CC BY
54
МЕТАЛЛУРГИЯ И МАТЕРИАЛОВЕДЕНИЕ
УДК 669.14:620.17.001.18
С.В. Князев1, Д.В. Скопич2, А.А. Усольцев1, Е.А. Фатьянова2
1Сибирский государственный индустриальный университет 2ООО «Индас Холдинг», г. Новокузнецк
ПРОГНОЗИРОВАНИЕ КАЧЕСТВЕННЫХ ХАРАКТЕРИСТИК СТАЛИ МАРКИ
20ГФЛ
Аудит технологического процесса выплавки стали марки 20ГФЛ в дуговых печах ДСП-6 Рубцовского филиала ОАО «Алтайвагон» выявил проблемы, связанные с получением брака стали по механическим свойствам [1]. Несмотря на то, что химический состав стали 20ГФЛ находился в установленных ГОСТ 977 - 88 границах, имеются случаи, когда механические свойства исследуемых образцов не соответствовали нормативным требованиям. Появление таких ситуаций связано с тем, что установленные ГОСТ 977 - 88 границы на химический состав стали 20ГФЛ имеют достаточно широкий интервал, внутри которого встречаются комбинации химических элементов в стали (контролируемые и неконтролируемые ГОСТ), приводящие к отклонениям по механическим свойствам. Для подтверждения этого факта и выявления причин проблемы брака был проведен статистический анализ влияния химического состава на качественные характеристики механических свойств металла [2, 3]. Были отобраны годовые данные по пяти печам. Выборка составила 6000 плавок. Для анализа были взяты пять показателей механических свойств (ударная вязкость КСи_б0
ор И
KCV_6o °С, временное сопротивление ов, относительное сужение у и относительное удлинение 5) и десять элементов (C, S, Mn, P, S, Cr, Ni, Al, Cu, V) химического состава. Анализ проводился в компьютерной среде RStudio на языке R.
Для проведения регрессионного анализа и построения модели прогнозирования использовали следующие алгоритмы: Linear Regression (LR), Random Forest (RF) и Support Vector Machine (SVM) [4 - 7]. Результаты работы моделей прогноза показаны ниже. На рис. 1 приведены графики реальных данных KCU по каждой выборке, отсортированные по возрастанию, и их прогнозные значения, полученные различными методами. Наименьшую среднеквадратичную ошибку о = 5,80 показал метод Random Forest, который и был выбран для дальнейшего анализа данных.
Для повышения точности прогноза модель RF была скорректирована на величину прогнозируемой ошибки. На рис. 2 приведены графики ошибки прогноза методом RF в зависимости от прогнозного значения KCU и ее прогноза методом RF. На рис. 3 представлен прогноз KCU скорректированной модели RF. Видно,
KCU, Дж/см2 120
80 40
0
0
1000 3000 5000 Номер выборки
KCU, Дж/см2 90 70 50
1000 3000 5000 Номер выборки
KCU, Дж/см2
90 70
50
I I I
0 1000 3000 5000 Номер выборки
KCU, Дж/см 80
40
I I I
0 1000 3000 5000 Номер выборки
Рис. 1. Реальные данные KCU (а) и результаты прогноза методами LR (б), SVM (в) и RF (г)
0
Рис. 2. Графики ошибки прогноза
что среднеквадратичную ошибку удалось уменьшить более чем в два раза: о = 2,21.
Таким же способом были построены прогнозные модели зависимости механических свойств от химического состава стали для остальных показателей. Средняя абсолютная ошибка прогноза по каждому показателю в процентном отношении не превысила 3 %.
С помощью алгоритма Genetic Algorithm (GA) и полученных прогнозных моделей был произведен поиск минимума значения по каждому параметру механических свойств при заданных ГОСТ границах на процентное содержание элементов в химическом составе стали марки 20ГФЛ. Согласно проведенным расчетам, минимальные значения относительного сужения, относительного удлинения и KCU не вышли за границы зоны качества, установленные ГОСТ. Расчет минимальных значений KCV и временного сопротивления показал возможность получения брака при хорошем, с точки зрения ГОСТ, химическом анализе. Графики поисков минимумов с помощью алгоритма GA для KCV и временного сопротивления показаны на рис. 4.
0 1000 3000 5000
Номер выборки
Рис. 3. Прогноз KCU с использованием скорректированной модели RF
м RF (а) и ее прогнозирования (б)
Проведенный анализ подтвердил возможность получения брака стали по механическим свойствам при соблюдении границ на содержание элементов в химическом составе плавки согласно ГОСТ, а также показал возможность прогнозирования и управления механическими свойствами стали по ходу выплавки, например, после получения результатов экспресс-лаборатории перед сливом стали в ковш или во время внепечной обработки металла.
