钢材力学性能预测系统的研发

李杨

辽宁广播电视大学（沈阳 110034）

钢材力学性能预测系统的研发

李杨

辽宁广播电视大学（沈阳 110034）

根据钢材化学成分及生产工艺参数，准确预测力学性能，是钢铁制造企业多年来的研究目标。由于钢铁材料的组成元素较多，生产工艺复杂，通过对加工过程中各种冶金现象纯粹的定量计算来精确预报材料性能非常困难。本文根据钢材力学性能预测系统的需求分析，设计了钢材力学性能预测系统。

钢材力学性能、BP神经网络、数据库

随着国民经济的快速发展和产业结构的优化调整，近几年热轧薄板的需求呈现出高速增长态势。优化轧制工艺、研究热连轧过程组织性能演变，进而在轧制过程中调控钢材的组织和力学性能，可以有效的提高钢坯质量。如何更好地在轧制和轧后的冷却过程中控制钢材的组织和性能，是目前我国轧钢工作面临的课题。本文是以某钢厂生产的Q235钢种数据为研究对象，建立钢材力学性能预测系统，研究该钢种的化学成分以及轧制工艺等对成品力学性能的影响，建立了现场离线性能预报系统，为实际生产工艺的进一步完善提供参考。该研究在节省投资、节约能源、保护环境及可持续发展等方面具有重要的经济和战略意义。

1 系统需求分析

钢材力学性能预测系统是建立在已知实验数据集上，基于神经网络的钢材料设计系统。该系统通过神经网络拟合计算，智能地选出能达到预期钢材性能要求的设计方案，这将对后期的实验测定有很大的帮助，不仅节省了人力物力，还节省了时间和金钱，对钢材组织性能研究的发展也能起到推动作用。

根据上述分析，设计钢材组织性能智能设计系统的数据流与控制流如图1所示。

设计数据，表示用户设计的钢材化学组成元素、加工工艺参数等对钢材力学性能产生影响的数据。预测性能，表示使用人工智能技术(如神经网络)对设计数据进行性能的预测。选择，表示用户根据需要的性能和预测性能进行比较，进而选择得到满足性能要求的钢材设计数据。

图1 预测系统数据流及控制流示意图

2 结构设计

根据系统需求分析与基本设计步骤，本系统由如下三大功能模块组成：

2.1 数据库

数据库是神经网络拟合计算的数据来源、网络训练过程数据、网络参数数据及预测结果数据等的存储容器，为整个系统的实现提供了数据支持和存储仓库。同时该系统还设计了用户管理功能，不同用户拥有不同的权限。钢坯数据库需要具备对数据库中数据操作的浏览、查询、分析及常用维护等基本功能。

2.2 神经网络

神经网络模块是钢材力学性能预测系统的核心技术模块。该系统的神经网络训练是属于独立的模块，只有管理员用户才拥有设定网络参数的权利，在网络训练过程中，要选用合适的网络结构参数，导入指定文件中的训练样本、训练网络。设计主控制台，以得到更好用户操作效果。主控制台用于完成钢材力学性能预测及对预测结果进行分析和存储。

2.3 人机交互界面

用户通过人机交互界面实现批量导入导出数据库、对数据库内现有数据执行数据维护操作、选择网络类型、触发神经网络的训练、查看神经网络的训练过程、预测结果、以图表形式对预测结果进行统计分析及用户人员管理等。系统总体结构图如图2所示。

本系统所基于的开发环境是Microsoft公司的Windows XP系列的操作系统，该系列的操作系统在网络、安全、系统体系结构等领域做了改进，使它的可靠性更高，安全性更好，界面简洁友好，易于使用。根据用户需求和系统分析，考虑到系统的结构化、可扩充、易移植和易维护性，并为用户提供一个友好易于操作的用户界面，衡量各种设计语言的利弊，选用面向对象的编程语言Visual C++6.0作为开发该数据库管理系统的编程工具，数据库系统使用Oracle 10g。

图2 钢材力学性能预测系统结构图

3 数据库中规范化表的设计

数据库的总体结构设计如图3所示。在执行性能预测的时候，关注的是原始的设计数据和预测结果，与此同时需要关注整个神经网络实际输出误差的收敛程度，以便调整一些网络输入参数，使得整个网络的性能处于较佳状态，因此，除了设计数据表和预测结果数据表以外，还需建立收敛误差数据表记录整个神经网络的训练过程。

