金属热处理加工工艺优化方法及系统

技术领域

本发明涉及热处理技术领域，具体涉及金属热处理加工工艺优化方法及系统。

背景技术

在金属部件加工实现性能方面，现行技术仍然主要依赖于技术人员的主观经验设计和反复实验，这使得金属部件的性能实现存在不确定性，表现为随机性较强。

同时，这种依赖于个体经验的方法也带来了金属部件加工性能实现过程的不必要的冗长和繁琐，以及金属部件加工周期的延长。在限制金属部件生产的效率和可控性的同时，增加了资源和时间成本。

综上所述，现有技术中存在金属部件加工的性能实现依赖于技术人员的主观经验设计和重复性实验，导致金属部件的性能实现具有随机性且实现过程耗时周期过长的技术问题。

发明内容

本申请提供了金属热处理加工工艺优化方法及系统，用于针对解决现有技术中存在金属部件加工的性能实现依赖于技术人员的主观经验设计和重复性实验，导致金属部件的性能实现具有随机性且实现过程耗时周期过长的技术问题。

鉴于上述问题，本申请提供了金属热处理加工工艺优化方法及系统。

本申请的第一个方面，提供了金属热处理加工工艺优化方法，所述方法包括：交互获得目标金属的性能设计信息，其中，所述性能设计信息包括多种金属性能参数；对所述性能设计信息进行关联分析，获得配比关联性能集和热处理关联性能集；预构建金属配比分析网络，并将所述配比关联性能集同步至所述金属配比分析网络中进行金属配比分析，获得目标金属配比信息；采用所述目标金属配比信息进行金属原材调用和合金化处理，获得目标热处理原材；获得对目标金属进行热处理加工的多个工艺步骤，其中，所述多个工艺步骤具有多组工艺调参区间；基于所述多组工艺调参区间构建多个工艺调参寻优空间，并以所述热处理关联性能集为寻优基准，在所述多个工艺调参寻优空间进行热处理工艺参数寻优，获得目标优化工艺参数。

本申请的第二个方面，提供了金属热处理加工工艺优化系统，所述系统包括：性能设计交互单元，用于交互获得目标金属的性能设计信息，其中，所述性能设计信息包括多种金属性能参数；性能关联分析单元，用于对所述性能设计信息进行关联分析，获得配比关联性能集和热处理关联性能集；金属配比分析单元，用于预构建金属配比分析网络，并将所述配比关联性能集同步至所述金属配比分析网络中进行金属配比分析，获得目标金属配比信息；处理原材加工单元，用于采用所述目标金属配比信息进行金属原材调用和合金化处理，获得目标热处理原材；工艺步骤交互单元，用于获得对目标金属进行热处理加工的多个工艺步骤，其中，所述多个工艺步骤具有多组工艺调参区间；工艺参数寻优单元，用于基于所述多组工艺调参区间构建多个工艺调参寻优空间，并以所述热处理关联性能集为寻优基准，在所述多个工艺调参寻优空间进行热处理工艺参数寻优，获得目标优化工艺参数。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的方法通过交互获得目标金属的性能设计信息，其中，所述性能设计信息包括多种金属性能参数；对所述性能设计信息进行关联分析，获得配比关联性能集和热处理关联性能集；预构建金属配比分析网络，并将所述配比关联性能集同步至所述金属配比分析网络中进行金属配比分析，获得目标金属配比信息；采用所述目标金属配比信息进行金属原材调用和合金化处理，获得目标热处理原材；获得对目标金属进行热处理加工的多个工艺步骤，其中，所述多个工艺步骤具有多组工艺调参区间；基于所述多组工艺调参区间构建多个工艺调参寻优空间，并以所述热处理关联性能集为寻优基准，在所述多个工艺调参寻优空间进行热处理工艺参数寻优，获得目标优化工艺参数。达到了基于性能设计进行金属合金化工艺控制和金属热处理工艺控制的智能化分析，从多个维度快速提升金属性能与性能设计要求适配度的技术效果。

