我国钢产量位列世界第一，是国民经济建设的支柱性产业

钢材组织性能预测及智能工艺优化

我国钢铁产量居世界第一，是国民经济建设的支柱产业。 当前，我国钢铁行业正面临制造业转型升级带来的前所未有的挑战，用户对钢材品质的要求不再千篇一律。 产品性能波动大、稳定性差等质量问题仍然是困扰我国钢铁行业的重点问题之一。 钢铁材料的独特之处在于其内在的微观结构对生产过程极其敏感。 由于这种敏感性，同一钢种的显微组织会因工艺参数的变化而发生变化，从而导致性能发生实质性变化。 即“热轧工艺→显微组织→产品性能”之间存在着本质的关联。 因此，精确控制微观组织演变是决定钢材性能和质量的核心因素。 当前的生产主要以“过程—绩效”控制为主，生产过程中的组织演化处于黑箱状态，导致生产控制目标模糊，成为当前亟待解决的核心问题之一。钢铁生产。

如果想要控制钢材的内部结构，调整和改变其结构和性能，就需要准确感知轧件内部的信息，模型系统需要具备感知能力。 项目研究人员以工业大数据为基础，以物理冶金研究为基础，通过AI（人工智能）、机器学习等现代信息技术，进一步赋予模型和系统感知、记忆、思维、学习能力和行为决策能力。 - 制作能力。 。 针对生产过程的复杂性和用户的个性化需求，构建跨系统、跨工序的钢铁工艺质量大数据平台，充分利用工业大数据驱动，融合物理冶金原理和智能优化策略实现整个钢铁生产过程的组织和绩效演化。 数字化分析，协调整个过程的关键工艺质量参数，将每个制备过程与多级控制知识关联起来； 同时开发高效的多目标优化算法，根据用户个性化需求制定全局生产流程快速设计，通过多道工序协调匹配，提高钢材产品质量的稳定性和生产效率。 主要创新成果如下：

（1）多场耦合条件下微观组织演化的物理和冶金规律研究。 针对传统物理冶金模型距离实际生产较远、无法直接应用的问题，开发了物理冶金数据库，明确了析出、位错、晶界、相变等定量强化机制，建立了再结晶，第二相析出等不同物理冶金现象的相互耦合影响关系模型； 提出了变温相变过程的广义可加性定律，实现了热轧生产过程复杂变温路径下相变动力学的准确描述，为高精度演化提供了基础。微观结构和性能。 该模型提供了理论支持和模型基础。

(2)组织绩效演化行为的动态数字化分析。 运用热轧技术和物理冶金的理论和方法，开发数据标准化处理算法，解决物理冶金数据对热轧钢材的普适性和通用性问题； 开发了一种利用实验和生产数据动态调整模型系统参数的算法，解决了不同钢种成分体系和生产工艺的适应性问题。 结合热轧过程中的多领域计算、工业大数据和机器学习算法，开发了钢结构和性能演化的动态数字分析模型系统，实现将复杂组织演化的物理过程映射为数字化的目标首次获得高精度信息。

▲钢材组织和性能演化高精度模型的开发

(3)热轧工艺智能优化设计。 鉴于生产过程多变量、强耦合的特点，大多数产品性能指标都是分散、单独控制的，难以实现全局动态优化和柔性生产。 本研究成果建立了最优组织结构和绩效的指标评价函数，发展了最优组织结构和绩效的评价函数以及初始条件的聚类搜索方法。 在此基础上，开发了多目标优化和动态优化设置。 算法方面，开发了基于多目标优化算法的过程逆向优化算法。 基于高精度组织性能演化模型，解决复杂系统的多维度、多目标优化问题，通过过程智能优化实现产品质量稳定性控制。

▲700MPa级高强钢性能稳定性控制及HP295窄屈强比控制

结论

项目研发团队开发的以组织绩效预测与优化为核心的智能钢铁制造技术已在宝钢2050mm（2005年）、鞍钢2150mm（2014年）和ASP1700mm（2020年）、梅钢1422mm和1780mm（2008年~成钢1780mm（2018年）、连阳2250mm（2019年）、首钢京唐2250mm（2020年）等热轧生产线得到推广应用。鞍钢2150开发了焊接筒体钢屈强比波动控制技术热连轧生产线，解决了焊接筒钢窄屈强比控制（0.735-0.785）的世界性难题，使该类产品的成品率更加稳定，强度比波动降低至原来的1/4，大大提高了产品合格率；开发了厚度规格9-12mm的Q345B结构板，升级了Q390B的轧制技术，生产出性能稳定的钢板。 在梅钢1422、1780热连轧生产线上，通过结构性能预测和工艺优化，钢种数量减少了60%以上，实现了热连轧的集约化、绿色化生产。滚动，极大促进了公司节能减排； 同时，对于厚度为2.5毫米的汽车轮毂用钢，通过结构性能预测和工艺优化，钢材中的锰含量可降低一半，每吨钢材可节省材料成本约50元。 依托承德1780生产线，在全球率先实现结构钢带卷性能预测，为热轧产品稳定性控制提供手段。

▲钢结构性能预测及工艺智能优化系统推广应用