｅｓｓｃｏｎｃｅｎｔｒａｔｉｏｎｏｎ４５ｓｔｅｅｌｅｌｌｉｐｔｉｃｈｏｌｅｐｌａｔｅ［Ｊ］．Ｊｏｕｒｎａｌｏｆ㊀第４４卷第４期马㊀楠等：脉冲电流辅助下Ｑ９６０结构钢板弯曲成形性能研究９９５㊀㊀ＭｅｃｈａｎｉｃａｌＳｔｒｅｎｇｔｈ，２０２０，４２（３）：６９４⁃６９９（ＩｎＣｈｉｎｅｓｅ）．［３］㊀杨红权，徐祥久，周竞超．ＳＡ⁃３８７Ｇｒ．９１钢球形封头淬火裂纹分析［Ｊ］．金属热处理，２０２０，４５（７）：２１９⁃２２３．ＹＡＮＧＨｏｎｇＱｕａｎ，ＸＵＸｉａｎｇＪｉｕ，ＺＨＯＵＪｉｎｇＣｈａｏ．ＡｎａｌｙｓｉｓｏｎｑｕｅｎｃｈｉｎｇｃｒａｃｋｓｏｆＳＡ⁃３８７Ｇｒ．９１ｓｔｅｅｌｓｐｈｅｒｉｃａｌｈｅａｄ［Ｊ］．ＨｅａｔＴｒｅａｔｍｅｎｔｏｆＭｅｔａｌｓ，２０２０，４５（７）：２１９⁃２２３（ＩｎＣｈｉｎｅｓｅ）．［４］㊀ＺｏｎｇＹ，ＬｉｕＰ，ＧｕｏＢ，ｅｔａｌ．ＳｐｒｉｎｇｂａｃｋｅｖａｌｕａｔｉｏｎｉｎｈｏｔＶ⁃ｂｅｎｄｉｎｇｏｆＴｉ⁃６Ａｌ⁃４Ｖａｌｌｏｙｓｈｅｅｔｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｄｖａｎｃｅｄＭａｎｕｆａｃｔｕｒｉｎｇＴｅｃｈｎｏｌｏｇｙ，２０１５，７６（１⁃４）：５７７⁃５８５．［５］㊀ＳｏｎｇＪ，ＪａｎｇＩ，ＧｗａｋＳ，ｅｔａｌ．Ｅｆｆｅｃｔｏｆｐｕｌｓｅｄｃｕｒｒｅｎｔｓｏｎｔｈｅｓｐｒｉｎｇｂａｃｋｒｅｄｕｃｔｉｏｎｏｆｕｌｔｒａ⁃ｈｉｇｈｓｔｒｅｎｇｔｈｓｔｅｅｌｓ［Ｊ］．ＰｒｏｃｅｄｉａＥｎｇｉｎｅｅｒｉｎｇ，２０１７（２０７）：３５９⁃３６４．［６］㊀郭子峰，冯㊀军，张 ，等．热轧酸洗轨钢Ｕ２０Ｍｎ２ＳｉＣｒＮｉＭｏ的组织与性能［Ｊ］．锻压技术，２０１７，４２（１０）：１７０⁃１７３．ＧＵＯＺｉＦｅｎｇ，ＦＥＮＧＪｕｎ，ＺＨＡＮＧＧｏｎｇ，ｅｔａｌ．ＭｉｃｒｏｓｔｒｕｃｔｕｒｅａｎｄｐｒｏｐｅｒｔｙｏｆｈｏｔｒｏｌｌｅｄａｎｄｐｉｃｋｌｅｄｓｔｅｅｌＵ２０Ｍｎ２ＳｉＣｒＮｉＭｏｆｏｒｅｎａｍｅｌｉｎｇ［Ｊ］．ＦｏｒｇｉｎｇＴｅｃｈｎｏｌｏｇｙ，２０１７，４２（１０）：１７０⁃１７３（ＩｎＣｈｉｎｅｓｅ）．［７］㊀ＬＩＸＦ，ＺＨＯＵＱ，ＺＨＡＯＳ，ｅｔａｌ．ＥｆｆｅｃｔｏｆｐｕｌｓｅｃｕｒｒｅｎｔｏｎｂｅｎｄｉｎｇｂｅｈａｖｉｏｒｏｆＴｉ６Ａｌ４Ｖａｌｌｏｙ［Ｊ］．ＰｒｏｃｅｄｉａＥｎｇｉｎｅｅｒｉｎｇ，２０１４（８１）：１７９９⁃１８０４．［８］㊀ＷＡＮＧＺ，ＳＯＮＧＨ．Ｅｆｆｅｃｔｏｆｈｉｇｈ⁃ｄｅｎｓｉｔｙｅｌｅｃｔｒｏｐｕｌｓｉｎｇｏｎｍｉｃｒｏｓｔｒｕｃｔｕｒｅａｎｄｍｅｃｈａｎｉｃａｌｐｒｏｐｅｒｔｉｅｓｏｆｃｏｌｄ⁃ｒｏｌｌｅｄＴＡ１５ｔｉｔａｎｉｕｍａｌｌｏｙｓｈｅｅｔ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｌｌｏｙｓａｎｄＣｏｍｐｏｕｎｄｓ，２００９，４７０（１／２）：５２２⁃５３０．