-
公开(公告)号:CN118314984A
公开(公告)日:2024-07-09
申请号:CN202410529223.0
申请日:2024-04-29
Applicant: 东北大学
IPC: G16C20/70 , G16C20/30 , G16C60/00 , G06V10/44 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多模态数据卷积特征融合的C‑Mn钢力学性能预测方法,属于钢材性能预测技术领域,包括以下步骤:构建初始多模态数据集;构建实际多模态数据集;将实际多模态数据集划分为训练集及测试集;利用多模态数据卷积特征融合的卷积神经网络模型对训练数据进行计算,优化模型参数,得到待预测的C‑Mn钢材力学性能预测模型并对测试数据进行计算,并对模型的泛化性能进行评估,得到待应用的基于多模态数据卷积特征融合的C‑Mn钢力学性能预测模型。本发明采用上述的一种基于多模态数据卷积特征融合的C‑Mn钢力学性能预测方法,通过不同维度的卷积神经网络模型有效的将成分工艺与显微组织图像数据信息进行耦合,提高了C‑Mn钢材力学性能的预测精度。
-
公开(公告)号:CN118298191A
公开(公告)日:2024-07-05
申请号:CN202410529226.4
申请日:2024-04-29
Applicant: 东北大学
IPC: G06V10/44 , G06V20/69 , G06V10/774 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了一种基于Seg‑Net模型的提取方法在提取钢铁微观组织特征中的应用,属于铁金相图像分析和处理技术领域,包括以下步骤:将获得的金相照片划分为训练集和测试集;采用深度学习模型对训练集数据进行训练,结合数据增强等手段对训练数据集进行扩充,构建具有识别晶粒组织能力的深度学习模型;利用具有识别晶粒组织能力的深度学习模型对待识别的金相照片进行识别,得到待识别照片的显微组织信息。本发明采用上述一种基于Seg‑Net模型的提取方法在提取钢铁微观组织特征中的应用,通过对金相显微组织照片智能识别获取显微组织特征信息,可以简化由于传统获取方法造成的繁琐工作及时获取显微组织信息的同时兼具较高的精度。
-
公开(公告)号:CN116024503B
公开(公告)日:2024-07-05
申请号:CN202211583082.8
申请日:2022-12-09
Applicant: 东北大学
Abstract: 本发明公开了一种具有高强度的节镍型双相不锈钢丝及其制备方法,包括以下质量百分比的成分:C:0.07~0.16%;Mn:4%~7%,Mo:0.3%~0.7%,Cr:20~25%;Ni:0.5~2.5%;N:0.15~0.3%;Nb:≤0.02%;P:<0.05%,S:<0.05%,余量Fe及不可避免的杂质。本发明还公开了一种具有高强度的节镍型双相不锈钢丝的制备方法,包括:备料;熔炼;AOD精炼;均匀化处理;热轧;固溶;拉拔。获得的双相不锈钢丝组织内部铁素体体积含量为40%‑50%,室温抗拉强度≥2000MPa,能够解决现有的双相不锈钢丝强度低、成本高的问题。
-
公开(公告)号:CN118207479A
公开(公告)日:2024-06-18
申请号:CN202410327362.5
申请日:2024-03-21
Applicant: 东北大学
Abstract: 一种具备超高室温屈服强度高锰中厚板及其制备方法,属于钢铁材料轧制技术领域。本发明以C 0.35%~0.56%、Si 0.13%~0.32%、Mn 22.7%~26.2%、Cr 3.7%~5.1%、Cu 0.41%~0.53%、Nb 0.03%~0.15%、P≤0.05%、S≤0.07%、余量为Fe和不可避免的杂质为组分进行熔炼、铸造得到钢坯,通过锻造修型、一阶段高温热轧、加热后均温、二阶段异步温轧、冷却,最终得到具备超高室温屈服强度的高锰中厚板。本发明的高锰中厚板轧制态即可使用,具有超高的室温屈服强度和较好的室温塑性,强塑性匹配良好,且合金元素较少,成本远低于高合金奥氏体不锈钢。
-
公开(公告)号:CN115354237B
公开(公告)日:2023-11-14
申请号:CN202211039248.X
申请日:2022-08-29
Applicant: 东北大学
Abstract: 一种抗拉强度1000MPa级热轧超高强钢板及其制备方法,属于冶金技术领域。该抗拉强度1000MPa级热轧超高强钢板,其含有的成分及其质量百分比为:C:0.06~0.12%;Mn:1.0~2.0%;Si:0.08~0.2%;Ti:0.05~0.13%;Cr:0.7~1.5%;P≤0.02%;S≤0.01%;余量为Fe及不可避免的杂质。制备方法:1)按照热轧钢板的化学成分配比,熔炼成铸坯;2)将铸坯保温,进行热轧,以一定冷却速率,冷却至适当温度,随后在线升温至卷取。得到的抗拉强度1000MPa级热轧超高强钢板,微观组织主要包括贝氏体、残余奥氏体、纳米级碳化物,碳化物弥散分布在贝氏体基体上,屈服强度为≥750MPa,抗拉强度为≥1000MPa,延伸率A≥15%。
