徐荣军等：模式识别及人工神经网络算法在16Mn钢生产中应用 ·109· G.有益.P、V含量及钢板厚度对G,影响不显著. (2)C、Mn含量对o影响很显著，终轧温度及Si、S含量次之，板厚、P、V含量不显 著 (3)6;主要受C、Si、Mn含量及板厚影响，终轧温度次之，P、V、S含量对其影响不大. (4)造成冷弯不合格的主要原因除与板厚有关外与其它工艺因素关系不大.其主要影响 因素是钢质不纯即钢中气体及夹杂含量过高及成分偏析所致.影响因素依次为板厚及P、S含 量，终轧温度、碳含量及其它工艺因素次要.由以上分析可以看到，，、、6及冷弯之间的 优化工艺参数相互矛盾，即对某一目标是最佳的工艺参数，对另一目标并非最佳还可能很差， 在目前工艺条件下，对16M钢板最主要的影响因素是S,它是造成冷弯不合格的主要因素且 降低o、及d,其次为Si、C、Mn含量，终轧温度及钢板厚度也有一定影响，P、V含量影 响不显著， 3.2钢中钒含量对16Mn各项性能指标影响 因为钢中钒的吸收率很稳定，且加入量固定，钢中平均含V量0.053%，波动值为 0.0109%,其波动值很小，对分类贡献不大，若与未加钒微合金化的16Mn放在一起识别，则 它是第一位的影响因素，c、,平均提高55.7MPa和17.7MPa,V在钢中主要起沉淀强化和 弥散强化作用，该钢中含0.053%的V足已达到此作用，更多的钒对钢的强化已不明显，且 对钢的延伸率和冷弯有坏的影响， 3.3优化区和优化点及碳含量 综合考虑到、、⑥冷弯4个指标，在PLS图上可以找到优化区域，如要保证产品全部 为1类点，应在图上直线1左边区域。该直线方程为： Y=28.33x+23.6x2+2.488r3-159.5x4-159.5x4 -252.3x5+14.49r6-0.3535x?-0.02831x8+18.00>0 如要保证产品好于2类点，即合格，此区为图1中直线2左边区域.此直线方程为： Y=8.815T+8.683x+2.534x3-78.82x4-109.4x5 +2.195x6-0.2310x,-0.01815xg+21.454>0 1类的重心即优化点工艺参数为：0.15%C,0.393%Si,1.337%Mn,0.020%P,0.020% S,0.043%V,钢板厚度8.26mm,终轧温度854.26C.该工艺条件下预报的目标值为a,为 420.59MPa,为578.06MPa,6为28.73%，冷弯1.0003（好）. 3.4碳含量 用逐步回归方法得到微合金化后，计算。、的碳当量，计算公式如下： Ce=C+0.11Si+0.07Mn+1.12V(计算.用) CE=C+0.198Si+0.10Mn+0.793V(计算用) 4结论 模式识别及人工神经网络优化方法对16Mn加钒微合金化钢的优化非常有效.非常适合 于工业生产中多目标、多变量的优化.徐荣军等 : 模式识别及 人工 神经网络算法在 16 M n 钢 生产 中应用 . 1 0 9 . 。 , 有益 . P 、 v 含量 及 钢板 厚度 对 氏 影响 不显 著 . (2 ) C 、 M n 含量对 6 、 影 响很 显著 , 终 轧温 度及 iS 、 S 含 量次 之 , 板厚 、 P 、 V 含量不 显 著 . ( 3) 6 5 主要 受 C 、 iS 、 M n 含量及 板厚影 响 , 终 轧温 度次 之 , P 、 V 、 S 含量 对其 影 响 不大 . ( 4) 造成冷弯 不合格 的主要 原 因除与 板厚 有关 外与 其 它工 艺 因素关 系 不大 . 其主 要影 响 因 素是钢质不 纯 即钢 中气体及 夹杂含 量过 高及 成分偏 析所致 . 影 响 因素依次为 板厚及 P 、 S 含 量 , 终轧温度 、 碳 含量 及其 它工 艺因 素次要 . 由以 上分 析 可 以 看到 , 。 s 、 。 