文摘
英文文摘
1 绪论
1.1 课题的背景及研究意义
1.1.1 课题的背景
1.1.2 课题的研究意义
1.2 热轧带钢组织性能预测与控制的发展
1.2.1 物理冶金学理论的发展及特点
1.2.2 人工神经网络的发展及其特点
1.2.3 物理冶金模型与人工神经网络模型的对比
1.3 论文主要研究内容
2 数据的采集及筛选
2.1 数据信息采集
2.1.1 数据结构
2.1.2 成分、工艺和性能数据关联
2.1.3 热轧工艺数据提取
2.2 数据采集软件的实现
2.3 数据筛选
2.4 小结
3 基于物理冶金学理论的建模
3.1 热变形奥氏体再结晶模型
3.1.1 动态再结晶模型
3.1.2 静态再结晶模型
3.2 再结晶过程流变应力模型
3.3 热轧过程的位错密度模型
3.4 相变体积分数计算模型
3.4.1 相变实际转变温度模型
3.4.2 连续冷却过程中相变体积分数模型
3.4.3 铁素体晶粒尺寸模型
3.5 显微组织和力学性能对应关系模型
3.6 计算结果与讨论
3.6.1 再结晶分数
3.6.2 热轧过程中的晶粒尺寸
3.6.3 热轧过程中的流变应力
3.6.4 热轧过程中的位错密度
3.6.5 冷却过程中的相变
3.7 模型精度的验证
3.8 小结
4 基于BP神经网络的建模
4.1 BP神经网络的基本理论
4.2 BP神经网络隐层的确定
4.3 热轧组织-性能BP神经网络模型的建立
4.3.1 化学成份
4.3.2 热轧工艺参数
4.3.3 BP神经网络模型的建立
4.4 力学性能预测结果
4.4.1 Q235B的力学性能预测结果
4.4.2 SPA-H的力学性能的预测结果
4.5 神经网络的输入对力学性能的影响
4.6 小结
5 控制轧制与控制冷却实验
5.1 实验方案
5.2 工艺参数对实验钢力学性能的影响
5.3 小结
6 结论
参考文献
致谢
东北大学;