本发明涉及一种冷轧钢带抗拉强度预测模型的建立方法,其特征在于,将生产过程中的化学成分、终轧温度、卷曲温度、冷轧压下比、退火时间、平整延伸率相关参数引入回归型神经元网络,进行分析建立预测模型,步骤如下:1)将冷轧钢带生产过程中各工艺参数存储在数据库中;2)利用拉伸机对生产的冷轧钢带样品进行抗拉强度测量,并将测量结果存储数据库中;3)建立预测模型。所述的化学成分为碳、硅、
锰、磷、硫、
铝、氮、钛、铌。本发明的有益效果是:利用回归型神经元网络分析方法,引入冷轧钢带全程生产的数据建立预测模型,全面反映炼钢、热轧和冷轧全流程的影响,将某批次冷轧钢带的生产相关数据输入模型,即可得该批次冷轧钢带的抗拉强度预测值。
声明：
“冷轧钢带抗拉强度预测模型的建立方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1192
编辑：管理员
来源：北方有色网
咨询细节