附图说明

图1为本申请提供的金属热处理加工工艺优化方法流程示意图。

图2为本申请提供的金属热处理加工工艺优化方法中获得目标优化工艺参数的流程示意图。

图3为本申请提供的金属热处理加工工艺优化系统的结构示意图。

附图标记说明：性能设计交互单元1，性能关联分析单元2，金属配比分析单元3，处理原材加工单元4，工艺步骤交互单元5，工艺参数寻优单元6。

具体实施方式

本申请提供了金属热处理加工工艺优化方法及系统，用于针对解决现有技术中存在金属部件加工的性能实现依赖于技术人员的主观经验设计和重复性实验，导致金属部件的性能实现具有随机性且实现过程耗时周期过长的技术问题。达到了基于性能设计进行金属合金化工艺控制和金属热处理工艺控制的智能化分析，从多个维度快速提升金属性能与性能设计要求适配度的技术效果。

本发明技术方案中对数据的获取、存储、使用、处理等均符合相关规定。

下面，将参考附图对本发明中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

实施例一

如图1所示，本申请提供了金属热处理加工工艺优化方法，所述方法包括：

A100:交互获得目标金属的性能设计信息，其中，所述性能设计信息包括多种金属性能参数；

A200:对所述性能设计信息进行关联分析，获得配比关联性能集和热处理关联性能集；

具体而言，在本实施例中，所述目标金属为采用多种金属合金化处理获得的复合材料，所述性能设计信息为对所述目标金属进一步加工获得的产品所具备的多种性能参数要求。

示例性的，所述性能设计信息包括但不限于硬度、韧性、导电性、尺寸稳定性、耐腐蚀性、耐热性等。

同时，应理解的，所述性能设计信息中部分性能取决于参与合金化的多种金属材料及配比情况，部分性能取决于目标金属在后续加工部件时，热处理的多个工艺步骤的控制参数。

基于此，本实施例交互获得金属材料配比影响的金属性能集合以及金属热处理影响的金属性能集合，然后将所述性能设计信息遍历如上两个金属性能集合完成关联分析，获得表征所述性能设计信息中受金属材料配比影响的多种性能构成的所述配比关联性能集，获得表征所述性能设计信息中受金属热处理工艺影响的多种性能构成的所述热处理关联性能集。

A300:预构建金属配比分析网络，并将所述配比关联性能集同步至所述金属配比分析网络中进行金属配比分析，获得目标金属配比信息；

在一个实施例中，预构建金属配比分析网络，本申请提供的方法步骤A300还包括：

A310:所述金属配比分析网络包括配比约束分析子网络和配比优化执行子网络，其中，所述配比约束分析子网络的输出层和配比优化执行子网络的输入层连接；

A320:预设合金构成约束，并以所述合金构成约束为基准交互获得多组样本金属配比和多组样本关联性能集，其中，所述合金构成约束包括M种合金材料，M为正整数；

A330:基于知识图谱进行所述多组样本金属配比和多组样本关联性能集的数据集成，获得样本分析存储信息；

A340:预设性能相似性计算函数，所述相似性计算函数如下：

；

其中，

A350:将所述性能相似性计算函数和所述样本分析存储信息同步至所述配比约束分析子网络；

A360:预构建关联性能拟合引擎，并将所述关联性能拟合引擎同步至所述配比优化执行子网络。

在一个实施例中，将所述配比关联性能集同步至所述金属配比分析网络中进行金属配比分析，获得目标金属配比信息，本申请提供的方法步骤A300还包括：

A361:所述配比关联性能集包括K项配比关联性能参数，K为正整数；

A362:将所述配比关联性能集的K项配比关联性能参数逐一同步至所述金属配比分析网络的所述配比约束分析子网络，获得K组样本关联性能集，其中，每组样本关联性能集中的一项样本关联性能符合一种配比关联性能参数，所述K组样本关联性能集映射于K组样本金属配比；

A363:将所述多组样本关联性能集逐组和所述K项配比关联性能参数带入所述性能相似性计算函数，获得多个样本相似指数；

A364:序列化所述样本相似指数并进行极值映射调用，获得配比寻优起点；

A365:将所述配比寻优起点和所述K组样本金属配比同步至所述配比优化执行子网络，在所述配比优化执行子网络中基于所述关联性能拟合引擎进行合金配比寻优，获得所述目标金属配比信息。

在一个实施例中，将所述配比寻优起点和所述K组样本金属配比同步至所述配比优化执行子网络，在所述配比优化执行子网络中基于所述关联性能拟合引擎进行合金配比寻优，获得所述目标金属配比信息，本申请提供的方法步骤A365还包括：