［９］㊀杨延华．高钢级厚壁钢板ＪＣＯ弯曲成形研究［Ｊ］．塑性工程学报，２０２０，２７（８）：７２⁃８３．ＹＡＮＧＹａｎＨｕａ．ＳｔｕｄｙｏｎＪＣＯｂｅｎｄｉｎｇｆｏｒｍｉｎｇｏｆｈｉｇｈｇｒａｄｅｓｔｅｅｌｐｌａｔｅｗｉｔｈｈｅａｖｙｗａｌｌｔｈｉｃｋｎｅｓｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＰｌａｓｔｉｃＥｎｇｉｎｅｅｒｉｎｇ，２０２０，２７（８）：７２⁃８３（ＩｎＣｈｉｎｅｓｅ）．［１０］㊀董文彬，张雅晶，张㊀华，等．板材几何尺寸对激光弯曲成形角的影响［Ｊ］．塑性工程学报，２０１９，２６（６）：６２⁃６６．ＤＯＮＧＷｅｎＢｉｎｇ，ＺＨＡＮＧＹａＪｉｎｇ，ＺＨＡＮＧＨｕａ，ｅｔａｌ．Ｅｆｆｅｃｔｏｆｐｌａｔｅｇｅｏｍｅｔｒｙｓｉｚｅｏｎｌａｓｅｒｂｅｎｄｉｎｇｆｏｒｍｉｎｇａｎｇｌｅ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＰｌａｓｔｉｃＥｎｇｉｎｅｅｒｉｎｇ，２０１９，２６（６）：６２⁃６６（ＩｎＣｈｉｎｅｓｅ）．［１１］㊀聂昕，杨昕宇，牛星辉，等．基于不同Ｕ形弯曲冲压工艺的高强度钢板回弹实验研究［Ｊ］．锻压技术，２０１９，４４（１２）：１⁃１０．ＮＩＥＸｉｎ，ＹＡＮＧＸｉｎＹｕ，ＮＩＵＸｉｎＨｕｉ，ｅｔａｌ．ＥｘｐｅｒｉｍｅｎｔａｌｓｔｕｄｙｏｎｓｐｒｉｎｇｂａｃｋｏｆｈｉｇｈｓｔｒｅｎｇｔｈｓｔｅｅｌｓｈｅｅｔｂａｓｅｄｏｎｓｔａｍｐｉｎｇｐｒｏｃｅｓｓｅｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔＵ⁃ｓｈａｐｅｄｂｅｎｄｉｎｇ［Ｊ］．ＦｏｒｇｉｎｇＴｅｃｈｎｏｌｏｇｙ，２０１９，４４（１２）：１⁃１０（ＩｎＣｈｉｎｅｓｅ）．［１２］㊀赵茂俞，郝梦雨，郭宏宇，等．变形应力对弯曲回弹角的影响［Ｊ］．锻压技术，２０１９，４４（３）：２４⁃２８．ＺＨＡＯＭａｏＹｕ，ＨＡＯＭｅｎｇＹｕ，ＧＵＯＨｏｎｇＹｕ，ｅｔａｌ．Ｉｎｆｌｕｅｎｃｅｏｆｄｅｆｏｒｍａｔｉｏｎｓｔｒｅｓｓｏｎｂｅｎｄｉｎｇｓｐｒｉｎｇｂａｃｋａｎｇｌｅ［Ｊ］．ＦｏｒｇｉｎｇＴｅｃｈｎｏｌｏｇｙ，２０１９，４４（３）：２４⁃２８（ＩｎＣｈｉｎｅｓｅ）．［１３］㊀段永川，张芳芳，杨㊀柳，等．高强钢板自由弯曲回弹反馈控制研究［Ｊ］．塑性工程学报，２０１８，２５（６）：１⁃６．ＤＵＡＮＹｏｎｇＣｈｕａｎ，ＺＨＡＮＧＦａｎｇＦａｎｇ，ＹＡＮＧＬｉｕ，ｅｔａｌ．Ｒｅｓｅａｒｃｈｏｎｓｐｒｉｎｇｂａｃｋｆｅｅｄｂａｃｋｃｏｎｔｒｏｌｏｆｈｉｇｈｓｔｒｅｎｇｔｈｓｔｅｅｌａｉｒｂｅｎｄｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＰｌａｓｔｉｃＥｎｇｉｎｅｅｒｉｎｇ，２０１２，２５（６）：１⁃６（ＩｎＣｈｉｎｅｓｅ）．