钢铁研究学报

作者：李福勇¹, 王斌斌², 朱德鑫², 武森¹, 黄胜永¹, 吴宏辉²

单位：1.石家庄钢铁有限责任公司,河北石家庄050031;；2.北京科技大学碳中和研究院,北京100083

关键词：淬透性,端淬试验,支持向量机,决策树,神经网络

基金：国家自然科学基金资助项目(52474397);河钢集团重点科技项目计划资助项目(HG2023235)

淬透性是钢铁材料的关键性能参数,反映钢材在淬火过程中获得均匀硬化能力的特性,直接影响钢材的力学性能和使用寿命。传统物理模型由于在处理复杂成分和工艺参数时精度有限,难以准确预测淬透性。综述了支持向量机(SVM)、决策树(DT)、神经网络(NN)和深度学习等机器学习模型在钢材淬透性预测中的应用,并从预测精度、数据需求和计算效率等方面进行对比分析。对未来的研究方向进行展望,包括提高数据质量、融合模型和增强物理可解释性等关键问题。随着机器学习技术的持续发展,淬透性预测的精确性和泛化性将得到显著提升,为钢铁行业的智能化生产提供有力的技术支撑。

来源：2025年第8期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2025年第8期