在平衡狀態(tài)下，液態(tài)物質(zhì)的特性只決定于成分與溫度兩個參數(shù)（假設(shè)壓力不變）。但是，實際生產(chǎn)和科學(xué)試驗中所碰到的液態(tài)金屬往往是遠離平衡態(tài)的。因此，經(jīng)常出現(xiàn)成分與溫度相同的液態(tài)金屬，在同樣的凝固條件下得到的組織與性能相差很大的情況。這就提出了非平衡條件下液態(tài)金屬質(zhì)量的表征與評測問題。如果我們把液態(tài)金屬質(zhì)量定義為對凝固過程和凝固組織與性能有影響的特性，那么它就一定會受以下因素的影響：

  · 熔煉所用的原材料，即所謂的遺傳性；
  · 微量元素，指一般不作分析或難于精確分析的痕量雜質(zhì)元素；
  · 熔煉歷程，包括熔煉過程所經(jīng)歷的最高溫度及高溫停留時間；
  · 熔煉方法，高爐，電阻爐，感應(yīng)電爐、電弧爐等；
  · 爐前處理，精練、變質(zhì)處理，球化、孕育處理，電、磁處理等。

    所有這些影響因素的共同特征是他們都是動態(tài)不平衡參量。所以，液態(tài)金屬的質(zhì)量特性不可能用一個或幾個平衡參數(shù)來表示。

    幾十年來，人們采用了一系列方法來評測液態(tài)金屬的質(zhì)量，如相同凝固條件下的金相檢測，液態(tài)金屬的電子輸運特性測量，熱分析等。其中熱分析法具有一系列優(yōu)點，研究最多，發(fā)展也最快。

    隨著電子技術(shù)的迅速發(fā)展，熱分析法也逐步實現(xiàn)電子化、數(shù)字化和微機化。電子式熱分析儀和微機化熱分析儀等產(chǎn)品的問世，大大推動了熱分析法的發(fā)展。國外將計算機和熱分析儀結(jié)合起來，發(fā)展了一種計算機輔助熱分析技術(shù)（Computer-Aided Thermal Analysis），簡稱CATA，或稱為計算機輔助冷卻曲線分析（CA-CCA）。利用這種技術(shù)，人們可以評測鐵水的孕育效果。微機熱分析設(shè)計接口電路將熱分析儀與微機連接起來，通過微機能夠方便地根據(jù)現(xiàn)場生產(chǎn)條件和測試條件方便地修正數(shù)學(xué)模型及其系數(shù)，從而大大提高了熱分析儀的適應(yīng)性和測試效果。

    1996年，對于灰鑄鐵和球墨鑄鐵，國外發(fā)展了一種基于熱分析并結(jié)合人工智能的系統(tǒng)。這種系統(tǒng)可以根據(jù)穩(wěn)定系統(tǒng)來分析試樣的凝固過程并預(yù)測各種鑄造缺陷的可能性，同時也可以估計出物理性能。該系統(tǒng)利用計算機輔助熱分析技術(shù)，編制了軟件程序來評測鐵水的微觀結(jié)構(gòu)和孕育效果。研究人員從熱分析曲線的特征值中選擇了10個作為控制參數(shù)，并且給每一個參數(shù)都定義了閾值。如果10個點都滿足閾值要求，則認為鐵水質(zhì)量合格。該方法簡單方便，一目了然。

    然而，即使隨著熱分析的發(fā)展，選取的特征值數(shù)目由少到多，通過選取特征值進行鐵水質(zhì)量評估仍然在一定程度上受到主觀因素的影響。這是因為，熱分析技術(shù)的應(yīng)用只限于更清楚、更直觀地顯示冷卻曲線上的特征值，并在這些特征值與鐵水的預(yù)測參量之間建立一定的回歸關(guān)系。而熱分析特征值的尋取準確性和數(shù)學(xué)模型的回歸精度是受到限制的。即使增加一階微分和二階微分，考慮對結(jié)晶潛熱的分析，其特征值的選取仍是基于現(xiàn)有經(jīng)驗及主觀因素之上的。而且對微分曲線和冷卻曲線進行分析需要非常專業(yè)的知識，更加增加了分析帶來的難度和主觀因素的作用。