［１４］㊀覃智广，陈洪容，代艳霞．冲压速度对车身钢板Ｕ型弯曲回弹的影响［Ｊ］．锻压技术，２０１８，４３（１０）：７２⁃７５．ＴＡＮＺｈｉＧｕａｎｇ，ＣＨＥＮＨｏｎｇＲｏｎｇ，ＤＡＩＹａｎＸｉａ．ＩｎｆｌｕｅｎｃｅｏｆｐｕｎｃｈｉｎｇｓｐｅｅｄｏｎｓｐｒｉｎｇｂａｃｋｉｎＵ⁃ｂｅｎｄｉｎｇｐｒｏｃｅｓｓｆｏｒａｕｔｏ⁃ｂｏｄｙｓｔｅｅｌｓｈｅｅｔｓ［Ｊ］．ＦｏｒｇｉｎｇＴｅｃｈｎｏｌｏｇｙ，２００８，４３（１０）：７２⁃７５（ＩｎＣｈｉｎｅｓｅ）．［１５］㊀夏源，周㊀杰，龚光辉．脉冲电流密度对电热封头用ＳＴＣ３３０Ｒ搪瓷钢板弯曲变形性能的影响［Ｊ］．锻压技术，２０２１，４６（７）：１１３⁃１１７．ＸＩＡＹｕａｎ，ＺＨＯＵＪｉｅ，ＧＯＮＧＧｕａｎｇＨｕｉ．ＩｎｆｌｕｅｎｃｅｏｆｐｕｌｓｅｃｕｒｒｅｎｔｄｅｎｓｉｔｙｏｎｂｅｎｄｉｎｇｄｅｆｏｒｍａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｆｏｒＳＴＣ３３０Ｒｅｎａｍｅｌｓｔｅｅｌｓｈｅｅｔｕｓｅｄｉｎｅｌｅｃｔｒｉｃｈｅａｔｉｎｇｈｅａｄ［Ｊ］．ＦｏｒｇｉｎｇＴｅｃｈｎｏｌｏｇｙ，２０２１，４６（７）：１１３⁃１１７（ＩｎＣｈｉｎｅｓｅ）．［１６］㊀ＳａｌｅｍＡＡ，ＫａｌｉｄｉｎｄｉＳＲ，ＤｏｈｅｒｔｙＲＤ．Ｓｔｒａｉｎｈａｒｄｅｎｉｎｇｏｆｔｉｔａｎｉｕｍ：ｒｏｌｅｏｆｄｅｆｏｒｍａｔｉｏｎｔｗｉｎｎｉｎｇ［Ｊ］．ＡｃｔａＭａｔｅｒｉａｌｉａ，２００３，５１（１４）：４２２５⁃４２３７．［１７］㊀ＷｙａｔｔＺＷ，ＪｏｏｓｔＷＪ，ＺｈｕＤ，ｅｔａｌ．Ｄｅｆｏｒｍａｔｉｏｎｍｅｃｈａｎｉｓｍｓａｎｄｋｉｎｅｔｉｃｓｏｆｔｉｍｅ⁃ｄｅｐｅｎｄｅｎｔｔｗｉｎｎｉｎｇｉｎａｎα⁃ｔｉｔａｎｉｕｍａｌｌｏｙ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＰｌａｓｔｉｃｉｔｙ，２０１２（３９）：１１９⁃１３１．。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于PLS的钢板性能预测与优化的应用研究
针对传统的基于物质机理的钢板性能研究方法存在计算繁琐、工艺参数存在严重的耦合性、产品性能参数波动大等缺点，提出了基于PLS模型的钢板性能预测与优化模型。
首先利用历史钢板的化学成分参数、工艺设备参数和产品性能参数，通过PLS模型算法建立起钢板性能的数学模型，然后挖掘出影响钢材性能异常波动的主要参数，最后通过单纯形优化法对该数学模型的主要参数进行优化设计，使被优化的参数能够在满足多种限制条件下自动调整，使产品性能参数尽可能地逼近设定值，从而使钢板性能更加稳定。
标签：耦合性;钢板性能;PLS模型
在工业化生产中，低合金高强度结构钢板的产量所占比例最大、品种规格最多，如何经济快捷地设计产品的化学成分和生产工艺，以满足产品的性能要求，最大限度地降低生产成本，已成为国内中厚板企业共同关心的技术问题。
