钢材组织性能演变的数字解析与工艺智能优化/刘振宇,周晓光,吴思炜,曹光明

定价：148.00元

出版时间：2024-12

ISBN：978-7-5240-0017-4

内容提要

本书主要介绍跨系统、跨工序钢铁工艺质量大数据平台构建，利用工业大数据驱动，融合物理冶金学原理和智能优化策略实现钢材生产全流程组织性能演变的数字解析，高效多目标优化算法等。

本书可供从事钢铁生产工作的工程技术人员、科研人员阅读，也可供高等学校材料类、机械类、计算机等相关专业师生参考。

目  录

1概述1

1.1钢材组织性能演变的数字解析与工艺智能优化的研究背景1

1.2钢材组织性能演变数字孪生系统发展历程2

1.3机器学习应用于材料领域的研究现状3

1.3.1机器学习应用于材料组织演变模拟3

1.3.2机器学习应用于材料合金优化设计5

1.3.3微合金钢物理冶金学行为机器学习存在的问题6

1.4热轧过程中析出与应变、再结晶间的交互作用6

1.4.1析出与应变耦合7

1.4.2析出与静态再结晶耦合8

1.4.3精确描述微合金钢物理冶金学行为存在的问题8

1.5热轧过程表面质量组织演变力能参数耦合关系分析8

1.5.1显微组织演变与轧制变形的耦合关系分析9

1.5.2表面氧化与轧制变形的耦合关系分析13

1.5.3破解“组织氧化力能”强耦合黑箱状态的难点16

1.6热轧组织性能演变工业软件开发与应用17

参考文献19

2钢材组织性能预测的典型实验方法24

2.1单道次压缩实验24

2.1.1动态再结晶数学模型24

2.1.2变形抗力模型31

2.2双道次压缩实验36

2.2.1典型实验方案36

2.2.2实验结果分析36

2.2.3静态再结晶动力学和静态再结晶激活能Qrex的确定38

2.3应力松弛实验39

2.3.1典型实验方法40

2.3.2应力松弛曲线及分析41

2.4连续冷却转变实验45

2.4.1实验材料、设备和实验方案45

2.4.2实验原理46

2.4.3连续冷却转变曲线的绘制47

2.4.4变形对实验钢连续冷却转变曲线的影响49

2.4.5变形对铁素体相变开始温度的影响50

2.4.6冷却速度对相变组织的影响51

2.4.7变形对相变组织的影响54

2.4.8变形和未变形奥氏体相变组织的硬度对比54

参考文献55

3热轧钢材奥氏体组织演变和析出模型56

3.1高强度钢奥氏体化过程中的奥氏体晶粒长大及其模型56

3.1.1实验方案56

3.1.2奥氏体晶粒长大及其分布结果和讨论57

3.2机器学习微合金钢动态再结晶行为68

3.2.1预测动态再结晶行为的机器学习模型的开发68

3.2.2动态再结晶行为的机器学习模型预测结果与分析74

3.3机器学习微合金钢应变诱导析出行为82

3.3.1应变诱导析出行为的机器学习模型开发82

3.3.2应变诱导析出行为的机器学习模型预测结果与分析89

3.4基于回复析出再结晶交互作用的静态软化行为机器学习98

3.4.1静态软化分数的计算98

3.4.2基于回复析出再结晶交互作用的静态软化行为机器学习模型开发99

3.4.3静态软化行为的机器学习模型预测结果与分析106

参考文献113

4热轧过程“组织氧化力能”的集成机器学习模型研究119

4.1引言119

4.2“组织氧化力能”的集成机器学习模型开发119

4.2.1破解“组织氧化力能”强耦合黑箱状态的难点119

4.2.2数据集构建及数据特征分析121

4.2.3破解“组织氧化力能”强耦合黑箱状态的集成机器学习方法121

4.3集成机器学习模型结果分析124

4.4“组织氧化力能”耦合状态的机器学习结果分析126

4.4.1“组织力能”耦合状态的机器学习结果分析126

4.4.2“氧化力能”耦合状态的机器学习结果分析130

参考文献132

5“形核长大”机制下的变温相变动力学可加性法则及机器学习求解方法134

5.1研究背景134

5.1.1等温相变理论135

5.1.2变温相变理论137

5.2广义可加性法则的理论模型推导139

5.2.1不同相变机制下的相变速率模型139

5.2.2不同相变机制下的长大速率模型140

5.2.3广义可加性法则的解析模型141

5.3基于广义可加性法则的相变动力学的数据驱动解143

5.3.1铁素体相变数据集构建143

5.3.2珠光体相变数据集构建145

5.3.3相变动力学方程的数据驱动求解方法146

5.4实验验证与结果分析147

5.4.1铁素体相变动力学分析147

5.4.2珠光体相变动力学分析150

5.4.3不同相变可加性法则的对比151

5.4.4扩散型相变的广义等动力学条件153

参考文献154

6钢材生产工业大数据的挖掘技术157

6.1工业大数据平台的建立157

6.1.1数据采集157

6.1.2数据库的建立159

6.2工业数据建模存在问题及数据挖掘方法162

6.2.1工业数据建模存在的问题162

6.2.2工业大数据挖掘方法163

6.3机器学习建模方法171

6.3.1集成学习算法171

6.3.2神经网络175

6.4数据挖掘在建模过程中的典型应用177

6.4.1数据平台的搭建177

6.4.2数据处理181

6.4.3模型建立与分析186

参考文献191

7人工智能算法在组织性能预测中的应用194

7.1大数据驱动的物理冶金学模型194

7.1.1大数据驱动的物理冶金学模型概述194

7.1.2大数据驱动的物理冶金学模型202

7.1.3模型预测结果讨论211

7.2基于深度学习的钢铁组织特征识别221

7.2.1卷积神经网络222

7.2.2显微组织图像语义分割模型226

7.2.3显微组织特征量化226

7.3多目标优化算法开发及热轧工艺智能优化229

7.3.1粒子群优化算法229

7.3.2εODICSA算法237

7.3.3基于分解的多目标进化算法249

7.3.4基于贝叶斯神经网络的工艺优化设计259

参考文献263

8板带产品组织性能预测及工艺优化系统的开发及应用266

8.1系统介绍266

8.2系统应用272

8.2.1新型钢板桩用钢开发272

8.2.2低碳铝镇静钢合金含量优化275

8.2.3低碳钢一钢多能轧制工艺设计277

8.2.4高强钢性能稳定性控制282

8.2.5高表面质量免酸洗高强钢开发285

8.2.6基于力学性能预测的超边界报警293

8.2.7钢卷通长力学性能预测293

8.3智能化热轧工艺优化设计系统工业应用294

8.3.1SCX400热轧工艺优化设计295

8.3.2590CL热轧工艺优化设计296

8.3.3SFB700热轧工艺优化设计297

参考文献298

索引300