CN105160127B - 基于csp流程热连轧生产线q235b钢种的性能预测方法 - Google Patents
基于csp流程热连轧生产线q235b钢种的性能预测方法 Download PDFInfo
- Publication number
- CN105160127B CN105160127B CN201510623645.5A CN201510623645A CN105160127B CN 105160127 B CN105160127 B CN 105160127B CN 201510623645 A CN201510623645 A CN 201510623645A CN 105160127 B CN105160127 B CN 105160127B
- Authority
- CN
- China
- Prior art keywords
- steel
- rolling
- flow hot
- csp
- mechanical properties
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 52
- 239000010959 steel Substances 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 36
- 238000005096 rolling process Methods 0.000 title claims abstract description 28
- 238000005098 hot rolling Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 239000000203 mixture Substances 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000007689 inspection Methods 0.000 abstract description 4
- 239000002436 steel type Substances 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 2
- 238000007619 statistical method Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 24
- 239000011572 manganese Substances 0.000 description 20
- 239000000047 product Substances 0.000 description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000009749 continuous casting Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 229910052748 manganese Inorganic materials 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Landscapes
- Heat Treatment Of Steel (AREA)
- General Factory Administration (AREA)
Abstract
本发明属于钢铁材料性能检验技术领域，具体涉及基于CSP流程热连轧生产线Q235B钢种的性能预测方法，该方法按照建立CSP流程热轧Q235B钢种的力学性能预报模型、将得到的数据结果输入的所建立的模型、进行对所得到的数据分组计算、验证数据的准确性和得到数据的预测值的方法，充分应用了CSP流程热连轧生产线在生产Q235B等简单钢种时控制精度非常高，温度控制稳定的特点。通过分析得到CSP流程热连轧生产线生产Q235B钢种时影响其性能的关键因素，从而加以数学统计分析，得到了较准确的Q235B力学性能预测模型。通过应用此预测方法，具有使生产现场控制更加稳定，生产周期缩短，节约检测费用等优点。
Description
技术领域
本发明属于钢铁材料性能检验技术领域，具体涉及基于CSP流程热连轧生产线Q235B钢种的性能预测方法。
背景技术
CSP薄板坯连铸连轧技术是近二十几年世界钢铁工业取得的重要技术进步之一，是继氧气转炉炼钢、连续铸钢之后又一带来钢铁工业技术革命的新技术。传统热连轧流程中钢水铸成 200 ～ 250mm 厚的板坯、经过冷却、重新加热，再通过粗轧和精轧得到热轧宽带钢。在CSP薄板坯连铸连轧流程中， 钢水被铸成 50 ～ 70mm 厚的薄板坯，不经过冷却直接热装入辊底式均热炉后，进入机架较少的热连轧机组轧成宽带钢。与传统的热轧带钢生产技术相比，薄板坯连铸连轧技术具有显著的特点： (1) 工艺简化、设备减少、生产线短，基本建设投资大幅度降低；(2) 生产周期短，从原料入炉至成品钢卷，仅需约2.5h ，生产组织灵活、应变能力强；(3) 能耗减少， 降低了生产成本，增强了产品的竞争力 ；(4) 铸坯凝固快、 铸态组织均匀、 第二相析出物细小； (5) 总变形量小、 道次变形量大，采用高刚度轧机大压下轧制。
热轧钢带的生产过程中化学成分和相关的热轧工艺参数是影响其性能的直接因素，合理的成分、工艺设计是保证热轧板卷产品质量的基础。钢铁产品中的性能预测是通过已知的化学含量和相关生产工艺参数来预测最后产品的力学性能。实践证明钢材最终力学性能的性能预测方法在许多方面比传统人工取样检验有较明显的优势：(1)性能预测方法可降低性能测试的时间和费用 ；(2)缩短了产品的生产周期：钢材使用力学性能预测，则不需要等待人工检测结果，直接减少钢材的库存时间，可立即交付用户或转到下一步生产工序，缩短生产周期，加快资金周转，降低生产成本，能够为企业带来巨大的经济效益。(3)保持热轧板卷的力学性能的稳定：通过性能预测模型的实时预测，及时反映实物力学性能的情况，发现实际存在的屈服强度、抗拉强度和延伸率不合格的问题，从而调整力学性能，保持该产品质量的稳定性。(4)促进新产品的开发：使用力学性能预测的方法，根据组成的新型设计和轧制过程的不同性能的预测结果指导产品设 计及工艺参数的制定，减少实际测试次数，提高成功率，缩短新产品的开发周期、降低新产品开发成本。
