一种用于双相钢中控制延性断裂的关键微观结构特征逆向分析的系统性框架：全局尺度

《METALLURGICAL AND MATERIALS TRANSACTIONS A-PHYSICAL METALLURGY AND MATERIALS SCIENCE》：A Systematic Framework for Inverse Analysis of Critical Microstructural Features Governing Ductile Fracture in Dual-Phase Steels: Global-Scale

双相钢（DP590）中复杂微观结构对损伤过程的影响及机器学习解析方法研究。通过有限元建模与实验验证构建数据集，采用统计方法与算法筛选关键特征，结合蒙特卡洛重建和ICE图实现物理意义阐释。

　　

摘要

研究表明，微观结构特征在双相（DP）钢的损伤过程中起着主导作用，但由于DP钢的微观结构极其复杂且各微观特征之间存在相互耦合，因此每种微观特征在损伤过程中的具体作用尚未得到充分阐明。本研究提出了一种基于机器学习的系统框架，用于对影响DP钢延性损伤的关键微观结构特征进行排序并解释其物理意义。通过有限元建模生成了将人工微观结构与损伤应变相关联的数据集，并进行了DP590钢的拉伸试验以进行校准和验证。采用两点相关性和主成分分析将多种微观结构以统一格式表示。同时运用互信息算法和基于随机森林的Boruta算法来筛选和排序对损伤过程至关重要的微观特征。通过蒙特卡洛算法进行微观结构重建，并利用个体条件期望（ICE）图对这些选定的微观特征进行定性和定量分析，以解读其物理含义。

研究表明，微观结构特征在双相（DP）钢的损伤过程中起着主导作用，但由于DP钢的微观结构极其复杂且各微观特征之间存在相互耦合，因此每种微观特征在损伤过程中的具体作用尚未得到充分阐明。本研究提出了一种基于机器学习的系统框架，用于对影响DP钢延性损伤的关键微观结构特征进行排序并解释其物理意义。通过有限元建模生成了将人工微观结构与损伤应变相关联的数据集，并进行了DP590钢的拉伸试验以进行校准和验证。采用两点相关性和主成分分析将多种微观结构以统一格式表示。运用互信息算法和基于随机森林的Boruta算法来筛选和排序对损伤过程至关重要的微观特征。通过蒙特卡洛算法进行微观结构重建，并利用个体条件期望（ICE）图对这些选定的微观特征进行定性和定量分析，以解读其物理含义。