从当今世界范围的模具材料尤其是热作模具材料的研发和应用来看,就现阶段材料的品格、规格,或是材料的质量,都可以从一般意义上满足模具制造的需要。但对于众多模具中载荷最为复杂、工况最为苛刻的热作模具而言,欲从众多材料中挑选出综合使用及工艺性能最优的材料,并得出相应的最优热处理方案,一直是模具专业人员迫切期待解决的重点和难点问题。在传统的热作模具选材和热处理方案制定上主要依赖于专家经验,这种方法势必造成很大的局限性、滞后性,尤其是在当今大量新材料、新工艺不断涌现的情况下,这就更增强了对这种传统、滞后的方法进行本质性改革的动力。在人工智能理论,特别是决策支持技术飞速发展的今天,如何将其应用到模具材料的选择和热处理工艺制定上,开发出具有自主知识产权的热作模具选材及热处理工艺制定智能决策支持系统,这对实现热作模具设计研发的升级换代具有十分重要的理论研究意义和工程应用价值,亦是本文研究目的之所在。本研究在江苏省国家自然基金的资助下、江苏大学国际合作项目及江苏大学模具科技创新团队项目,充分利用前期工作的成果,在总结我国现有热作模具用材工况及各种热处理工艺的基础上,充分利用专家系统与决策支持系统两者彼此的长处,并将其融合,首次设计了具有自主知识产权的热作模具选材及热处理决策支持系统。本文主要研究内容和创新点如下:本文主要研究内容及创新点:(1)以热作模具失效抗力指标体系为依据,首次建立了热作模具选材的智能决策模型。该模型就用户对热作模具的系列期望属性,创新性地建立了“期望属性综合值”(Qx)的量化评价体系用以定量评价材料的综合使用性能,并按照该值大小得出最优的选材及其热处理方案。由此,一举改变了现有的热作模具选材及热处理工艺方案制定中评价体系过于粗糙、只能部分量化的关键问题。(2)在大量文献分析工作的基础上,引入了信息熵方法对热作模具钢实际工况下的性能参数进行权重排序,并利用理想解方法对多个预选材料进行Qx评判,由此得出了最优的终选材料及其热处理工艺方案。(3)以热作模具的主要失效方式—热疲劳为预测对象,创新性地建立了基于偏最小二乘回归的预测子模型。将影响热疲劳的相关属性、热疲劳性能分别作为输入和输出变量,以期能迅速而准确地预测热疲劳性能,并及时调整热作模具的制造工艺,这对新型热作模具钢的研发具有十分重要的理论指导意义和工程应用价值。