鋼材力學性能預測系統的研發

李楊

遼寧廣播電視大學（沈陽 110034）

鋼材力學性能預測系統的研發

李楊

遼寧廣播電視大學（沈陽 110034）

根據鋼材化學成分及生產工藝參數，準確預測力學性能，是鋼鐵制造企業多年來的研究目標。由于鋼鐵材料的組成元素較多，生產工藝復雜，通過對加工過程中各種冶金現象純粹的定量計算來精確預報材料性能非常困難。本文根據鋼材力學性能預測系統的需求分析，設計了鋼材力學性能預測系統。

鋼材力學性能、BP神經網絡、數據庫

隨著國民經濟的快速發展和產業結構的優化調整，近幾年熱軋薄板的需求呈現出高速增長態勢。優化軋制工藝、研究熱連軋過程組織性能演變，進而在軋制過程中調控鋼材的組織和力學性能，可以有效的提高鋼坯質量。如何更好地在軋制和軋后的冷卻過程中控制鋼材的組織和性能，是目前我國軋鋼工作面臨的課題。本文是以某鋼廠生產的Q235鋼種數據為研究對象，建立鋼材力學性能預測系統，研究該鋼種的化學成分以及軋制工藝等對成品力學性能的影響，建立了現場離線性能預報系統，為實際生產工藝的進一步完善提供參考。該研究在節省投資、節約能源、保護環境及可持續發展等方面具有重要的經濟和戰略意義。

1 系統需求分析

鋼材力學性能預測系統是建立在已知實驗數據集上，基于神經網絡的鋼材料設計系統。該系統通過神經網絡擬合計算，智能地選出能達到預期鋼材性能要求的設計方案，這將對后期的實驗測定有很大的幫助，不僅節省了人力物力，還節省了時間和金錢，對鋼材組織性能研究的發展也能起到推動作用。

根據上述分析，設計鋼材組織性能智能設計系統的數據流與控制流如圖1所示。

設計數據，表示用戶設計的鋼材化學組成元素、加工工藝參數等對鋼材力學性能產生影響的數據。預測性能，表示使用人工智能技術(如神經網絡)對設計數據進行性能的預測。選擇，表示用戶根據需要的性能和預測性能進行比較，進而選擇得到滿足性能要求的鋼材設計數據。

圖1 預測系統數據流及控制流示意圖

2 結構設計

根據系統需求分析與基本設計步驟，本系統由如下三大功能模塊組成：

2.1 數據庫

數據庫是神經網絡擬合計算的數據來源、網絡訓練過程數據、網絡參數數據及預測結果數據等的存儲容器，為整個系統的實現提供了數據支持和存儲倉庫。同時該系統還設計了用戶管理功能，不同用戶擁有不同的權限。鋼坯數據庫需要具備對數據庫中數據操作的瀏覽、查詢、分析及常用維護等基本功能。

2.2 神經網絡

神經網絡模塊是鋼材力學性能預測系統的核心技術模塊。該系統的神經網絡訓練是屬于獨立的模塊，只有管理員用戶才擁有設定網絡參數的權利，在網絡訓練過程中，要選用合適的網絡結構參數，導入指定文件中的訓練樣本、訓練網絡。設計主控制臺，以得到更好用戶操作效果。主控制臺用于完成鋼材力學性能預測及對預測結果進行分析和存儲。

2.3 人機交互界面

用戶通過人機交互界面實現批量導入導出數據庫、對數據庫內現有數據執行數據維護操作、選擇網絡類型、觸發神經網絡的訓練、查看神經網絡的訓練過程、預測結果、以圖表形式對預測結果進行統計分析及用戶人員管理等。系統總體結構圖如圖2所示。

本系統所基于的開發環境是Microsoft公司的Windows XP系列的操作系統，該系列的操作系統在網絡、安全、系統體系結構等領域做了改進，使它的可靠性更高，安全性更好，界面簡潔友好，易于使用。根據用戶需求和系統分析，考慮到系統的結構化、可擴充、易移植和易維護性，并為用戶提供一個友好易于操作的用戶界面，衡量各種設計語言的利弊，選用面向對象的編程語言Visual C++6.0作為開發該數據庫管理系統的編程工具，數據庫系統使用Oracle 10g。

圖2 鋼材力學性能預測系統結構圖

3 數據庫中規范化表的設計

數據庫的總體結構設計如圖3所示。在執行性能預測的時候，關注的是原始的設計數據和預測結果，與此同時需要關注整個神經網絡實際輸出誤差的收斂程度，以便調整一些網絡輸入參數，使得整個網絡的性能處于較佳狀態，因此，除了設計數據表和預測結果數據表以外，還需建立收斂誤差數據表記錄整個神經網絡的訓練過程。