Выводы. При получении прогноза брака по одному из параметров, используя алгоритм GA и прогнозную модель RF, задав текущие значения элементов химического состава и конечные условия, можно рассчитать химический состав стали, которого еще возможно добиться на заданной плавке и который будет гарантировать отсутствие брака. После расчета рекомендуемого химического состава можно рассчитать количество необходимых добавок в ковш при сливе плавки или во время внепеч-ной обработки стали. Это позволит частично или полностью уйти от брака по механическим свойствам.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. К н я з е в С.В., У с о л ь ц е в А.А., С к о-п и ч Д.В., Ф а т ь я н о в а Е.А. Опыт разработки и внедрения автоматизированной системы пооперационного контроля производства отливок (АС ПКПКО) // Современные технологии в машиностроении: Сборник статей XVII Международной научно-технической конференции, 2013. -Пенза: изд. ПДЗ. С. 111 - 117.
Рис. 4. Графики работы алгаритма GA для KCV (а) и ав (б)
2. К н я з е в С.В., А н т и п е н к о В.А., М а р ч у к о в В.А., У с о л ь ц е в А.А. Алгоритм диагностики дефектности отливок и структура АСУ их качеством // Литейное производство. 1992. № 4. С. 26, 27.
3. К н я з е в С.В., У с о л ь ц е в А.А., Ч и ч-к о в В.И. Ш и х о в Е.А. Контроль и управление производства отливок по критерию их качества // Теория и практика литейных процессов: Труды Всероссийской научно-практической конференции, посвященной 80-летию кафедры литейного производства СибГИУ / Под ред. И.Ф. Селянина, В.Б. Деева. - Новокузнецк: изд. СибГИУ, 2012. С. 153 - 158.
4. Hastie, Т., Tibshirani R., Friedman J. Chapter 15. Random Forests // The Elements of Statis-
tical Learning: Data Mining, Inference, and Prediction. - 2nd ed. - Springer-Verlag, 2009.
5. Википедия: https://ru.wikipedia.org/wiki/ Random_forest (Дата обращения: 13.03. 2015 г.).
6. Юрий Лифшиц. Метод опорных векторов (Слайды) - лекция № 7 из курса «Алгоритмы для Интернета»: http://yury. name/internet.html (Дата обращения: 13.03.2015 г.).
7. В а п н и к В.Н. Восстановление зависимостей по эмпирическим данным. - М.: Наука, 1979. - 448 с.
© 2015 г. С. В. Князев, Д. В. Скопич, А.А. Усольцев, Е.А. Фатьянова Поступила 13 марта 2015 г.
УДК 621.011:539.52
М.В. Филиппова, М.В. Темлянцев, В.Н. Перетятько Сибирский государственный индустриальный университет
ТЕРМИЧЕСКИ АКТИВИРОВАННЫЕ ПРОЦЕССЫ ПРИ ГОРЯЧЕЙ ДЕФОРМАЦИИ СТАЛИ
08Х18Н10Т*
Точность расчетов энергосиловых параметров различных процессов обработки металлов давлением в значительной степени зависит от точности определения величины сопротивления деформации (напряжения течения). Значение напряжения течения зависит в общем случае от типа кристаллической решетки, химического состава, структуры, степени деформации, температуры и скорости деформации [1]. Влияние исходной структуры и ее изменение в процессе деформации может быть учтено через структурно-чувствительный фактор. Тогда для конкретной марки стали напряжение течения от можно записать в виде
стт =стт (в,и,Т,С), (1)
где 8 - степень деформации; и - скорость деформации; Т - температура; С - структурно-чувствительный фактор.
При больших деформациях (установившаяся стадия пластического течения) напряжение
Работа выполнена при финансовой поддержке РФФИ на 2014 - 2015 гг. (гос. контракт № 14-0800686).
течения и структура не зависят от степени деформации и однозначно определяются скоростью деформации и температурой:
ст т =а т(и,Т)• (2)
Проведено исследование кривых течения аустенитной стали марки 08Х18Н10Т с содержанием 28 % 8 -феррита. Исследование образцов проводили методом растяжения при температурах от 800 до 1200 °С при скорости деформации от 3,2-10-2 до 1,7^ 10-1 с-1. Скорость деформации 1,7 •Ю-1 с-1 получена при испытании образцов на горячее скручивание [2].
Для изучения изменения микроструктуры при высоких температурах растяжение образцов из стали марки 08Х18Н10Т проводили на установке высокотемпературной металлографии ИМАШ-20-75 «Ала-Тоо» [3]. Для испытания образец крепился в вакуумной камере. После откачки воздуха до остаточного давления 6,7 10 3 Па проводили нагрев и растяжение образцов. Нагрев образца до температуры от 800 до 1200 °С осуществлялся за счет пропускания через него тока промышленной частоты.