一、慨况
钢铁行业市场竞争的激烈程度将在市场化改革的过程中不断加剧，能活下来的钢铁企业必须具备在市场中生存发展的能力，而这样的能力必须建立在低成本生产、高品质钢材的基础之上。
要实现高品质钢材和低成本的生产目标，离不开钢板性能控制技术，即性能预报及工艺优化技术，工艺优化不仅能提高钢板性能、稳定产品质量，还可以带来生产成本的降低。
而传统的基于物质机理的钢板性能研究方法则需要将钢坯的化学成分和工艺轧制参数等大量数据按照物理模型进行繁杂的数学计算，再将计算出的理论工艺控制参数应用到实际生产当中进行试轧验证，再返回修改理论工艺控制参数，再不断地验证，如此反复;或者采用神经网络算法，构建某一钢种的数学模型对产品性能进行预测，然后再人工不断地
测试改变某一个输入变量对输出变量的影响有多少，最后再选定一个相对合理的工艺参数和化学成分进行试轧验证，如此反复。
二、基于PLS算法的钢板性能模型的建立
PLS算法是一种多因变量对多自变量的回归建模算法。
它与普通多元回归方法的主要区别是采用了信息综合与筛选技术，不再是直接考虑因变量与自变量的回归建模，而是从自变量系统中提取出对因变量具有最佳解释能力的主成分，然后对它们进行回归建模，因此，PLS算法能够有效解决自变量之间的多重相关性问题，从而有效减少回归参数的估计误差，提高模型预测精度，保持模型的稳定性，同时能够辨识系统中的信息与噪音，所以能够更好地克服自变量多重相关性系统中的不良影响。
根据中厚板生产工艺特点，将钢板的化学成分、生产工艺参数、钢板性能参数引入到PLS算法中进行建模。
输入自变量既包含有C、Fe、Si、Mn等15种化学成分，也包括有开轧温度、钢板厚度等多种工艺参数，输出因变量则包含屈服强度、抗拉强度2种钢板性能指标。
由此构成自变量X=[x
1，…，x p]n*p（p=0）。
和因变量Y=[y 1，…，y q]n*q（q=2），。
t i和u i則是第i次分别从自变量X和Y中提取的第i对主成分，因此，t i是x 1，…，x p的线性组合，u i是y 1，…，y q的线性组合。
具体PLS算法如下：
（1）将自变量矩阵X进行标准化处理，得矩阵变量E 0=[E 01，…，E 0p]n*p;将因变量矩阵Y进行标准化处理，得矩阵变量F 0=[F 01，…，F 0q]n*q。
（2）求解矩阵的最大特征值所对应的特征向量W 1。
（3）求解矩阵的最大特征值所对应的特征向量C 1。
（8）如此利用剩下的残差信息矩阵不断迭代计算，直到E m T E m中主对角元素近似0，就退出，则F 0和E 0在t 1，…，t m上的回归方程为
通过上述算法步骤，可以建立起以屈服强度、抗拉强度2种钢板性能指标为目标值，以钢板化学成分、开轧温度等参数为自变量的数学模型。
三、工程应用效果