本系统的知识分为两个部分：样本集，系统知识集。样本集：本系统采用模糊神经网络实现，模糊神经网络的学习过程，就是输入以往轧钢现场收集的实验数据，为更好的训练网络，将其学习样本存入数据库管理系统，以便模糊神经网络学习时调用。系统知识集：在样本输入后系统自动进行学习，调整神经网络权值矩阵和阀值向量，当误差减到要求的范围内，系统停止学习，此时的权值矩阵与阀值向量固定下来，成为系统内部知识。这些知识主要表现在网络各个节点的连接权值、节点阀值及运算函数上。对于神经网络，系统的这些知识正是它本身的内在“规则”，系统通过这些“规则”实现对事物的判断推理且不能人为修改。若要对其进行更改，需要通过系统再训练来实现。用户信息表用来记录系统使用人员的信息，如：用户名、密码、各种权限、真实姓名、地址电话、登录时间等。用户根据自己的权限进入系统，不同权限的用户对系统具有不同的操作级别，普通用户一般只能对数据库进行查询操作；系统用户可以对数据库进行查询、修改、录入数据等多种操作，还可以维护学习样本，设定网络参数，训练网络，管理用户等操作。

图3 预测系统数据库结构图

4 BP神经网络设计

理论上单隐层BP网络可以任意精度逼近任意非线性曲线，因此本系统采用了单隐层BP网络构建神经网络模型，如图4所示。

网络输入为钢材的化学成分和工艺参数。钢材化学成分包括：碳、硅、锰、磷、硫等15个成分参数。工艺参数选用F4-F6三道次参数[1]、终轧温度、卷曲温度、上冷却水温度、下冷却水温度、中间坯厚度等参数作为神经网络候选输入参数。神经网络采用单输出层，分别为：屈服强度、抗拉强度、延伸率。

图4 BP网络示意图

BP神经网络是有导师类型的神经网络，采用误差梯度下降规则训练网络，导致网络学习速度慢且易陷入局部极值。由于网络结构的选择尚无完整的理论指导，初始权值阈值的选取和隐层节点的确定等都存在一定的盲目性，因此网络预测能力与训练能力的矛盾，易出现“过拟合”现象。为了加速收敛和防止震荡以及改善网络泛化能力，该系统采用经过粒子群算法优化的BP神经网络对实验数据模拟计算，动态显示训练误差曲线，获得钢材化学成分及工艺参数等因素对钢材力学性能的影响规律。通过主控制台界面，实现对钢材力学性能的预测及新钢种力学性能的设计等功能。

图5 智能预测系统数据库管理系统数据操作功能图

5 数据库管理系统人机界面设计

数据可视化[2](Data Visualization)技术指的是运用计算机图形学和图像处理技术，将数据换为图形或图像，在屏幕上显示出来并进行交互处理的理论、方法和技术。钢材力学性能预报系统数据库人机界面，作为沟通用户和后台数据库系统的载体，在系统的人机交互中起着重要的作用。人机交互界面的设计优劣直接关系到用户对软件系统的操作和控制。利用Virsual C++6.0作为开发工具，设计良好的界面功能。以图形界面进行人机交互，以菜单形式选择命令，以图形图表形式展现数据参数。在设计过程中使用ADO完成Virsual C++6.0与Oracle 10g数据库的通信。开发工作包括设计管理系统的功能模块，创建数据库连接，设计并开发浏览、查询和维护界面，编写数据库管理系统后台支持应用程序。数据操作功能图如图5所示。

6 结语

通过对钢材力学性能预报系统数据库的结构分析，利用Oracle 10g建立了数据库及力学性能预报管理系统，采用VC++6.0编程开发了钢材力学性能预报系统的相应程序，可实现根据钢材化学成分、带钢轧制工艺参数等预报钢材的力学性能。

[1]刘维群，李元臣.BP网络中隐层节点优化的研究[D].洛阳:洛阳师范学院,2000.

[2]戴起勋，赵玉涛.材料科学研究方法[M]，北京：国防出版社，2004.

（责任编辑：文婷）