本专利申请之前，申请号200410061324.2、200510046131.4、200710052007.8、200710093004.9、200810237464.9、201llOO51161.X、201110104088.8、201210032097.5、201310752648.X、201310718490.4、201510044565.4的中国发明专利均申请了相关钢铁产品的性能预测方法。其中申请号为200410061324.2、200510046131.4、200710052007.8、200710093004.9、200810237464.9、201llOO51161.X、201110104088.8、201310718490.4等中国发明专利均采用了通过相变组织不同含量及晶粒大小等预测钢铁产品性能的方法，此方法虽然适合大多数热轧钢铁产品的性能预测，但是由于每种钢铁产品相组成产别较大，对钢铁组织的相成分的预测也较不准确，因此性能预测的偏差较大。申请号为201210032097.5、201310752648.X的中国发明专利采用了神经网格的预测方法，在此预测方法中对力学性能的影响因素过多，每个因素对性能的预测结果均有影响。此方法虽然预测全面，但是对于成熟生产线的成熟钢种来说，扰动因素过多、过程复杂，并不适合在成熟生产线简单钢种力学性能的预测。申请号为201510044565.4的中国发明专利为H型钢的性能预测，由于生产流程及变形过程的不同，此方法不适合CSP流程热轧钢带的性能预测。因而，上述专利不适合在薄板坯连铸连轧CSP生产线上进行Q235B力学性能的预测。
发明内容
本发明的目的就是要提供一种用于CSP流程热连轧生产线的Q235B钢种的性能预测方法。
本发明是通过以下技术方案来实现的：
基于CSP流程热连轧生产线Q235B钢种的性能预测方法，该方法按照下述步骤进行：
（1）建立CSP流程热轧Q235B钢种的力学性能预报模型；
（2）在CSP流程热轧Q235B钢种的生产现场收集钢卷的化学成分、工艺参数和轧后力学性能的检测结果，将上述数据作为力学性能预报模型的输入参数；
（3）对于不同厚度的Q235B钢卷，在轧制过程中所选空过机架不同，根据不同轧制规程的设定，对Q235B成分及轧制数据进行分组计算；
（4）利用SPSS软件，进行多元线性回归分析中计算出Q235B力学性能预测模型，并使用已有的数据对预测模型进行检验，验证其准确性；
（5）基于力学性能预报模型,根据CSP流程热轧Q235B钢种的化学成分和预定的工艺参数，对轧后Q235B钢种的力学性能进行计算和预测，得到Q235B钢种力学性能的预测值。
与现有技术相比较，本发明的有益效果在于：
本发明充分应用了CSP流程热连轧生产线在生产Q235B等简单钢种时控制精度非常高，温度控制稳定的特点。通过分析得到CSP流程热连轧生产线生产Q235B钢种时影响其性能的关键因素，从而加以数学统计分析，得到了较准确的Q235B力学性能预测模型。通过应用此预测方法，具有使生产现场控制更加稳定，生产周期缩短，节约检测费用等优点。
附图说明
图1为CSP线Q235B力学性能检测结果与预测结果示意图；
图2为CSP线Q235B力学性能检测结果与预测结果偏差示意图。
具体实施方式
下面对本发明做进一步描述：
基于CSP流程热连轧生产线Q235B钢种的性能预测方法，该方法按照下述步骤进行：
（1）建立CSP流程热轧Q235B钢种的力学性能预报模型；
（2）在CSP流程热轧Q235B钢种的生产现场收集钢卷的化学成分、工艺参数和轧后力学性能的检测结果，将上述数据作为力学性能预报模型的输入参数；
（3）对于不同厚度的Q235B钢卷，在轧制过程中所选空过机架不同，根据不同轧制规程的设定，对Q235B成分及轧制数据进行分组计算；
（4）利用SPSS软件，进行多元线性回归分析中计算出Q235B力学性能预测模型，并使用已有的数据对预测模型进行检验，验证其准确性；
（5）基于力学性能预报模型,根据CSP流程热轧Q235B钢种的化学成分和预定的工艺参数，对轧后Q235B钢种的力学性能进行计算和预测，得到Q235B钢种力学性能的预测值。
本发明在具体使用时，具体的根据不同厚度规格Q235B钢种的力学性能预测模型如下：
H≤2.75
Reh=347.151+247.131[C]+108.95[Mn]+312.25[P]+203.940[Si]-17.755[H]
Rm=381.772+533.253[C]+114.08[Mn]+623.846[P]+228.879[Si]-21.599[H]
A=44.622-39.806[C]-10.252[Mn]-34.846[P]-18.322[Si]-0.082[H]
2.75＜H≤5.5
Reh=283.092+556.459[C]+46.194[Mn]+584.948[P]+268.613[Si] -9.69[H]
Rm=277.797+1020.106[C]+60.643[Mn]+1021.29[P]+276.99[Si]-2.98[H]
A=49.246-72.954[C]-2.502[Mn]-34.283[P]-15.423[Si]-0.557[H]
5.5＜H＜7
Reh=288.010+900.182[C]+108.995[Mn]+211.410[P]+47.049[Si] -20.814[H]
Rm=193.080+1097.770[C]+58.759[Mn]+1292.759[P]+78.414[Si]-10.1[H]
