全局通用型热轧带钢力学性能预报模型.ppt

全局通用型热轧带钢力学性能预报模型

GlobalModelforHotStripMechanicalPropertyPrediction〔GLOSP〕

全局通用模型的内涵一个模型针对特定成份和工艺范围内的所有钢种——对未生产过的钢种、工艺、规格，只要在模型适用范围内，就能给出相对准确的预报。适用范围生产过的钢种未曾生产过的钢种CMn钢耐候钢IF钢析出强化钢钢种类别强度级别бs下限170бs上限：750бb下限：250бb上限：900成分范围C:0~0.3Si:0.01~1.0Mn:0~2.0P:0.005~0.12Nb:0~0.07……工艺规格H:1.3~22CT:450~720FT:780~920.........671个出钢记号中可预报581个,占86.6%337608条数据中可预报303702条，占89.95%占比情况“全局〞的含义——对模型适用范围的大体描述

为什么反对分钢种建模？设计钢种时无用钢种优化时无用降低取样时无用移植经验时无用结论：纵然精度高，依然无用成熟钢种预报准，不成熟钢种难预报，未曾生产的钢种无法预报。对原有工艺、规格预报准，工艺或规格稍微改变后预报不准。性能合格的带钢预报误差小，性能不合格的带钢预报误差大。不同产线、时间、类似钢种模型相差很远、参数矛盾

有人能想到，但担忧做不到，所以不去做。想去做的人，往往缺乏必要的条件。知识和信息的完整性。囊括材料、冶炼、轧制、精整、检测、设备、控制、管理等多方面——企业之外难以共享信息和知识。数据量为根底：理论上可证明，至少10万条相对完整、高质量的数据，才能保证模型的根本精度——很少企业能有这样的条件。研发文化与管理：12年的努力，难在信任和坚持建模方法创新：传统建模方法无法保证模型外推能力，要创造性地找到适宜的建模方法。客观困难都是数据误差大、分布不理想的后果 —误差为精度设置了上限，无法到达理想的精度 —精度与外延性别离——精度高的模型往往外延性更差、适用范围更小。 —自变量多、相关性强、交互作用复杂。主观难度来自观念的错误：追求无法实现的目标；过多时间花在不必要的探索上。这样想法，难道别人想不到？做好这件事，需要什么条件？条件具备后，研究过程和建模方法的难点何在？三个合理的质疑

典型统计模型бb=299+589C+27Mn-23Si+1862N+...优点：获得数据容易，精度高。缺点：外延性差：成份系数其实不是常数！典型机理模型бb=294+27Mn+385fp+7.7d-1/2+...优点：原理正确、外延性好。缺点：数据问题难解决，精度低！GLOSP模型бb=299+K1C+K2Mn+.......+f1(C|h,Ct,FT....)+.........+g1〔NbC,h,RT,FT,CT,...)+.....+........GLOSP的追求：通过建模方法新，实现冶金机理与统计科学的深度结合

性能检测产生的误差成分检测导致的误差管理原因造成的预报误差数据精度是提高模型精度的拦路虎100%数据准确、完整时的极限精度0%现实数据条件下的精度极限统计回归模型可到达的精度非常接近！

应对误差的策略：分布式模型?3??3?应用思想建模思想误差是客观存在，可以预估，也可以利用！

难点：对建模过程的影响模型间误差接近，误差小不一定好。根据公式n=p/r，特定钢种内参数精度小于10%，需要2000-20000个数据。数据需求量大增误差小可能有害建模难，评价也难！慎用各种最优化方法EV理论与方法研制相关补救方法；机理方法的利用;.......依赖宝钢积累的30多万条可用数据均值对均值方法简单性原理、机理分析法、可重复性要求、分层模型方法、新数据方法....

原始预测结果

针对钢种的预报：平均值比照

新数据与小样本：外延能力的展现

合格判定：外延能力展现复检不合格样本的预报结果分析预报不合格样本的结果分析历史数据分析：建议处置方式

1550和1880预报结果图91580抗拉强度预报值与实际值图101580屈服强度预报值与实际值4、模型应用的思考及实现更换产线：外延能力的展现

可靠性分析：分层模型判断法

模型还能告诉我们什么？！给定成分和工艺，带钢厚度规格、出炉温度、粗轧温度、开轧温度、终轧温度和卷取温度对性能影响多大？成份和工艺都稳定合格，性能为何不稳定？关键应该控制什么？C增加了，强度为什么反而降低了？Nb、V、Ti的参加，分别对强度增加起到了多大作用？配比合算吗？.......

异想天开的尝试！用热轧性能预报模型预报冷轧带钢性能

减少带钢取样频率。