融合物理冶金学与机器学习的组织性能预测及热轧工艺优化

传统的钢材组织性能预测和工艺优化技术(物理冶金模型和神经网络模型)无法兼顾钢材性能预测的高精度和物理冶金学基本规律,因此,对钢材生产的实际指导作用有限.基于对工业大数据的关联、清洗等处理,将数字孪生技术应用于钢铁材料组织性能预测及热轧工艺优化中.通过对有效工业数据的机器学习,在保证物理冶金学数学模型规律的条件下,实现了力学性能的高精度预测.以轧制力预测为例,介绍了融合物理冶金学与机器学习的预测方法.利用人工智能算法,对生产工艺进行针对性设计,实现了智能化热轧,主要体现在热轧钢材的定制化生产、减量化合金设计、钢种归并、性能稳定性控制等.最后,对组织性能预测及热轧工艺优化领域的成果进行了介绍.