公开(公告)号：CN110442954A

公开(公告)日：2019-11-12

申请号：CN201910698771.5

申请日：2019-07-31

申请人： 东北大学 ,  本钢板材股份有限公司

发明人： 徐伟 ,  徐宁 ,  黄健 ,  王晨充 ,  原家华 ,  沈春光

IPC分类号： G06F17/50 ,  G06K9/62 ,  G06N3/12

摘要： 本发明提供一种基于物理冶金学指导下机器学习的超高强不锈钢设计方法，涉及钢铁材料设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集；根据训练集建立基于物理冶金学指导的集成学习算法模型；将集成学习算法模型的相关系数大于90％的作为遗传算法中的目标函数；遗传算法被用于优化设计成分及工艺获得超高强不锈钢，对不锈钢的成分及热处理条件进行设计；对于得到的大量设计结果采用SVC分类器进行分类筛选，输出其典型合金的成分、工艺、硬度。该方法可以提升模型泛化能力，使设计更为高效，设计结果更加符合物理冶金学原理。

公开(公告)号：CN110428876A

公开(公告)日：2019-11-08

申请号：CN201910698739.7

申请日：2019-07-31

申请人： 东北大学 ,  本钢板材股份有限公司

发明人： 徐伟 ,  沈春光 ,  黄健 ,  王晨充 ,  原家华

IPC分类号： G16C60/00 ,  G06N20/10 ,  G06N3/12

摘要： 本发明提供一种基于物理指导的机器学习算法的钢铁材料设计方法，涉及钢铁材料的设计和机器学习应用技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集；根据训练集建立基于物理冶金学指导的支持向量机模型；将基于物理冶金学指导的支持向量机模型的相关系数大于90％的作为遗传算法中的目标函数；得到优化后的成分、工艺及最佳目标性能的材料；对于得到的大量设计结果采用SVC分类器进行分类筛选，输出其典型合金的成分、工艺、目标性能。本方法将物理冶金机制引入到机器学习中，同时结合优化算法形成完备的设计平台，设计结果更加符合物理冶金学原理。

公开(公告)号：CN110415769A

公开(公告)日：2019-11-05

申请号：CN201910698854.4

申请日：2019-07-31

申请人： 东北大学 ,  本钢板材股份有限公司

发明人： 王晨充 ,  崔晴 ,  黄健 ,  徐伟 ,  沈春光

IPC分类号： G16C20/10 ,  G16C20/70 ,  G06N3/12

摘要： 本发明提供一种基于物理冶金学指导下机器学习的低活化钢的设计方法，涉及材料计算设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集；根据训练集建立基于物理冶金学指导的集成学习算法模型；将集成学习算法模型的相关系数大于90％的作为遗传算法中的目标函数；遗传算法被用于优化设计成分及工艺获得最佳强度的低活化钢，对低活化钢的成分及工艺进行设计；对于得到的大量设计结果采用SVC分类器进行分类筛选，输出其典型合金的成分、工艺、屈服强度。该方法使基于统计学的机器学习富有了物理冶金学含义，并且该方法可以提升模型泛化能力，使设计更为高效，设计结果更加符合物理冶金学原理。

公开(公告)号：CN110442953A

公开(公告)日：2019-11-12

申请号：CN201910698740.X

申请日：2019-07-31

申请人： 东北大学 ,  本钢板材股份有限公司

发明人： 徐伟 ,  祝开禹 ,  黄健 ,  王晨充 ,  沈春光

IPC分类号： G06F17/50 ,  G06N3/12 ,  G06N20/10

摘要： 本发明提供一种基于物理冶金学指导下机器学习的Q&P钢的设计方法，涉及汽车钢的成分工艺设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集；根据训练集建立基于物理冶金学指导的集成学习算法模型；将集成学习算法模型的相关系数大于85％的作为遗传算法中的目标函数；遗传算法被用于优化设计成分及工艺获得最佳强塑积的Q&P钢，对Q&P钢的成分及工艺进行设计；对于得到的大量设计结果采用SVC分类器进行分类筛选，输出其典型合金的成分、工艺、强塑积。本方法相对于单纯机器学习，可以提升模型泛化能力，使设计更为高效，设计结果更加符合物理冶金学原理。