    目前，國內(nèi)已有人運用人工智能神經(jīng)網(wǎng)絡(luò)在預(yù)測灰鐵鑄件的性能。人工神經(jīng)網(wǎng)絡(luò)是模擬生物神經(jīng)傳遞信息的方法而建立的一種人工智能模式識別方法，具有并行、適應(yīng)能力強等優(yōu)點。神經(jīng)元作為神經(jīng)網(wǎng)絡(luò)的基本要素，由于計算速度快而得到廣泛應(yīng)用。由于神經(jīng)網(wǎng)絡(luò)模型良好的自學(xué)習(xí)功能，隨著模式對樣本的不斷增加與更新，系統(tǒng)具有較強的適應(yīng)性，為此，可以設(shè)計建立動態(tài)綜合數(shù)據(jù)庫，其中存有大量模式對，并隨著系統(tǒng)的在線運行而不斷存入新的事實樣本，以此作為新增模式對而使神經(jīng)網(wǎng)絡(luò)進行自學(xué)習(xí)，從而不斷提高神經(jīng)網(wǎng)絡(luò)模型的適應(yīng)性和預(yù)報命中率?？梢詫⒛Ｊ阶R別方法用于多因素影響的灰鑄鐵的生產(chǎn)過程；運用自組織人工神經(jīng)網(wǎng)絡(luò)對受到多因素控制的生產(chǎn)過程進行模式識別與分類，根據(jù)生產(chǎn)狀態(tài)代表點在空間的分布結(jié)構(gòu)，尋找與控制目標之間的聯(lián)系，將輸入與輸出間難以描述的函數(shù)關(guān)系轉(zhuǎn)化為對模式識別的分類與判別，可以建立對灰鐵質(zhì)量合格與不合格兩類狀態(tài)進行識別的計算機智能專家系統(tǒng)，從而預(yù)測樣品性能所屬牌號。上海冶金研究所的張兆春等人利用最小二乘法并結(jié)合預(yù)報殘差平方和S 檢驗，從影響鑄件性能的幾個主要方面（如鐵水化學(xué)成分和澆注工藝參數(shù)）抽提出幾個作為影響鑄件性能的主要因素（CE、Mn、Cr、Sn、Si），運用逆映照方法確定在現(xiàn)有的生產(chǎn)工藝基礎(chǔ)上這幾個變量的變化趨勢以及優(yōu)化范圍。以這幾個影響鑄件性能的主要變量作為人工神經(jīng)網(wǎng)絡(luò)的輸入特征量，經(jīng)已知樣本集訓(xùn)練，可以對鑄件的兩個指標進行雙目標預(yù)報。

    模式識別方法基本原理為：系統(tǒng)將來自熱分析、成分分析、金相分析及力學(xué)性能的結(jié)果組成一定結(jié)構(gòu)的數(shù)據(jù)庫。只要數(shù)據(jù)庫中積累了足夠不同類型、不同牌號、不同凝固條件、不同質(zhì)量指標的記錄，便可形成測評的依據(jù)。當一新的熱分析測試結(jié)果輸入時，計算機便能迅速的在已有數(shù)據(jù)庫中找出與該冷卻曲線最相近者，利用所找出曲線的成分、金相組織和力學(xué)性能評估當前所測熔體。該方法因用模式識別技術(shù)代替原來用微分、多樣杯同時測量等方法測量特征值來表征冷卻曲線；通過利用數(shù)據(jù)庫代替線性回歸和人工神經(jīng)網(wǎng)絡(luò)分析。該方法可以綜合評判與熔體質(zhì)量有關(guān)的各種指標，而且對不同的條件具有自學(xué)習(xí)功能。該項研究成果目前正用于特大斷面球鐵鐵水質(zhì)量評測與控制技術(shù)的研發(fā)和高爐鐵水短流程直接生產(chǎn)高質(zhì)量鑄件關(guān)鍵技術(shù)的研究。正在我國百噸級特大斷面球鐵的生產(chǎn)和高爐鐵水短流程直接生產(chǎn)高質(zhì)量鑄件（灰鑄鐵發(fā)動機缸體、蠕墨鑄鐵、球鐵管等）中發(fā)揮關(guān)鍵作用。

更多詳情,請關(guān)注中國鑄造網(wǎng)[http://www.www.usllm.cn]鑄造技術(shù)欄目