吴思炜副教授简介

一、个人简历

受教育经历：

2008/9-2012/7，南京工业大学，材料化学，学士

2012/9-2014/7，东北大学，材料学，硕士

2014/9-2018/7，东北大学，材料加工工程，博士

研究工作经历：

2018/11 - 2021/3，上海大学，材料科学与工程学院，师资博士后

2021/3 - 至今，东北大学，轧制技术及连轧自动化国家重点实验室，副教授

社会兼职：

《Journal of Iron and Steel, International》、《钢铁研究学报》、《冶金自动化》、《轧钢》青年编委

IEEE Access、Steel Research, International、Materials Express、Advances in Mechanical Engineering、Mathematical Problems in Engineering、Systems Science and Control Engineering、机械工程材料期刊审稿人

二、教学情况(本科生/研究生)

机器学习 本科生

智能制造 本科生

机器学习实践 研究生

三、主要研究项目

[1] 钢铁轧制全流程工艺优化与管控软件开发，国家重点研发计划子课题（2022YFB3300234），子课题负责人

[2] 基于数据驱动和机理模型的热轧微合金钢组织性能集成预测及工艺协同优化，国家自然科学基金青年基金（52104370），项目负责人

[3] 基于数据驱动和机理模型融合的热轧带钢成分集约化生产策略研究，东北大学博士后科研基金（20210203），项目负责人

[4] 基于数据驱动的热轧微合金钢成分-工艺-性能协同优化，中国博士后科学基金第65批面上资助（2019M651467），项目负责人

[5] 基于数据挖掘和机理模型的热轧高强钢质量稳定性分析理论及方法，辽宁省自然科学基金联合基金（2019-KF-25-06），项目负责人

[6] 超宽特厚高强度结构钢板铌微合金化技术的研究应用，企业项目，项目负责人

[7] 硅钢数字化原位分析系统与中试产品开发，企业项目，课题负责人

[8] 鞍钢2150生产线集约化技术开发，企业项目，主要完成人

[9] 梅钢钢铁智能制造方法的研究，企业项目，主要完成人

[10] 承钢产品性能的智能分析和预测模型的开发，企业项目，参与人

[11] 首钢京唐热轧产线产品组织-性能-表面智能预测及工艺协同优化系统开发，企业项目，参与人

[12] 涟钢热轧产线产品组织性能与表面氧化智能预测及工艺协同优化系统开发，企业项目，参与人

[13] 鞍钢5500mm宽厚板线产品成分-工艺-组织性能智能判定及工艺柔性设计系统开发，企业项目，参与人

[14] 鞍钢朝阳钢铁热轧产品组织性能预测及工艺优化系统开发，企业项目，参与人

四、代表性成果(论文/专著/专利/获奖等)

论文情况：

[1] Wu Siwei, Yang Jian*. A convolutional neural network-based model for predicting lime utilization ratio in the KR desulfurization process [J]. Metallurgical Research & Technology, 2021,118(6): 603-613.

[2] Wu Siwei, Yang Jian*, Cao Guangming. Prediction of Charpy V-notch impact energy of low carbon steel by using a shallow neural network and deep learning [J]. International Journal of Minerals, Metallurgy and Materials, 2021, 28(8): 1309-1320.

[3] 杨健, 吴思炜*. 基于机器学习的钢铁轧制过程性能预测 [J]. 钢铁, 2021, 56(9): 1-9.

[4] Wu Siwei, Yang Jian*, Liu Zhenyu. Composition-processing-property correlation mining of Nb-Ti microalloyed steel based on industrial data [J]. Materials Transactions, 2020, 61(4): 691-699.

[5] Wu Siwei, Yang Jian*, Zhang Runhao, Ono Hideki. Prediction of endpoint sulfur content in KR desulfurization based on the hybrid algorithm combining artificial neural network with SAPSO [J]. IEEE Access, 2020, 8: 33778-33791.