-
公开(公告)号:CN116822367A
公开(公告)日:2023-09-29
申请号:CN202310812967.9
申请日:2023-07-03
Applicant: 东北大学
IPC: G06F30/27 , G06N3/0442 , G06F18/214 , G06F119/14 , G06F119/08
Abstract: 本发明公开了一种基于LSTM模型的IF钢力学性能预测方法,S1、选取样本;S2、补充空缺数据;S3、异常值剔除:使用格拉布斯准则对S2中得到的数据集中力学性能异常IF钢钢卷对应的参数数据剔除,得到数据集;S4、训练LSTM模型:将S3中得到的数据集按比例划分为训练数据和预测数据,将关键参数作为输入变量,将力学性能作为输出变量,将输入变量和输出变量用于训练LSTM模型,得到LSTM预测模型。本发明采用上述步骤,LSTM预测模型中既包含IF钢成分对IF钢性能的影响,也包含热轧和冷轧工艺参数对IF钢性能的影响,有助于LSTM模型实现高精度的力学性能预测,优化工艺参数。
-
公开(公告)号:CN112417639B
公开(公告)日:2023-08-04
申请号:CN202010966429.1
申请日:2020-09-15
Applicant: 东北大学
IPC: G06F30/20 , C22F1/16 , G06F119/08
Abstract: 本发明提供一种热轧低碳钢氧化铁皮结构演变数字解析方法,涉及轧钢技术领域。相比于传统基于深度学习的显微组织识别方法,本方法基于热轧低碳钢氧化铁皮结构演变预测模型,从生产现场服务器读取轧制生产工艺参数,计算轧制后冷却过程中钢卷温度随时间变化曲线,对氧化铁皮结构演变过程进行实时预测,实现氧化铁皮结构转变过程的数字解析。该技术可以指导热轧生产工艺参数的制定,通过制定合理的工艺参数,优化氧化铁皮中FeO,Fe3O4和共析组织(Fe+Fe3O4)各相比例,为热轧带钢氧化铁皮结构控制提供依据。
-
公开(公告)号:CN112085727B
公开(公告)日:2023-07-11
申请号:CN202010978690.3
申请日:2020-09-17
Applicant: 东北大学
IPC: G06T7/00 , G06T7/11 , G06T7/90 , G06N3/0464 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种热轧钢材表面氧化铁皮结构智能识别方法,涉及轧钢技术领域。本发明通过制作氧化皮检测的试样,并利用金相检测设备得到热轧钢材表面氧化铁皮照片数据,经过预处理后,建立起氧化皮图像样本集。制作语义标签,结合建氧化皮结构图像语义分析的神经网络模型,对神经网络模型进行训练,最终实现用户输入氧化铁皮组织图片,自动获取图片中各组织的比例、分布区域、以及其形态分类说明。
-
公开(公告)号:CN113960082A
公开(公告)日:2022-01-21
申请号:CN202111311913.1
申请日:2021-11-08
Applicant: 东北大学
IPC: G01N23/20008
Abstract: 一种热轧带钢氧化铁皮EBSD分析的制样方法,属于轧钢技术领域,本发明提供的热轧带钢氧化铁皮EBSD分析的制样方法,利用锡液低熔点的物理特性来对氧化铁皮试样进行热镶封装,之后进行进一步的机械抛光及震动抛光加工,最后使用SEM及附带的EBSD组件进行检测。通过这种方法对氧化铁皮试样的高质量检测提供技术基础。相较于传统的制样方式,本发明通过熔融态金属锡液浇筑的方式,在保护了氧化皮在打磨过程中不被破坏的同时,解决了氧化皮镶嵌试样导电性差的难题;相较聚焦离子束加工的方式成本更低,且可以实现试样的批量的加工。试样处理无需高端的设备,具有更高的普适性。
-
公开(公告)号:CN113957353A
公开(公告)日:2022-01-21
申请号:CN202111244686.5
申请日:2021-10-26
Applicant: 东北大学
IPC: C22C38/04 , C22C38/02 , C22C38/06 , C22C38/16 , C22C38/12 , C22C38/38 , C22C38/20 , C22C38/24 , C22C38/26 , C21D8/02 , C21D1/18
Abstract: 本发明的一种4.2K温度下适用的高锰型高韧钢及其制备方法,属于钢铁材料技术领域。高韧钢化学成分按重量百分比为:C:0.40~0.68%,Si:0.18~0.54%,Mn:17.8~24.6%,Al:0~5.1%,Cr:0~5.4%,Cu:0~0.52%,V:0~0.27%,Nb:0~0.24%,P≤0.030%,S≤0.020%,余量为Fe和不可避免杂质;制法为:铸锭经冶炼铸造与均质化处理后,经轧制冷却与热处理,制得高锰型高韧钢。相对于传统极低温领域奥氏体不锈钢,该钢极低温冲击韧性优越,并采用廉价Mn元素稳定奥氏体,代替Ni、Cr、Mo等贵重金属,获得单相奥氏体组织,极大降低合金成本,在核聚变反应堆的超导磁体、液氢/液氧火箭发动机低温推进剂存储等领域具有广阔应用前景。
-
-
-
-
-
-
-
-
-