A365-1:基于所述M种合金材料在所述配比优化执行子网络中构建M空间维度的配比优化空间；

A365-2:对所述K组样本金属配比进行合金材料组别划分和序列化处理，获得M组样本合金材料序列；

A365-3:基于所述M组样本合金材料序列进行极值调用，获得M个合金配比区间；

A365-4:采用所述M个合金配比区间对所述配比优化空间进行空间限缩，获得限缩优化空间；

A365-5:在所述限缩优化空间中，预设调节步长和性能偏差约束；

A365-6:以所述配比寻优起点为优化起始，基于所述关联性能拟合引擎进行合金配比性能拟合，进行预设轮次配比寻优，获得满足所述性能偏差约束的所述目标金属配比信息。

具体而言，在本实施例中，预构建金属配比分析网络，所述金属配比分析网络可以根据所述配比关联性能集的多种性能参数要求进行合金化所需金属原材以及具体配比的高速分析。

所述金属配比分析网络具体包括配比约束分析子网络和配比优化执行子网络，所述配比约束分析子网络的输出层和配比优化执行子网络的输入层连接，所述配比约束分析子网络用于粗放分析确定目标金属的合金构成和大致配比，所述配比优化执行层用于进行合金配比的进一步细化确定。

预设合金构成约束，所述合金构成约束为目标金属可选用的金属类型范围，包括但不限于铜、铁、锌、钴、镍，所述合金构成约束的设定用于避免所获合金构成中的存在贵价金属，以约束目标金属的原材料成本。

以所述合金构成约束为基准交互互联网或材料研究所等机构，以获得表征金属原料构成配比以及合金化所获金属在配比关联性能方面的性能表现的所述多组样本金属配比和多组样本关联性能集，所述合金构成约束包括M种合金材料，M为正整数，所述多组样本关联性能集中的性能都为合金化产生的性能，

在本实施例中，将金属配比作为第一属性，将所述多组样本金属配比作为第一属性值，将所述关联性能作为第二属性，将所述多组样本关联性能集作为第二属性值，基于知识图谱进行所述多组样本金属配比和多组样本关联性能集的数据集成，获得样本分析存储信息，所述样本分析存储信息用于结合性能相似性计算函数，在所述配比约束分析子网络中以所述配比关联性能集为相似性比对基准，求解获得与所述配比关联性能集相似度适配的金属配比信息。

所述相似性计算函数如下：

；

其中，

在本实施例中，将所述性能相似性计算函数和所述样本分析存储信息同步至所述配比约束分析子网络，完成所述配比约束分析子网络的构建。

所述关联性能拟合引擎可以在获得不特定合金化材料构成以及具体金属配比数据后，预测出所生产金属具备的一些性能参数。示例性，本实施例可以采用开放性的OpenQuantum Materials Database (OQMD)作为所述关联性能拟合引擎。

将所述关联性能拟合引擎同步至所述配比优化执行子网络，以实现所述配比优化执行子网络可以在进行金属配比寻优过程中快速确定新增金属配比的性能预测，本实施例在后续说明书中详细阐述所述金属配比分析网络的运行过程。

在本实施例中，所述配比关联性能集包括K项配比关联性能参数，K为正整数。基于所述K项配比关联性能参数进行关联性能指标提取，获得K个关联性能指标。

以所述K个关联性能指标为筛选约束遍历所述配比约束分析子网络的多组样本关联性能集，获得包含该K个关联性能指标的多组筛选关联性能集。

进而以K项配比关联性能参数逐一遍历所述多组筛选关联性能集，获得所述K组样本关联性能集，每组样本关联性能集中至少确保有一项样本关联性能对应符合一项配比关联性能参数，所述K组样本关联性能集映射于K组样本金属配比。

将所述多组筛选关联性能集和所述K项配比关联性能参数带入所述性能相似性计算函数，获得表征多组筛选关联性能集与K项配比关联性能参数的性能相似性程度的所述多个样本相似指数。

序列化所述样本相似指数并进行极值映射调用，获得相似指数最大值对应的一组筛选关联性能集，将该组筛选关联性能集对应的样本金属配比，作为后续进行金属配比最优的所述配比寻优起点，本实施例在后续说明书中详细阐述所述配比寻优起点的使用方法。

基于所述M种合金材料在所述配比优化执行子网络中构建M空间维度的配比优化空间。

对所述K组样本金属配比进行相同合金材料的组别划分，获得M组样本金属配比，每组样本金属配比包括多个具体的金属配比数据。序列化每组样本金属配比的数据，以获得所述M组样本合金材料序列。

