[发明专利]基于热轧钢卷生产流程的在线实时预测机械性能的方法

权利要求书

1.基于热轧钢卷生产流程的在线实时预测机械性能的方法，其特征在于：

步骤一、模型的推导：明确将要建模的钢种和机械性能，选择对机械性能有影响工艺参数；按照分层抽样方法进行样本准备，设定时间范围，查询此时间范围内的对应钢种的卷数；

确定样本后，将工艺参数通过选择多元回归线性推导，系统显示回归公式、均方根误差、R方、调整的R方、模型的F值、模型的P值及每个参数对应的系数标准差、T值、P值，并系统自动绘制出残差的直方图、残差的正态图、残差正太显著性统计量P值，残差与拟合值的分布图、残差的分布图，判断是否符合线性模型；如果符合，采用线性回归分析，否则采用非线性回归分析；最终得到线性模型或非线性模型；

步骤二、模型的录入：选择钢种、某一机械性能，然后将其对应的公式录入系统；

步骤三、模型的启动：支持针对同一钢种同一机械性可录入多个模型，当通过基于真实生产数据模型评估后，确定最优模型，然后在此环节将最优模型启动，系统按照最优模型实时线上将对应钢种的钢卷进行机械性能的单值及曲线预测，并将结果上传至生产系统和在线判定系统；

步骤四、模型评估：模型在启动之前需要对同一钢种同一机械性能的所有模型进行评估，抽取最近生产的此钢种的数据进行统计分析，通过分析均方根误差、残差平方和、预测准确率进行对模型评估，准确率容忍下限为80％，其计算规则为：针对屈服强度，分子：|预测屈服强度值-真实屈服强度值|≤20的个数，分母：样本个数；针对抗拉强度，分子：|预测抗拉强度值-真实抗拉强度值|≤30的个数，分母：样本个数；针对延伸率，分子：|预测延伸率值-真实延伸率值|≤5的个数，分母：样本个数；针对晶粒度，|预测晶粒度值-真实晶粒度值|≤1的个数，分母：样本个数；以评估模型的可靠度，确定最优模型；

对于已启动的模型，使用一段时间后或者工艺设备进行调整后，需要对模型进行上述评估，发现准确率大幅度下降时需要返回步骤一，重新推导模型，形成闭环优化模型，使模型满足实际生产动态。

2.如权利要求1所述的基于热轧钢卷生产流程的在线实时预测机械性能的方法，其特征在于：所述的工艺参数包括：钢卷厚度、出炉温度、卷取温度、C的质量百分含量、Si 的质量百分含量、Mn 的质量百分含量、P的质量百分含量、S的质量百分含量、Cu 的质量百分含量、Alt 的质量百分含量、Cr 的质量百分含量、Ni 的质量百分含量、Mo 的质量百分含量、B的质量百分含量、Ca 的质量百分含量、Sn 的质量百分含量、出炉温度、中间坯温度、精轧入口温度、终轧温度、卷取温度、板坯厚度、中间坯厚度、中间坯温度、F1—F7轧辊速度、季节。

3.如权利要求1所述的基于热轧钢卷生产流程的在线实时预测机械性能的方法，其特征在于：所述的符合线性模型条件为基于样本工艺参数得出的模型的P值小于0.05，且通过对残差的正态图、残差正太显著性统计量P值分析得出残差符合正态分布，通过对残差与拟合值的分布图、残差的分布图分析得出残差与拟合值的大小无关且在0值上下随机波动。