东北大学王昭东团队MGE Adv.：机器学习在渗碳钢热处理工艺设计中的应用

本文针对传统渗碳钢热处理工艺开发依赖经验试错、效率低且难以揭示多因素耦合作用规律的问题，提出了一种基于机器学习的性能预测与工艺优化方法。研究构建了包含化学成分、物理性能及多阶段热处理工艺参数的高维数据库，以硬度梯度（Hardness）和摩擦系数（COF）为预测目标，通过多模型对比优选决策树（DT）算法。经特征筛选，模型对Hardness和COF的预测误差分别低至2.7%和4.3%。利用SHAP方法进行可解释性分析，识别出淬火温度、回火温度等关键工艺参数。基于该模型对20CrMnTi和42CrMo钢进行工艺逆向设计，并通过物理实验验证，实际硬度预测误差低于6%，COF变化趋势与实测结果高度吻合。研究表明，该方法可准确预测材料性能并指导工艺优化，为渗碳钢的数据驱动开发提供了有效工程方案。