公开(公告)号：CN110428876B

公开(公告)日：2022-11-29

申请号：CN201910698739.7

申请日：2019-07-31

申请人： 东北大学 ,  本钢板材股份有限公司

发明人： 徐伟 ,  沈春光 ,  黄健 ,  王晨充 ,  原家华

IPC分类号： G16C60/00 ,  G06N20/10 ,  G06N3/12

摘要： 本发明提供一种基于物理指导的机器学习算法的钢铁材料设计方法，涉及钢铁材料的设计和机器学习应用技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集；根据训练集建立基于物理冶金学指导的支持向量机模型；将基于物理冶金学指导的支持向量机模型的相关系数大于90％的作为遗传算法中的目标函数；得到优化后的成分、工艺及最佳目标性能的材料；对于得到的大量设计结果采用SVC分类器进行分类筛选，输出其典型合金的成分、工艺、目标性能。本方法将物理冶金机制引入到机器学习中，同时结合优化算法形成完备的设计平台，设计结果更加符合物理冶金学原理。

公开(公告)号：CN110442953B

公开(公告)日：2022-11-25

申请号：CN201910698740.X

申请日：2019-07-31

申请人： 东北大学 ,  本钢板材股份有限公司

发明人： 徐伟 ,  祝开禹 ,  黄健 ,  王晨充 ,  沈春光

IPC分类号： G06F30/27 ,  G06N3/12 ,  G06N20/10 ,  G06F119/14

摘要： 本发明提供一种基于物理冶金学指导下机器学习的Q&P钢的设计方法，涉及汽车钢的成分工艺设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集；根据训练集建立基于物理冶金学指导的集成学习算法模型；将集成学习算法模型的相关系数大于85％的作为遗传算法中的目标函数；遗传算法被用于优化设计成分及工艺获得最佳强塑积的Q&P钢，对Q&P钢的成分及工艺进行设计；对于得到的大量设计结果采用SVC分类器进行分类筛选，输出其典型合金的成分、工艺、强塑积。本方法相对于单纯机器学习，可以提升模型泛化能力，使设计更为高效，设计结果更加符合物理冶金学原理。

公开(公告)号：CN110442954B

公开(公告)日：2022-11-25

申请号：CN201910698771.5

申请日：2019-07-31

申请人： 东北大学 ,  本钢板材股份有限公司

发明人： 徐伟 ,  徐宁 ,  黄健 ,  王晨充 ,  原家华 ,  沈春光

IPC分类号： G06F30/17 ,  G06F30/27 ,  G06N20/20 ,  G06K9/62 ,  G06N3/12 ,  G06F111/10 ,  G06F119/14 ,  G06F119/08

摘要： 本发明提供一种基于物理冶金学指导下机器学习的超高强不锈钢设计方法，涉及钢铁材料设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集；根据训练集建立基于物理冶金学指导的集成学习算法模型；将集成学习算法模型的相关系数大于90％的作为遗传算法中的目标函数；遗传算法被用于优化设计成分及工艺获得超高强不锈钢，对不锈钢的成分及热处理条件进行设计；对于得到的大量设计结果采用SVC分类器进行分类筛选，输出其典型合金的成分、工艺、硬度。该方法可以提升模型泛化能力，使设计更为高效，设计结果更加符合物理冶金学原理。

