(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111362902.6 (22)申请日 2021.11.17 (71)申请人 中冶赛迪 重庆信息技 术有限公司 地址 401329 重庆市九龙坡区白市驿镇农 科大道66号2幢5-6号 (72)发明人 张璟涵　汤槟　余鹏　毛尚伟　 张晓辉　 (74)专利代理 机构 上海光华专利事务所(普通 合伙) 31219 代理人 石欢欢 (51)Int.Cl. G06F 30/27(2020.01) G06N 20/00(2019.01) G06F 119/14(2020.01) (54)发明名称 一种线棒材力学性能预测系统 (57)摘要 本发明提供一种线棒材力学性能预测系统， 属于线棒材加工技术领域。 包括： 数据采集模块， 采集线棒材的力学性能预测关联数据并与钢坯 关联， 得到性能预测数据集， 所述力学性能预测 关联数据包括原料信息参数及加工工艺参数； 模 型管理模块， 存储性能预测模型并与数据采集模 块连接， 根据所述性能预测数据集对性能预测模 型进行训练并评估预测精度， 根据预测精度决定 是否更新性能预测模型； 预测模块， 与所述模型 管理模块及所述数据采集模块连接， 将所述性能 预测数据集导入模型管理模块中的性能预测模 型， 对线棒材的力学性能进行预测。 本发明能够 采集实时数据对钢坯力学性能进行预测， 从而实 现钢铁产品质量稳定性控制。 权利要求书2页 说明书5页 附图1页 CN 114065629 A 2022.02.18 CN 114065629 A 1.一种线棒材力学性能预测系统， 其特 征在于， 包括： 数据采集模块， 采集线棒材的力学性能预测关联数据， 得到关联到钢坯的性能预测数 据集， 所述力学性能预测关联 数据包括原料信息参数及加工 工艺参数； 模型管理模块， 存储性能预测模型并与数据采集模块连接， 根据所述性能预测数据集 对性能预测模型进行训练并评估预测精度， 根据预测精度决定是否更新 性能预测模型； 预测模块， 与所述模型管理模块及所述数据采集模块连接， 将所述性能预测数据集导 入模型管理模块中的性能预测模型， 对线棒材的力学性能进行 预测。 2.根据权利要求1所述的线棒材力学性 能预测系统， 其特征在于： 线棒材生产包括入炉 前、 轧前及轧后三个时间节点， 所述数据采集模块分别在三个时间节点采集棒材 的力学性 能预测关联数据， 所述性能预测模型包括多个预测子模型， 所述预测子模型分别对应不同 的钢种规格及预测节点， 所述预测模块分别 在入炉前、 轧前、 轧后三个时间节 点对对线棒材 的力学性能进行 预测。 3.根据权利要求2所述的线棒材力学性 能预测系统， 其特征在于： 所述原料信 息参数包 括钢种规格、 化学成分及钢坯生产工艺参数， 所述加工工艺参数包括加热炉工艺参数及轧 制工艺参数； 在钢坯进入加热炉前， 采集钢坯的原料信息参数及预设的加工工艺参数； 在钢 坯轧制开始时， 采集钢坯的原料信息参数以及加热炉实际生产参数、 预设的轧制工艺参数； 在钢坯轧制完成后， 采集钢坯的原料信息参数以及实际加工 工艺参数。 4.根据权利要求3所述的线棒材力学性 能预测系统， 其特征在于： 所述轧制工艺参数包 括棒材类及线材类； 所述棒材类的轧制工艺参数包括分机架电流、 分机架延伸率、 分机架速度、 飞剪温度、 预精轧温度、 上冷床温度、 水箱流 量及水箱温度； 所述线材类的轧制工艺参数包括分机架电流、 分机架延伸率、 分机架速度、 机架温度、 精轧入口温度、 吐丝温度及集卷温度； 所述加热炉工艺参数包括入炉温度、 预热段温度、 加热段温度、 均热段温度、 出炉温度、 加热时长、 均热时长及 在炉时长； 所述化学成分包括Al、 Als、 As、 B、 C、 Ca、 Cr、 Cu、 Mn、 Mo、 N、 Nb、 Ni、 P、 S、 Si、 Ti、 V、 Ceq各个 元素的含量比例。 5.根据权利要求1所述的线棒材力学性 能预测系统， 其特征在于： 所述模型管理模块对 所述性能预测数据集进行预处理， 将所述预处理后的性能预测数据集对性能预测模型进 行 训练， 所述预测模块采用相同的预处理方式对所述性能预测数据集进行预处理， 将所述预 处理后的性能预测数据集 导入性能预测模型进行性能预测。 6.根据权利要求1所述的线棒材力学性 能预测系统， 其特征在于： 所述预测模块将线棒 材的力学性能预测结果与预设的性能预测目标进行对比， 若判定为力学性能预测不合格， 则调整加工工艺参数， 获得新的性能预测数据集及相 应的性能预测模型并进行预测， 直至 力学性能预测合格， 输出力学性能预测合格后的加工 工艺参数。 7.根据权利要求6所述的线棒材力学性 能预测系统， 其特征在于： 所述性 能预测目标包 括： 屈服强度、 抗拉强度、 延伸率、 断后伸长率、 强屈比、 最大力总伸长率、 超屈比。 8.根据权利要求1所述的线棒材力学性 能预测系统， 其特征在于： 预设工艺参数调 整范 围， 当力学性能预测不 合格时， 预测模块 根据工艺 参数调整范围调整加工 工艺参数。权　利　要　求　书 1/2 页 2 CN 114065629 A 29.根据权利要求1所述的线棒材力学性 能预测系统， 其特征在于： 模型管理模块定期对 性能预测模型进行重新训练， 同时， 当预测模块的预测精度超出预设阈值时重新训练性能 预测模型， 分别对训练前后的性能预测模型 的预测精度进行对比， 将预测精度高的性能预 测模型更新至模型 管理模块。 10.根据权利要求1所述的线棒材力学性 能预测系统， 其特征在于： 采用模型命中率P对 预测精度进行评估； 所述模型命中率P为决定系数， 其中， Y_actual为性能检测值， Y_predict为性能预测值， Y_mean为性能检测值均值； 或 者， 所述模型命中率P为 正确预测数/预测总数， 其中， 对性能预测值及性能检测值分别进行合格/不 合格判断， 若性能预测值及性能检测值的合格/不合格的判断结果相同， 则计入正确预测数， 反之 则计入错误预测数； 或者， 若性能预测值与性能检测值之 间的差值小于预设差值， 则计入正 确预测数， 反 之则计入错 误预测数。权　利　要　求　书 2/2 页 3 CN 114065629 A 3