基于所述M组样本合金材料序列进行极大值和极小值调用，获得M个合金配比区间。采用所述M个合金配比区间对所述配比优化空间进行空间限缩，获得限缩优化空间，在所述限缩优化空间中一定存在实现所述配比关联性能集中性能要求的一组包括M中金属比例的金属配比数据。

应理解的，所述配比关联性能集为理论上希望目标金属具备的性能，基于理论和实践的客观偏差，本实施例对所述配比关联性能集新增性能偏差约束，所述性能偏差约束就是实际性能允许与配比关联性能集的偏差，例如性能参数偏差不超过5%。

在所述限缩优化空间中，预设调节步长，所述调节步长包括M种金属的M个配比调节步长，在所述限缩优化空间中首先定位获得所述配比寻优起点对应的空间坐标点，进而以所述配比寻优起点为优化起始，进行预设轮次配比寻优，在每轮次配比寻优时，都基于所述关联性能拟合引擎进行合金配比性能拟合，获得每轮次的合金性能参数。

进而将当前轮次的合金性能参数与配比关联性能集带入所述相似性计算函数获得的相似性指数，将上一轮次的合金性能参数和所述配比关联性能集带入所述相似性计算函数获得的相似性指数进行比对，保留较大一方数据作为下一轮次的优化起点，以此类推，直至相似性指数为1，或者符合所述性能偏差约束（即相似性指数0.95~0.99），或者达到了预设寻优轮次，例如100次，停止寻优，将所获金属配比，作为所述目标金属配比信息。应理解的，上述的多轮次寻优的金属配比在空间中的粒子点都不超出所述限缩优化空间。

本实施例达到了快速获得符合配比关联性能集的多种性能要求的金属配比信息，为后续进行热处理工艺加工，获得既满足配比关联性能集又满足热处理关联性能集的全部金属性能要求的加工件，提供高可信度的金属原材配比信息的技术效果。

A400:采用所述目标金属配比信息进行金属原材调用和合金化处理，获得目标热处理原材；

具体而言，在本实施例中，根据所述目标金属配比信息，获得所需各种金属原材以及具体单位重量比例，从供应商处采购特定比例的各种金属原材料，确保原材料的质量和供应符合设计和制造的要求，进而将所获不同的金属原材料按照配比信息混合和合金化，获得所述目标热处理原材。

进一步的，以所述目标热处理原材为原料加工获得所述目标金属对应的金属部件，包括但不限于三脚架、汽车零部件、航空零部件。进而基于生产所获成型后部件（目标金属）的热处理，以使所生产部件具有所述热处理关联性能集中的性能要求。

A500:获得对目标金属进行热处理加工的多个工艺步骤，其中，所述多个工艺步骤具有多组工艺调参区间；

具体而言，在本实施例中，对目标金属进行热处理加工的工艺步骤包括但不限于加热、淬火、回火、正火、冷却步骤，且每个工艺步骤都具有对应的控制参数调节区间，例如正火步骤的控制参数调参区间包括正火温度调参区间和正火时间调参区间。

本实施例根据所述多个工艺步骤，获得常规条件下多个工艺步骤具有多组工艺调参区间，作为后续进行热处理工艺的调参寻优的参数选择区间约束。

A600:基于所述多组工艺调参区间构建多个工艺调参寻优空间，并以所述热处理关联性能集为寻优基准，在所述多个工艺调参寻优空间进行热处理工艺参数寻优，获得目标优化工艺参数。

在一个实施例中，如图2所示，基于所述多组工艺调参区间构建多个工艺调参寻优空间，并以所述热处理关联性能集为寻优基准，在所述多个工艺调参寻优空间进行热处理工艺参数寻优，获得目标优化工艺参数，本申请提供的方法步骤A600还包括：

A610:采用所述目标金属配比信息进行金属原材调用和合金化处理，获得目标热处理原材；

A620:基于所述热处理关联性能集调用获得多种关联性能指标，并基于所述多种关联性能指标对所述目标热处理原材进行性能测试，获得原始关联性能集；

A630:基于所述热处理关联性能集调用获得第一热处理关联性能，基于所述第一热处理关联性能在所述原始关联性能集映射调用第一原始关联性能；

A640:以所述第一原始关联性能为寻优起点，历经所述多个工艺调参寻优空间，对所述目标热处理原材进行工艺参数寻优，获得第一寻优调参集，其中，所述第一寻优调参集包括多组寻优调参数据，每组寻优调参数据的多个寻优调参数据映射来源于所述多个工艺调参寻优空间；