b 、 6 5 及冷 弯 之 间 的 优化工艺参数 相 互矛 盾 , 即对 某一 目标是 最佳的 工艺 参数 , 对 另一 目标 并非 最佳还 可 能很差 . 在 目前工艺条件下 , 对 16 M n 钢板 最主要 的 影 响因 素是 S , 它是造 成 冷 弯不 合格的 主要 因 素且 降低 as 、 6 b 及 a s , 其次 为 iS 、 C 、 M n 含 量 , 终轧 温度 及钢板厚度也有 一 定影 响 , P 、 V 含 量影 响不 显著 . 3 . 2 钢中钒含量对 1 6 M n 各项性能指 标 影响 因 为钢 中钒的 吸 收率 很 稳 定 , 且 加 入 量 固 定 , 钢 中平 均 含 V 量 0 . 0 53 % , 波 动 值 为 0 . 0 1 0 9 % , 其 波 动值 很 小 , 对分类贡 献不大 , 若 与未加 钒微合 金化 的 16 M n 放在 一起识别 , 则 它是 第一 位 的影 响因素 , 6 5 、 a 、 平均提 高 5 5 . 7 M P a 和 1 7 . 7M P a , V 在 钢 中主要起沉 淀 强化 和 弥 散强 化作 用 , 该 钢 中含 0 . 0 53 % 的 V 足 已 达 到此 作 用 , 更多 的钒对钢 的强 化 已 不 明显 , 且 对钢 的延伸率 和冷 弯有坏 的影 响 . 3 . 3 为 1 优化区和 优化 点及碳含量 综合 考虑到 6 5 、 。 b 、 a : 冷 弯 4 个指 标 , 在 P L S 图上 可 以 找到 优 化 区域 , 如要 保证产 品全部 类点 , 应 在 图上直线 1 左边 区域 . 该直 线方 程 为 : Y = 2 8 . 3 3 x l + 2 3 . 6 x : + 2 . 4 8 8了 : 一 1 5 9 . s x ; 一 1 5 9 . 5 x 4 一 2 5 2 · 3 x : + 1 4 . 4 9了 6 一 0 . 3 5 3 5了 : 一 0 . 0 2 8 3 1 x s 十 1 8 . 0 0 > O 如要 保证 产品好 于 2 类 点 , 即 合格 , 此 区 为图 1 中直线 2 左 边 区 域 . 此 直线 方 程为 : Y = 8 . 8 1 s x l + 8 . 6 8 3了: + 2 . 5 3 4 x 3 一 7 8 . 8 2 x ; 一 10 9 . 4 x 5 十 2 . 1 9 5了 6 一 0 . 2 3 1 0工: 一 0 . O 1 8 1 5 x : + 2 1 . 4 5 4 > O 1 类 的重心 即优化 点工艺 参数 为 : 0 . 1 5 % C , 0 . 3 9 3 % 5 1 , 1 . 3 3 7 % M n , 0 . 0 2 0 % P , 0 . 0 2 0 % S , 0 . 04 3 % V , 钢 板厚 度 8 . 26 m m , 终 轧 温度 8 54 . 26 ` C . 该 工 艺条 件下 预报 的 目标值 为 氏 为 4 2 0 · 5 9 M P a , a b 为 5 7 8 . O 6M P a , 己: 为 2 8 . 7 3 % , 冷弯 一 0 0 0 3 ( 好 ) . .3 4 碳含 量 用逐步 回 归方法得 到 微合 金化 后 , 计 算 6 5 、 。 b 的碳 当量 , 计 算公式如 下 : C E = C + 0 . 1 15 1+ 0 . o 7 M n + 1 . 1 2 V ( 计 算 。 , 用 ) C E = C + 0 . 1 9 8 5 1+ 0 . l o M n + 0 . 7 9 3 V (计 算 a b 用 ) 4 结论 模 式识别 及 人工 神经 网络优 化方 法 对 16 M n 加钒 微合 金化 钢 的优化 非常有 效 . 非 常适 合 于工 业 生 产 中多 目标 、 多变 量 的优化