التحكم في التبريد بعد الدرفلة هو خطوة حاسمة في ضبط بنية وأداء الفولاذ المدرفل على الساخن. تواجه النماذج الفيزيائية التقليدية ونماذج التعلم المعتمدة على البيانات قيودًا بسبب تبسيط الفرضيات الآلية، وانخفاض كفاءة التعلم، وصعوبة التكيف الديناميكي للمعلمات، مما يجعلها غير قادرة على التعامل بدقة مع السيناريوهات المعقدة والمتغيرة لظروف الدرفلة. تم اقتراح نموذج تحكم بالتبريد المائي بعد الدرفلة قائم على التعزيز الذكي (Intelligent Augmentation، IA) لتحقيق دمج عميق بين الخوارزميات والخبرة؛ والمبدأ الأساسي له هو "القيود الآلية + تصحيح البيانات + التغذية الراجعة الديناميكية". تُظهر الممارسات الإنتاجية أن هذا النموذج يحل بفعالية مشكلات ضعف المتانة وسرعة التعلم المنخفضة للنماذج التقليدية، مع التحكم في أخطاء التبريد ضمن ±20 درجة مئوية، بالإضافة إلى زيادة معدل التكيف التعليمي بأكثر من 30% مقارنة بالنماذج التقليدية، مما يعد ذا أهمية كبيرة لتحسين جودة منتجات الفولاذ المدرفل على الساخن ودفع ترقية صناعة الصلب نحو الذكاء الصناعي.

التحكم بالتبريد بعد الدرفلة;التعزيز الذكي;القيود الآلية;تصحيح البيانات;التغذية الراجعة الديناميكية