公开(公告)号：CN110415769B

公开(公告)日：2022-10-21

申请号：CN201910698854.4

申请日：2019-07-31

申请人： 东北大学 ,  本钢板材股份有限公司

发明人： 王晨充 ,  崔晴 ,  黄健 ,  徐伟 ,  沈春光

IPC分类号： G16C20/10 ,  G16C20/70 ,  G06N3/12

摘要： 本发明提供一种基于物理冶金学指导下机器学习的低活化钢的设计方法，涉及材料计算设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集；根据训练集建立基于物理冶金学指导的集成学习算法模型；将集成学习算法模型的相关系数大于90％的作为遗传算法中的目标函数；遗传算法被用于优化设计成分及工艺获得最佳强度的低活化钢，对低活化钢的成分及工艺进行设计；对于得到的大量设计结果采用SVC分类器进行分类筛选，输出其典型合金的成分、工艺、屈服强度。该方法使基于统计学的机器学习富有了物理冶金学含义，并且该方法可以提升模型泛化能力，使设计更为高效，设计结果更加符合物理冶金学原理。

公开(公告)号：CN105543685A

公开(公告)日：2016-05-04

申请号：CN201510985418.7

申请日：2015-12-25

申请人： 本钢板材股份有限公司 ,  东北大学

发明人： 黄健 ,  易红亮 ,  张贵玉 ,  刘宏亮 ,  康海军 ,  高洪刚

IPC分类号： C22C38/04 ,  C22C38/02 ,  C22C38/06 ,  C22C38/14 ,  C22C38/18 ,  C22C38/32 ,  C21D8/02 ,  B21B45/00

CPC分类号： C22C38/04 ,  B21B45/00 ,  B21B2267/10 ,  C21D8/0221 ,  C22C38/001 ,  C22C38/02 ,  C22C38/06 ,  C22C38/14 ,  C22C38/18 ,  C22C38/32

摘要： 本发明为一种抑制热冲压过程氧化层脱落的热冲压成形用钢钢板及其生产方法，所述的成分按重量百分比包括：C的含量为0.19~0.27，Si的含量至多为0.50，Mn的含量为1.00~1.50，Al的含量至少为0.010，N的含量至多为0.010，Ti的含量为0.01~0.055，Cr的含量至多为0.35，B的含量为0.0005~0.004；以及含量至多为0.50的Mo、W、Cu、Ni中的一种或多种；含量不超过0.10的Nb、Zr、V中的一种或多种，所述的钢板的表面粗糙度为1.1~2.0μm。生产方法包括以下步骤：a、按照权利要求1的成分获得钢板原料；b、粗糙度处理步骤；c、获得热冲压成形钢。

公开(公告)号：CN112375961A

公开(公告)日：2021-02-19

申请号：CN202011154793.4

申请日：2020-10-26

申请人： 本钢板材股份有限公司

发明人： 曹志众 ,  李明光 ,  刘军 ,  黄健 ,  周宏伟 ,  张兴国 ,  燕际军 ,  杜秀川 ,  刘学海 ,  杨得草 ,  张霞 ,  张冰 ,  卢秉仲 ,  王飞 ,  王鲲鹏 ,  于昊岑

IPC分类号： C22C33/06 ,  C21C7/00 ,  C21C7/064 ,  C22C38/02 ,  C22C38/04 ,  C22C38/06 ,  C22C38/42 ,  C22C38/44 ,  C22C38/46 ,  C22C38/48 ,  C22C38/50 ,  C22C38/52 ,  C22C38/54 ,  C22C38/60

摘要： 本发明属于炼钢技术领域，具体涉及一种采用中频炉双联法生产高纯工业纯铁的方法，本发明通过选择冶炼工业纯铁的原料，使用自产低残余元素，该残余元素包括Pb,As,Sn,Sb,Bi,Cu等铁水冶炼超低碳钢后所产废钢，降低工业纯铁中残余元素含量，降低工业纯铁中的碳含量；通过中频感应炉双联法冶炼降低工业纯铁中的Si、Mn、P、S、Al、N、O等元素的含量，达到生产高纯度工业纯铁的目的。