[发明专利]一种基于PSO-ELM的热轧板材组织-性能预测方法

说明书

技术领域

本发明属于板材生产过程控制技术领域，涉及一种基于PSO-ELM的热轧板材组织-性能预测方法。 

背景技术

随着钢铁冶金技术的发展，近年来，用户对钢材内部质量的要求越来越高，不仅对钢材有严格的化学成分要求，还要求钢材有良好的力学性能，能够满足具体条件下的性能指标和使用寿命。 

目前，大多数钢铁企业对成品取样后通过金属力学性能检验设备来检验成品的各项力学性能指标。在板材轧制完后，从一批成品中取一卷板材作为抽样产品，在抽样产品上切割足够量的试料，并制作成试样，通过相关的力学实验如钢模胀形试验、杯突试验和金属拉伸试验等，获取这卷板材的力学性能参数，作为这批产品的力学性能指标。 

现有的检验手段不仅要对成品进行破坏性取样，需要耗费大量的设备费用和人工费用，导致效率低下，降低了钢铁企业的自动化水平，而且也只是从一批产品中的一卷板材上切割一段材料进检验，无法代表这卷板材甚至这一批产品的性能指标，具有很大的随机性和局限性。 

发明内容

本发明所要解决的技术问题是提出一种基于PSO-ELM算法的热轧板材力学性能预测方法，该方法基于PSO-ELM算法实现热轧板材力学性能的预测，有效解决目前热轧板材力学性能依赖现场取样检验的问题，从而减少取样带来的金属损失，节省了现场检验的设备费用和人工费用，提高了效率。 

一种基于PSO-ELM的热轧板材组织-性能预测方法，包括以下步骤： 

步骤1：获取板材的化学元素含量以及板材的热轧过程参数； 

所述板材的化学元素含量包括碳、硅、锰、磷、硫、铜、铌、铬及铝化学元素的含量，所述板材的热轧过程参数包括板坯厚度、粗轧坯厚、成品厚度、开轧温度、终轧温度及卷曲温度； 

步骤2：建立板材的冷却速率模型，按照步骤1中获得的数据求得板材的冷却速率R_c； 

RC=TF-TCtCtC=LCVD]]>

式中，T_F为终轧温度，T_C为卷曲温度，t_C为冷却时间，L_C为实测冷却段总长度，V_D为甩尾速率； 

步骤3：按照步骤1获取的数据与步骤2获取的冷却速率对板材进行力学性能试验，获得板材的屈服强度、抗拉强度及延伸率的试验值； 

所述力学性能试验包括钢模胀形试验、杯突试验和金属拉伸试验； 

步骤4：建立基于ELM（极限学习机）的热轧板材组织-性能预测模型； 

以步骤1和步骤2获得的数据作为热轧板材组织-性能预测模型输入层的节点数据，以步骤3获得的屈服强度、抗拉强度及延伸率作为热轧板材组织-性能预测模型输出层的节点数据，隐含层至少包括8层； 

步骤5：将热轧板材组织-性能预测模型输入层与隐含层之间的连接权值和隐含层节点的偏置值作为粒子群搜索空间中的一个粒子，采用粒子群优化算法对粒子进行迭代寻优，设定粒子种群个数，随机生成粒子位置、速度、惯性权值w、加速参数r1和r2，计算粒子的适应度函数，按照粒子优化群算法中的位置和速度更新公式进行更新，直到满足迭代条件，输出最优粒子并赋值给热轧板材组织-性能预测模型； 

设定适应度函数为其中，N为训练样本总数，y_ij表示热轧板材组织-性能预测模型中第j个输出值的第i次预测值，t_ij为第j个输出值的第i次试验获得的试验值；