A=64.777-118.356[C]-7.858[Mn]-59.838[P]-37.874[Si]-1.417[H]
7≤H＜11
Reh=355.176+138.143[C]+1.191[Mn]+0.124[P]+155.262[Si] -3.495[H]
Rm=413.786+186.114[C]+55.908[Mn]+521.537[P]+223.925[Si] -2.528[H]
A=34.038-28.332[C]+3.137[Mn]-22.735[P]-1.426[Si]+0.23[H]
Akv=108.388-81.37[C]-15.93[Mn]-39.1[P]-114.800[Si]-553.47[S]+2.43[H]
11≤H≤14
Reh=239.701+429.876[C]+117.186[Mn]+543.180[P]+253.587[Si] -1.630[H]
Rm=334.799+721.528[C]+146.521[Mn]+474.054[P]+233.156[Si] -4.439[H]
A=51.534-20.317[C]-13.918[Mn]-56.454[P]-43.168[Si]-0.987[H]
Akv=178.030-267.84 [C]+6.74[Mn]+1.785[P]-63.575[Si]-284.689[S]-4.3[H]
式中：
Reh为屈服强度的预测值(MPa)，Rm为抗拉强度的预测值(MPa)，A为伸长率的预测值(%)，Akv为冲击功的预测值(J)，C为碳元素的含量（%），Mn为锰元素的含量（%），P为磷元素的含量（%），S为硫元素的含量（%），Si为硅元素的含量（%），H为带钢厚度（mm）。
更具体的说，在CSP流程Q235B力学性能的预测模型中使用条件和适用范围包括化学成分和钢卷厚度，其范围如下：
C≤0.22%，Mn≤2%，S≤0.05%，Si≤0.5%，P≤0.03%，不添加其他合金元素，带钢厚度H≤14mm。
根据所述的步骤（5）进行计算，得到钢卷力学性能的预测值，对比预测值与标准要求目标值，只要钢卷的力学性能的预测值大于标准要求的最小值即认为力学性能合格,反之,则认为力学性能不合格。
根据图1的CSP线Q235B力学性能检测结果与预测结果图表和图2的CSP线Q235B力学性能检测结果与预测结果偏差图表可以看出性能预报系统预测的结果与实际检测结果非常接近，95%的数据预测屈服强度Reh误差在±30MPa以内，98%的数据预测抗拉强度Rm误差在±30MPa以内，92%的数据预测延伸率A误差在±4%以内，99.6%的数据预测冲击性能Akv误差在±20J以内。因此，当CSP生产Q235B钢种的工艺条件不变时， CSP线Q235B性能预测方法准确度完全可以满足Q235B力学性能的检测要求。
Claims (1)
1.基于CSP流程热连轧生产线Q235B钢种的性能预测方法，其特征在于：该方法按照下述步骤进行：
(1)建立CSP流程热轧Q235B钢种的力学性能预报模型；
(2)在CSP流程热轧Q235B钢种的生产现场收集钢卷的化学成分、工艺参数和轧后力学性能的检测结果，将检测结果作为力学性能预报模型的输入参数；
(3)对于不同厚度的Q235B钢卷，在轧制过程中所选空过机架不同，根据不同轧制规程的设定，对Q235B成分及轧制数据进行分组计算；
(4)利用SPSS软件，进行多元线性回归分析并计算出Q235B力学性能预报模型，并使用步骤（2）中检测结果数据对预测模型进行检验，验证其准确性；
(5)基于力学性能预报模型,根据CSP流程热轧Q235B钢种的化学成分和与步骤（2）相同的工艺参数，对轧后Q235B钢种的力学性能进行计算和预测，得到Q235B钢种力学性能的预测值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510623645.5A CN105160127B (zh) | 2015-09-25 | 2015-09-25 | 基于csp流程热连轧生产线q235b钢种的性能预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510623645.5A CN105160127B (zh) | 2015-09-25 | 2015-09-25 | 基于csp流程热连轧生产线q235b钢种的性能预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105160127A CN105160127A (zh) | 2015-12-16 |
| CN105160127B true CN105160127B (zh) | 2018-05-01 |
Family
ID=54800983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510623645.5A Active CN105160127B (zh) | 2015-09-25 | 2015-09-25 | 基于csp流程热连轧生产线q235b钢种的性能预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105160127B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109145493A (zh) * | 2018-09-11 | 2019-01-04 | 张家港宏昌钢板有限公司 | 开发螺纹钢新品的方法 |
| CN113936744B (zh) * | 2021-10-22 | 2024-03-29 | 兰州理工大学 | 热连轧流程生产钒微合金结构钢的在线性能预测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102034155A (zh) * | 2010-12-17 | 2011-04-27 | 武汉钢铁(集团)公司 | 热轧板坯自动配料的数据处理方法 |