A650:以此类推，获得对应于所述热处理关联性能集的多种关联性能指标的多个寻优调参集；

A660:基于所述多个寻优调参集进行热处理适应度优化分析，获得所述目标优化工艺参数。

在一个实施例中，基于所述多个寻优调参集进行热处理适应度优化分析，获得所述目标优化工艺参数，本申请提供的方法步骤A660还包括：

A661:基于所述多个工艺步骤对所述多个寻优调参集进行数据拆分，获得多组步骤寻优调参；

A662:对所述多组步骤寻优调参进行随机排列组合，获得多个寻优调参组合；

A663:预构建性能适应度函数和热处理性能拟合引擎；

A664:将所述多个寻优调参组合和所述原始关联性能集同步至所述热处理性能拟合引擎，获得多组优化关联性能集；

A665:基于所述性能适应度函数计算所述多组优化关联性能集的多个性能适应度指数；

A666:序列化所述多个性能适应度指数并进行极值调用，获得最优步骤寻优调参组，其中，所述最优步骤寻优调参组映射于最优关联性能集；

A666:预设多个工艺调参步长，并以所述最优步骤寻优调参组为优化起点，基于所述多个工艺调参步长进行所述最优步骤寻优调参组的预设轮次优化，并基于所述热处理性能拟合引擎进行调参有效性效验，获得所述目标优化工艺参数。

在一个实施例中，预构建性能适应度函数，本申请提供的方法步骤A663还包括：

A663-1:所述性能适应度函数如下：

+/>

其中，

具体而言，在本实施例中，采用所述目标金属配比信息进行金属原材调用和合金化处理，获得目标热处理原材，进一步的，以所述目标热处理原材为原料加工获得所述目标金属对应的目标部件。

基于所述热处理关联性能集调用获得其中包括的多个关联性能参数对应的多种关联性能指标，并基于所述多种关联性能指标对所述目标热处理原材加工所获目标部件进行性能测试，获得原始关联性能集，所述原始关联性能集包括当前目标部件的实际多种关联性能参数，这些关联性能参数基于热处理优化后，可以达到所述热处理关联性能集中的多个关联性能参数。

由于获得实现所述热处理关联性能集中每个热处理关联性能的关联性能参数的多个热处理工艺步骤控制参数的实现方法具有一致性。

因此，本实施例以获得实现所述热处理关联性能集中任一热处理关联性能的多个热处理工艺步骤的控制参数为例，进行获得实现单独性能的热处理工艺步骤参数的方法的阐述。

本实施例所述热处理关联性能集中随机调用获得第一热处理关联性能，基于所述第一热处理关联性能对应的性能指标类型在所述原始关联性能集映射调用相同性能指标的原始性能参数的所述第一原始关联性能。

在本实施例中，交互获得多组样本原始关联性能集-多组样本优化管理性能集，且每组如上性能信息对应于一组包括热处理多个工艺步骤控制参数的样本工艺参数调节数组。

以所述第一原始关联性能和所述第一热处理关联性能为筛选约束，遍历所述多组样本原始关联性能集-多组样本优化管理性能集，获得性能指标及性能参数与所述第一原始关联性能和所述第一热处理关联性能相一致的多组样本工艺参数调节数组，作为所述多组寻优调参数据，就是在不考虑金属其他热处理性能情况下，采用该多组寻优调参数据中任意一组寻优调参数据对目标部件进行热处理，即可将目标部件的第一原始关联性能优化为所述第一热处理关联性能。

应理解的，所述第一寻优调参集中包括的多组寻优调参数据中，每组寻优调参数据的多个寻优调参数据映射来源于所述多个工艺调参寻优空间。以此类推，获得对应于所述热处理关联性能集的多种关联性能指标的多个寻优调参集。

基于所述多个工艺步骤对所述多个寻优调参集进行数据拆分，获得每个工艺步骤可选参数调节值组成的所述多组步骤寻优调参。

对所述多组步骤寻优调参进行随机排列组合，获得多个寻优调参组合，每个寻优调参组合的数据构成都为来源于多组步骤寻优调参的多个寻优步骤调参数据。

所述多个寻优调参组合用于后续进行实现热处理关联性能集中全部金属性能要求的多个工艺步骤控制参数寻优分析，以获得所述目标优化工艺参数。

本实施例分析确定所述目标优化工艺参数的具体过程如下：

预构建性能适应度函数，所述性能适应度函数如下：

+/>

其中，

应理解的，所述优化关联性能集为不特定某组寻优调参组合进行目标部件热处理加工后，目标部件的实际性能数据，所述优化关联性能集中的性能指标构成和所述热处理关联性能集的性能指标构成相一致。

