成果简介：

以周期性运行的热处理工艺，往往热处理周期很长，工件(如钢卷)尺寸和装炉数量 经常变化，难以对工艺本身进行极限优化。采用数字孪生和神经网络耦合技术，可以极限压缩周期性热处理工艺的时间，从而提高生产效率，降低能耗。

成熟程度及推广应用情况：

目前处于何种研发阶段： ☐研发 ☐小试 ☐中试 ☐小批量生产 ☒产业化；样机：

☒有 ☐无 其他： □如选择“其他 ”，请说明：。

已投入成本：100 万元。

推广应用情况：该技术曾在首钢迁钢、特变电工新疆变压器厂等公司应用。

期望技术转移成交价格（大概金额）：70 万元。

技术优势：

周期性热处理工艺的优化模型涵盖如下内容：

1.  数字孪生模型设计：采用热工机理模型，预测炉内每一个工件温度、应力和应变、 材料微观组织等场量的分布和演变规律。温度预测是核心模块，应力和应变、材料微观

组织等是可选模块。(已有实施案例)

2.  基于数字孪生模型的直接优化算法：采用边计算、边优化的算法，通过一次仿真

计算获得最优工艺曲线，达到预测控制的目的。(已有实施案例)

3.  神经网络算法：耦合热处理工序的上下游生产数据，对工件的力学和电磁等性能

进行生产流程级别的聚类优化。(已有算法)

性能指标：

该工艺优化技术，可以达到如下指标：

1.  能够跟踪每一个工件状态的数字孪生模型，计算效率满足在线预测控制的需求。

2.  直接优化算法，从优化策略方面进一步降低工艺优化的时间成本，根据设定目标，极限压缩热处理周期。

3.  神经网络算法，耦合工序上下游，进行生产流程级别的优化，为直接优化提供约

束条件和目标。

4.  已有实施案例表明：热处理质量不降低的前提下，热处理时间可以压缩 30%左右。

市场分析：

具有周期式热处理装备(台车炉、罩式退火炉、井式炉等)的钢铁企业、机械加工企

业等，以及设计、加工周期式热处理装备的设计院、企业等。

经济效益分析：

通过该模型进行工艺优化，可以提高热处理产品温度控制的准确性，提高产品质量 的稳定性。从已经应用的效果来看，针对立体卷铁心的热处理，该技术可以压缩热处理时间 30%左右(原热处理周期为 35-40 小时) ，某些工况下，可以压缩 40%左右。通过数字孪生模型，可以对周期式热处理装备进行优化，获得最优的结构设计、运行参数设计等。

成果亮点：

1.  具有自主知识产权，研究成果已授权软件著作权登记 1 项。

2.  成果来源：企业横向项目。

3.  技术先进性：国际先进。

联系人：姚老师 

电  话：010-62333881 ，13718384597