金属热处理

作者：张志业, 王焱, 张彪, 季泽, 刘亚良, 张明赫, 冯运莉

单位：1.华北理工大学 冶金与能源学院, 河北 唐山 063210;；2.石家庄海关技术中心曹妃甸业务部, 河北 唐山 063205

关键词：机器学习,中锰钢,临界温度,参数调节

基金：国家自然科学基金(51901078);河北省自然科学基金(E2022209070);河北省中央引导地方科技发展资金(236Z1003G);唐山市市级科技计划(24130207C)

为便于中锰钢热处理工艺的设计,开发了用于中锰钢临界温度A1、A3预测的机器学习模型。通过Thermal-Calc模拟软件获取496组不同成分中锰钢临界温度数据,以Mn、Al、C成分作为输入特征,以相变温度A1和A3作为输出目标。采用均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R2)3种指标对模型预测效果进行评价。从7种机器学习模型(LR、DT、SVM、GPR、Boosting、Bagging以及ANN)中筛选出了预测A1的GPR模型和A3的GPR、ANN模型。结果表明,预测A1的GPR模型具有足够精度,为预测A1的最优模型。采用网格搜索法对预测A3的初步模型进行超参数调节,从而获得A3的最优模型(单层ANN模型)。针对所应用文献中中锰钢的化学成分,利用最优模型对A1、A3进行预测,得到A1、A3预测值与实测值的总体MAE分别为9.95 ℃和13.57 ℃,最低差距分别为0.30 ℃和6.20 ℃,表明模型精准度高,可用于中锰钢临界温度的预测。

来源：2025年第2期

《金属热处理》期刊编辑部

查看金属热处理杂志2025年第2期