预构建热处理性能拟合引擎，所述热处理性能拟合引擎可以在获得金属部件的原始性能参数和热处理工艺参数后，预测出热处理后金属部件具备的一些性能参数。示例性，本实施例可以采用开放性的Open Quantum Materials Database (OQMD)作为所述关联性能拟合引擎，即热处理性能拟合引擎和关联性能拟合引擎的构建具有一致性。

将所述多个寻优调参组合和所述原始关联性能集同步至所述热处理性能拟合引擎，获得多组优化关联性能集。将所述多组优化关联性能集逐组和热处理关联性能集代入所述性能适应度函数中计算获得多个性能适应度指数。

序列化所述多个性能适应度指数并进行极小值调用，将性能适应度指数极小值对应的优化关联性能集（最优关联性能集）对应的寻优调参组合作为所述最优步骤寻优调参组。

基于所述最优步骤寻优调参组对目标部件进行热处理全流程工艺步骤调参控制，即可实现获得与热处理关联性能集的性能要求最贴近的热处理后目标部件。

本实施例在获得所述优步骤寻优调参组后，将优步骤寻优调参组作为对热处理工艺参数控制的寻优起点，预设多个工艺的多组调参步长，例如正火工艺步骤的正火温度参数调节步长为30S，正火时间参数调节步长为1℃。

本实施例采用获得所述目标金属配比信息相似的方法，以所述最优步骤寻优调参组为优化起点，基于所述多个工艺调参步长进行所述最优步骤寻优调参组的预设轮次（例如100次）优化。

在每轮次优化时，基于所述热处理性能拟合引擎进行每轮次调参后的目标部件的性能拟合，获得当前轮次的实时关联性能集，作为优化关联性能集与热处理关联性能集带入所述性能适应度函数计算两组性能数据的相似性，在进行下一轮次优化时，采用相同方法获得下一轮次的实时关联性能集与所述热处理关联性能集的相似性，基于相似性高低保留较小值一方的多个步骤工艺调参数据，进行后续过程的寻优，直至代入性能适应度函数获得的相似性数据趋近于0或者符合预设阈值或者达到了预设轮次，例如小于0.1，将该组多个步骤工艺调参数据作为所述目标优化工艺参数。

基于所述目标优化工艺参数执行所述目标部件的热处理，即可实现获得性能符合所述热处理关联性能集的热处理后部件。

本实施例达到了基于性能设计进行金属合金化工艺控制和金属热处理工艺控制的智能化分析，以及从多个维度提升金属性能与性能设计要求适配度的技术效果。

实施例二

基于与前述实施例中金属热处理加工工艺优化方法相同的发明构思，如图3所示，本申请提供了金属热处理加工工艺优化系统，其中，所述系统包括：

性能设计交互单元1，用于交互获得目标金属的性能设计信息，其中，所述性能设计信息包括多种金属性能参数；

性能关联分析单元2，用于对所述性能设计信息进行关联分析，获得配比关联性能集和热处理关联性能集；

金属配比分析单元3，用于预构建金属配比分析网络，并将所述配比关联性能集同步至所述金属配比分析网络中进行金属配比分析，获得目标金属配比信息；

处理原材加工单元4，用于采用所述目标金属配比信息进行金属原材调用和合金化处理，获得目标热处理原材；

工艺步骤交互单元5，用于获得对目标金属进行热处理加工的多个工艺步骤，其中，所述多个工艺步骤具有多组工艺调参区间；

工艺参数寻优单元6，用于基于所述多组工艺调参区间构建多个工艺调参寻优空间，并以所述热处理关联性能集为寻优基准，在所述多个工艺调参寻优空间进行热处理工艺参数寻优，获得目标优化工艺参数。

