冶金流程工程学作为引领钢铁工业绿色化、智能化、品牌化发展的新兴学科分支,旨在通过冶金制造流程的系统集成优化,实现产品高效制造、能源梯级转换与资源循环再生。系统阐述了其理论体系创新,包括《冶金流程学》专著、信息物理融合系统(cyber-physical systems ,CPS)理论和动态精准设计方法,揭示了流程工业智能化转型的物理本质及其“物质流-能量流-信息流”三流耦合的演进路径。基于理论突破,成功指导了“界面”技术、动态仿真技术、动态甘特图等关键技术群的开发,并在首钢京唐、河钢唐钢新区等标志性工程上实现规模化应用,取得了生产效率提高、能源消耗降低、产品质量提升的显著成效。研究进一步分析了当前面临的挑战,包括分析工具不足、科研体系限制、跨行业应用有限等,并提出未来应加强本科生教育、推广动态精准设计理论和方法、建立全厂性的智能化及构建冶金-化工-水泥等产业协同发展的生态圈。实践证明,冶金流程工程学不仅推动了冶金工程学科的拓展和完善发展,更为钢铁工业低碳化、高质量发展提供了理论指导与技术支持,具有重要的学术建设价值与工程实践指导意义。
金相观察是分析材料微观组织的重要方法,采集高质量的金相图像对于材料分析尤为重要。然而,采集高质量的金相图像是一个耗时耗力的过程。特别是超低碳钢,由于其变形抗力低,磨样时易出现划痕,此外,难以通过腐蚀手段获得清晰的晶界,给微观组织分析带来极大困难。本文基于超低碳钢微观组织照片晶界模糊、划痕较多的问题,融合注意力机制与循环回归神经网络算法,开发基于CycleGan-SA的晶界强化方法,实现微观组织晶界强化。在此基础上,采用分水岭分割算法,针对晶界强化后微观组织图像,实现晶粒尺寸精细化统计,结果表明:相比传统分割方法,CycleGan-SA模型可以实现微观组织特征信息强化,精细化分析模型测得的晶粒尺寸分布与Image J测定基本相同,晶界占比与Image Pro Plus 测定相差仅有0.008%。