摘要
本发明公开了一种板材化学成分优化方法,包括以下步骤:S1、利用多元线性回归分析,得到对钢材屈服、抗拉强度影响较小的化学元素;S2、将影响较小的化学元素作为输入变量,钢材屈服强度、抗拉强度作为输出变量,构建BP神经网络模型;S3、将影响较小的化学元素作为输入变量,钢材冶炼成本作为输出变量,构建冶炼成本数学模型;S4、利用冶炼成本数学模型,并构建遗传算法,以冶炼成本最低化为目标,实现各元素化学成分的自动寻优。本发明提供的上述方法,基于现有的轧制数据进行化学成分优化,无需要额外冶炼,优化成本较低,能够处理的样本量大,其结果更加准确和可靠,并且优化时间极大的缩短。
技术关键词
BP神经网络模型
多元线性回归分析
屈服
数学模型
遗传算法
板材
变量
BP神经网络算法
元素
钢材
强度
节点
数据
轧制