机器学习辅助轻质钢热变形过程映射与本构建模研究

为解决轻质钢热变形行为复杂建模难题，研究人员采用Arrhenius模型与人工神经网络(ANN)方法对Fe-11Mn-6Al-0.1C钢进行热压缩模拟，构建动态材料模型(DMM)处理图。结果表明ANN模型预测精度显著优于传统方法(R=0.9995)，首次揭示该材料在900-1100°C/0.01-0.1 s-1为最优热加工窗口，为工业热成型提供可靠指导。

　　

轻质钢作为新一代高性能材料，其热加工过程中的流变行为预测一直是冶金领域的重大挑战。传统Arrhenius型本构模型在描述Fe-Mn-Al-C系轻质钢复杂的热变形机制时，常因参数敏感性高、机制转变区间大而失效。特别是在动态应变时效(DSA)与动态再结晶(DRX)共存的温度区间，常规模型预测误差可达13%以上。这种精度缺陷直接导致工业热成型过程中出现流变失稳、裂纹等缺陷，严重制约轻质钢的规模化应用。

为突破这一技术瓶颈，伊朗科学技术大学M.M. Salehi Mehr团队在《Journal of Materials Research and Technology》发表创新研究。研究人员选取典型成分Fe-11Mn-6Al-0.1C轻质钢，通过100-1100°C宽温域热压缩实验获取基础数据，创新性地将30神经元单隐层人工神经网络(ANN)与传统Arrhenius模型进行对比，并结合动态材料模型(DMM)构建三维处理图。关键技术包括：1) 采用真空感应熔炼+电渣重熔制备实验合金；2) Gotech AI-7000 LA30试验机完成0.001-0.1 s^-1应变速率下的热压缩；3) MATLAB R2016b构建MLP神经网络；4) 基于Prasad与Babu准则分别处理正/负应变速率敏感性(m)区间的失稳预测。

3.1 高温流变行为

热压缩曲线揭示该钢在200-600°C出现反常应变速率敏感性：0.001 s^-1下的流变应力反而高于0.1 s^-1，证实动态应变时效(DSA)主导该温区变形。超过700°C后，动态再结晶(DRX)引发的典型软化行为使流变应力对温度敏感性增强3倍。

3.2 Arrhenius本构建模

分段建模显示：700-1100°C区间模型精度(R=0.9405)显著优于100-600°C区间(R=0.8132)，源于激活能Q从563.4 kJ/mol到DSA区间的剧烈波动。即便采用α=0.0169 MPa^-1等优化参数，全温域预测AARE仍达7.734%。

3.3 ANN预测

30神经元单隐层网络展现出惊人精度：测试集R值达0.9995，AARE仅2.57%。特别在未训练的320°C、540°C等中间温度预测中，成功复现DSA特征峰与DRX软化拐点。

3.7-3.9 处理图构建

功率耗散图显示800-1100°C/0.01-0.1 s^-1为最佳能耗效率区(η>35%)，对应完全DRX组织。而200-400°C/低应变速率区因DSA导致ξ<0的失稳，与微观裂纹观测结果高度吻合。

这项研究开创性地证实：ANN模型通过数据驱动可突破传统本构方程的理论局限，在轻质钢热加工领域实现三大突破——1) 全温域流变应力预测误差控制在3%以内；2) 首次明确Fe-11Mn-6Al-0.1C钢的工业化安全加工窗口；3) 为多机制耦合变形材料建模提供普适性框架。该成果不仅解决了当前轻质钢热成型工艺参数优化的核心难题，其构建的"应力-温度-应变速率"三维处理图更为新材料开发提供了标准化研究范式。