本系統的知識分為兩個部分：樣本集，系統知識集。樣本集：本系統采用模糊神經網絡實現，模糊神經網絡的學習過程，就是輸入以往軋鋼現場收集的實驗數據，為更好的訓練網絡，將其學習樣本存入數據庫管理系統，以便模糊神經網絡學習時調用。系統知識集：在樣本輸入后系統自動進行學習，調整神經網絡權值矩陣和閥值向量，當誤差減到要求的范圍內，系統停止學習，此時的權值矩陣與閥值向量固定下來，成為系統內部知識。這些知識主要表現在網絡各個節點的連接權值、節點閥值及運算函數上。對于神經網絡，系統的這些知識正是它本身的內在“規則”，系統通過這些“規則”實現對事物的判斷推理且不能人為修改。若要對其進行更改，需要通過系統再訓練來實現。用戶信息表用來記錄系統使用人員的信息，如：用戶名、密碼、各種權限、真實姓名、地址電話、登錄時間等。用戶根據自己的權限進入系統，不同權限的用戶對系統具有不同的操作級別，普通用戶一般只能對數據庫進行查詢操作；系統用戶可以對數據庫進行查詢、修改、錄入數據等多種操作，還可以維護學習樣本，設定網絡參數，訓練網絡，管理用戶等操作。

圖3 預測系統數據庫結構圖

4 BP神經網絡設計

理論上單隱層BP網絡可以任意精度逼近任意非線性曲線，因此本系統采用了單隱層BP網絡構建神經網絡模型，如圖4所示。

網絡輸入為鋼材的化學成分和工藝參數。鋼材化學成分包括：碳、硅、錳、磷、硫等15個成分參數。工藝參數選用F4-F6三道次參數[1]、終軋溫度、卷曲溫度、上冷卻水溫度、下冷卻水溫度、中間坯厚度等參數作為神經網絡候選輸入參數。神經網絡采用單輸出層，分別為：屈服強度、抗拉強度、延伸率。

圖4 BP網絡示意圖

BP神經網絡是有導師類型的神經網絡，采用誤差梯度下降規則訓練網絡，導致網絡學習速度慢且易陷入局部極值。由于網絡結構的選擇尚無完整的理論指導，初始權值閾值的選取和隱層節點的確定等都存在一定的盲目性，因此網絡預測能力與訓練能力的矛盾，易出現“過擬合”現象。為了加速收斂和防止震蕩以及改善網絡泛化能力，該系統采用經過粒子群算法優化的BP神經網絡對實驗數據模擬計算，動態顯示訓練誤差曲線，獲得鋼材化學成分及工藝參數等因素對鋼材力學性能的影響規律。通過主控制臺界面，實現對鋼材力學性能的預測及新鋼種力學性能的設計等功能。

圖5 智能預測系統數據庫管理系統數據操作功能圖

5 數據庫管理系統人機界面設計

數據可視化[2](Data Visualization)技術指的是運用計算機圖形學和圖像處理技術，將數據換為圖形或圖像，在屏幕上顯示出來并進行交互處理的理論、方法和技術。鋼材力學性能預報系統數據庫人機界面，作為溝通用戶和后臺數據庫系統的載體，在系統的人機交互中起著重要的作用。人機交互界面的設計優劣直接關系到用戶對軟件系統的操作和控制。利用Virsual C++6.0作為開發工具，設計良好的界面功能。以圖形界面進行人機交互，以菜單形式選擇命令，以圖形圖表形式展現數據參數。在設計過程中使用ADO完成Virsual C++6.0與Oracle 10g數據庫的通信。開發工作包括設計管理系統的功能模塊，創建數據庫連接，設計并開發瀏覽、查詢和維護界面，編寫數據庫管理系統后臺支持應用程序。數據操作功能圖如圖5所示。

6 結語

通過對鋼材力學性能預報系統數據庫的結構分析，利用Oracle 10g建立了數據庫及力學性能預報管理系統，采用VC++6.0編程開發了鋼材力學性能預報系統的相應程序，可實現根據鋼材化學成分、帶鋼軋制工藝參數等預報鋼材的力學性能。

[1]劉維群，李元臣.BP網絡中隱層節點優化的研究[D].洛陽:洛陽師范學院,2000.

[2]戴起勛，趙玉濤.材料科學研究方法[M]，北京：國防出版社，2004.

（責任編輯：文婷）