将上述控制策略应用于柳钢的中板生产线当中，以SIMENS的PLC和WINCC作为一级自动化系统的控制器和组态软件，实现对现场设备和工艺参数的实时监控;以GE的CSENCE作为数据分析平台，并从MES系统数据库读取钢种的成分，同时通过OPC协议，读取WINCC中现场工艺参数，再通过模型的预测和优化，使被优化的参数能够在满足工艺限制条件下自动调整，使产品性能参数尽可能地逼近设定值，从而使钢板性能更加稳定。
1.离线模型的建立。
根据中厚板生产工艺特点，将钢板的化学成分、生产工艺参数、钢板性能参数引入到PLS算法中进行建模。
输入自变量既包含有C、Fe、Si、Mn等15种化学成分，也包括有钢坯开轧温度、钢板厚度等工艺参数，输出因变量则包含屈服强度、抗拉强度。
从PLS模型可以看到从样本中提取出4个主成分，能够解释自变量40%的方差信息，因变量90%以上的方差信息，同时模型预测能力超过90%，说明该模型建立十分好。
为了更直观、迅速地观测各个自变量对屈服强度和抗拉强度的重要性大小，可以绘制VIP图，从而判断哪些变量是关键变量。
VIP图2如下。
锰铝硅钛钒铌硫钼开轧温度硼的VIP值均大于0.8，说明这些自变量的变化会对屈服强度和抗拉强度能够产生较大的影响，尤其是锰的含量。
为了更直观、准确地观测各个自变量对屈服强度和抗拉强度的边际作用，可以绘制回归系数图，从而可以得到屈服强度和抗拉强度的回归方程。
由于在PLS模型中，自变量和因变量一样通过主成分分析被分解为分量，然后重新利用自变量分量预测因变量，因此可以用t i/u i（i=1，2，3，4）平面来观测线性关系。
自变量与因变量存在较强的线性关系，R2Y（cum）=0.902也证实了这一点，从而说明建立的线性回归模型是合理。
2.模型的在线优化。
根据离线建立的PLS模型参数R2Y（cum）=0.902，Q2（cum）=0.901，说明该模型具有良好的拟合能力和预测能力。
根据VIP值大于0.8的自变量，说明锰、铝、硅、钛、钒、铌、硫、钼、开轧温度、硼成为影响钢材性能异常波动的主要参数，因此，在轧钢厂正常生产时，通过MES系统将锰、铝、硅、钛、钒、铌、硫、钼、硼的化学成分含量读入到PLS模型中，再通过PLC一级自动化系统将开轧温度也读入到PLS模型中进行在线预测和在线优化，从而开轧温度能够根据钢坯的化学成分的不同自动调整到最佳温度，使钢板的屈服强度和抗拉强度尽可能靠近期望值，并将优化后的开轧温度给定值传送回PLC一级自动化系统进行设备自动化控制。
在本次试轧中，屈服强度的期望值为380 MPa，抗拉强度的期望值为550 MPa。
在系统优化前，钢材的屈服强度和抗拉强度具有非常大的波动特性，而在投入系统优化后，钢材的性能参数明显平稳很多，说明该系统能够大幅减少钢材性能参数的波动范围，不仅提高了控制精度，也提高了产品质量。
参考文献：
[1]李建.低碳贝氏体钢的研究现状与发展前景[J].材料导报，2016，20（10）：84.
[2]刘晓彤.低合金高强钢在线冷却工艺研究[J].轧钢，2016，30（1）：13.。