在一个实施例中，所述金属配比分析单元3还包括：

A300:所述金属配比分析网络包括配比约束分析子网络和配比优化执行子网络，其中，所述配比约束分析子网络的输出层和配比优化执行子网络的输入层连接；

预设合金构成约束，并以所述合金构成约束为基准交互获得多组样本金属配比和多组样本关联性能集，其中，所述合金构成约束包括M种合金材料，M为正整数；

基于知识图谱进行所述多组样本金属配比和多组样本关联性能集的数据集成，获得样本分析存储信息；

预设性能相似性计算函数，所述相似性计算函数如下：

；

其中，

将所述性能相似性计算函数和所述样本分析存储信息同步至所述配比约束分析子网络；

预构建关联性能拟合引擎，并将所述关联性能拟合引擎同步至所述配比优化执行子网络。

在一个实施例中，所述金属配比分析单元3还包括：

所述配比关联性能集包括K项配比关联性能参数，K为正整数；

将所述配比关联性能集的K项配比关联性能参数逐一同步至所述金属配比分析网络的所述配比约束分析子网络，获得K组样本关联性能集，其中，每组样本关联性能集中的一项样本关联性能符合一种配比关联性能参数，所述K组样本关联性能集映射于K组样本金属配比；

将所述多组样本关联性能集逐组和所述K项配比关联性能参数带入所述性能相似性计算函数，获得多个样本相似指数；

序列化所述样本相似指数并进行极值映射调用，获得配比寻优起点；

将所述配比寻优起点和所述K组样本金属配比同步至所述配比优化执行子网络，在所述配比优化执行子网络中基于所述关联性能拟合引擎进行合金配比寻优，获得所述目标金属配比信息。

在一个实施例中，所述工艺参数寻优单元6还包括：

基于所述M种合金材料在所述配比优化执行子网络中构建M空间维度的配比优化空间；

对所述K组样本金属配比进行合金材料组别划分和序列化处理，获得M组样本合金材料序列；

基于所述M组样本合金材料序列进行极值调用，获得M个合金配比区间；

采用所述M个合金配比区间对所述配比优化空间进行空间限缩，获得限缩优化空间；

在所述限缩优化空间中，预设调节步长和性能偏差约束；

以所述配比寻优起点为优化起始，基于所述关联性能拟合引擎进行合金配比性能拟合，进行预设轮次配比寻优，获得满足所述性能偏差约束的所述目标金属配比信息。

在一个实施例中，所述工艺参数寻优单元6还包括：

采用所述目标金属配比信息进行金属原材调用和合金化处理，获得目标热处理原材；

基于所述热处理关联性能集调用获得多种关联性能指标，并基于所述多种关联性能指标对所述目标热处理原材进行性能测试，获得原始关联性能集；

基于所述热处理关联性能集调用获得第一热处理关联性能，基于所述第一热处理关联性能在所述原始关联性能集映射调用第一原始关联性能；

以所述第一原始关联性能为寻优起点，历经所述多个工艺调参寻优空间，对所述目标热处理原材进行工艺参数寻优，获得第一寻优调参集，其中，所述第一寻优调参集包括多组寻优调参数据，每组寻优调参数据的多个寻优调参数据映射来源于所述多个工艺调参寻优空间；

以此类推，获得对应于所述热处理关联性能集的多种关联性能指标的多个寻优调参集；

基于所述多个寻优调参集进行热处理适应度优化分析，获得所述目标优化工艺参数。

在一个实施例中，所述工艺参数寻优单元6还包括：

基于所述多个工艺步骤对所述多个寻优调参集进行数据拆分，获得多组步骤寻优调参；

对所述多组步骤寻优调参进行随机排列组合，获得多个寻优调参组合；

预构建性能适应度函数和热处理性能拟合引擎；

将所述多个寻优调参组合和所述原始关联性能集同步至所述热处理性能拟合引擎，获得多组优化关联性能集；

基于所述性能适应度函数计算所述多组优化关联性能集的多个性能适应度指数；

序列化所述多个性能适应度指数并进行极值调用，获得最优步骤寻优调参组，其中，所述最优步骤寻优调参组映射于最优关联性能集；

预设多个工艺调参步长，并以所述最优步骤寻优调参组为优化起点，基于所述多个工艺调参步长进行所述最优步骤寻优调参组的预设轮次优化，并基于所述热处理性能拟合引擎进行调参有效性效验，获得所述目标优化工艺参数。

在一个实施例中，所述工艺参数寻优单元6还包括：

所述性能适应度函数如下：

+/>

其中，

综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中，通过各种不限类型的计算机处理器识别计算机指令或程序，进而实现上述任一项方法或者步骤。

基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作的任何改进和修饰，皆应落入本发明的专利保护范围。