| CN104573278A (zh) * | 2015-01-27 | 2015-04-29 | 山东钢铁股份有限公司 | 基于多元线性回归分析的热轧h型钢力学性能预报方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5666338B2 (ja) * | 2011-02-18 | 2015-02-12 | 東芝三菱電機産業システム株式会社 | エネルギー消費量予測装置 |
-
2015
- 2015-09-25 CN CN201510623645.5A patent/CN105160127B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102034155A (zh) * | 2010-12-17 | 2011-04-27 | 武汉钢铁(集团)公司 | 热轧板坯自动配料的数据处理方法 |
| CN104573278A (zh) * | 2015-01-27 | 2015-04-29 | 山东钢铁股份有限公司 | 基于多元线性回归分析的热轧h型钢力学性能预报方法 |
Non-Patent Citations (2)
| Title |
|---|
| CSP流程生产X70管线钢的工艺控制及组织性能研究;唐兴昌 等;《第二十一届全国薄板宽带技术交流会论文集》;20140725;1-6 * |
| 人工神经网络和数学模型在热连轧机组轧制力预报中的综合应用;王秀梅 等;《钢铁》;19990310(第3期);1-4 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105160127A (zh) | 2015-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6297159B2 (ja) | 最適化された、組織シミュレータ、組織モニタ及び／又は組織モデルを用いて金属の鋼合金及び／又は鉄合金を熱間圧延機及び厚板圧延機において製造するのため方法 | |
| CN102632082B (zh) | 基于性能预报模型的热轧带钢力学性能的动态控制方法 | |
| CN103157772B (zh) | 一种连铸坯内部质量的预报方法 | |
| CN101879530B (zh) | 热连轧带钢表面氧化铁皮厚度软测量方法 | |
| CN103732766B (zh) | 用于运行加工轧件的连续退火机组的方法 | |
| CN105363794B (zh) | 一种基于力学性能预报和轧制能耗模型的精轧节能控制方法 | |
| CN102122324A (zh) | 热轧棒线材力学性能预报方法 | |
| CN103302104A (zh) | 热轧硅钢的制造方法 | |
| CA2270450A1 (en) | Process for monitoring and controlling the quality of rolled products from hot-rolled processes | |
| CN104023875B (zh) | 浇铸方法、尤其连铸方法 | |
| CN101474666A (zh) | 一种连铸坯凝固过程温度和质量控制冷却方法 | |
| CN106011450A (zh) | 连退过程以稳定通板与质量控制为目标的张力优化方法 | |
| CN105160127B (zh) | 基于csp流程热连轧生产线q235b钢种的性能预测方法 | |
| CN1330930C (zh) | 轧制过程钢板内部组织晶粒尺寸的软测量方法 | |
| CN100577315C (zh) | 轧制线的材质预测及材质控制装置 | |
| CN115121626B (zh) | 一种基于误差补偿的热轧带钢瞬态热辊型预报方法 | |
| CN105414179B (zh) | 改善铁素体不锈钢板带组织性能的冷轧方法及其分析方法 | |
| Qiu et al. | Reduction of Residual Stress for High‐Strength Low‐Alloy Steel Strip Based on Finite Element Analysis | |
| CN115600459B (zh) | 一种螺纹钢切分棒材高精度组织性能预测方法 | |
| CN103163079A (zh) | 一种低碳含铝硅钢标准样品及其制备方法 | |
| Singh et al. | Predicting microstructural evolution and yield strength of microalloyed hot rolled steel plate | |
| Perlade et al. | Application of microstructural modelling for quality control and process improvement in hot rolled steels | |
| CN105921524A (zh) | 无缝管热轧过程中的控制轧制方法 | |
| Kurpe et al. | Mastering high-strength shipbuilding steel plate production using thermo-mechanical controlled process (TMCP) at the rolling mill 3600 | |
| CN116203061B (zh) | 一种改善微合金钢连铸板坯表面质量的试验方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |