[01078302]基于物理冶金和人工智能的热轧钢材组织性能预测

以低碳钢和含Nb微合金钢为研究对象，首次系统建立了包括温度场、再结晶、析出、相变及轧后组织－性能对应关系等模型在内的组织－性能预测系统，研究了热加工过程参数和化学成分等条件对组织－性能的影响。建立了板带钢瞬态温度场模型和描述热轧板带奥氏体演变情况的计算机模型，并应用于板带钢TMCP过程的模拟，为生产工艺的制定和物理冶金规律的研究提供指导。以析出热力学和动力学为基础，对Fe－Nb－C及Fe－Nb－C－N系统在奥氏体中的析出行为进行计算。采用Fe－C－X1－X2四元系的中心原子模型，计算了相界面平衡浓度和开始转变温度Ae3等热力学参数。采用超组元方法，结合LFG模型，计算了 转变平衡开始温度。计算了变形对相变孕育期的影响，探讨不同变形及过冷条件下连续冷却转变（CCT）开始温度和形变诱导相变发生条件的计算方法。首次采用物理冶金模型和人工神经网络相结合的方法，进行热轧板带力学性能的纠偏预报，从而既保证预报精度，为实现在线应用奠定了基础。对控轧控冷实验和带钢与中厚板生产过程的模拟结果，与实验结果相比吻合良好，为新钢种的成分设计和TMCP生产工艺的制定提供指导，充分证明了本系统的可应用性。