[6] Wu Siwei, Yang jian*, Cao Guangming, Qiu Yunlong, Cheng Guoguang. Yao Meiyi, Dong Jianxin. Elevating prediction accuracy for mechanical properties of hot-rolled strips by using semisupervised regression and deep learning [J]. IEEE Access, 2020, 8: 134124-134136.

[7] Wu Siwei*, Ren Jiakuan, Zhou Xiaoguang, Cao Guangming, Liu Zhenyu, Yang Jian*. Comparisons of different data-driven modeling techniques for predicting tensile strength of X70 pipeline steels [J]. Transactions of the Indian Institute of Metals, 2019, 72(5): 1277-1288.

[8] 刘振宇, 曹光明, 周晓光, 吴思炜, 王国栋. 组织性能预测技术及其在智能热轧中的核心作用[J]. 轧钢, 2019, 36(02): 1-7.

[9] Wu Siwei, Zhou Xiaoguang, Ren Jiakuan, Cao Guangming, Liu Zhenyu*, Shi Naian. Optimal design of hot rolling process for C-Mn steel by combining industrial data-driven model and multi-objective optimization algorithm [J]. Journal of Iron and Steel Research, International, 2018, 25(7): 1-6.

[10] 周晓光, 陈其源, 刘振宇, 吴思炜. Ti微合金化汽车大梁钢510L动态再结晶行为[J]. 东北大学学报(自然科学版), 2018, 39(05): 624-629.

[11] 陈其源, 周晓光, 刘振宇, 吴思炜. Ti微合金化汽车大梁钢510L的组织性能[J]. 东北大学学报(自然科学版), 2018, 39(03): 339-344.

[12] Wu Siwei*, Zhou Xiaoguang, Cao Guangming, Shi Naian, Liu Zhenyu*. High dimensional data-driven optimal design for hot strip rolling of microalloyed steel [J]. Steel Research International, 2018, 89(7): 1800015.

[13] Wu Siwei, Cao Guangming, Zhou Xiaoguang, Shi Naian, Liu Zhenyu*. High Dimensional data-driven optimal design for hot strip rolling of C–Mn steels [J]. ISIJ International, 2017, 57(7): 1213-1220.

[14] Wu Siwei, Liu Zhenyu*, Zhou Xiaoguang, Yang Hao, Wang Guodong. Precipitation behavior of Ti in high strength steels [J]. Journal of Central South University, 2017, 24(12): 2767-2772.

[15] Wu Siwei, Zhou Xiaoguang, Cao Guangming, Liu Zhenyu, Shi Naian. Optimal design of hot rolling process for C-Mn steel based on industrial big data. STEELSIM 2017, Qingdao, China.

[16] 任家宽, 吴思炜, 陈其源, 周晓光, 刘振宇. 含Ti微合金低碳钢的力学性能及预测[C]//第十一届中国钢铁年会论文集——S03. 轧制与热处理, 2017: 650-656.

[17] 任家宽, 吴思炜, 陈其源, 周晓光, 刘振宇. Ti含量对低碳钢力学性能的影响[J]. 金属热处理, 2017, 42(06): 137-141.

[18] Wu Siwei*, Zhou Xiaoguang, Chen Qiyuan, Ren Jiakuan, Cao Guangming, Liu Zhenyu. Development of constitutive models for extrapolative prediction of Nb–Ti micro alloyed steel [J]. Steel Research International, 2017, 88(11): 1700082.

[19] Wu Siwei*, Zhou Xiaoguang, Cao Guangming, Liu Zhenyu, Wang Guodong. The improvement on constitutive modeling of Nb-Ti micro alloyed steel by using intelligent algorithms [J]. Materials and Design, 2017, 116: 676-685.

[20] 吴思炜, 曹光明, 周晓光, 刘振宇*. 基于大数据的C-Mn钢数据预处理及神经网络模型[J]. 东北大学学报（自然科学版）, 2016, 37(12): 1710-1714+1739.

[21] 吴思炜, 刘振宇*, 周晓光, 史乃安. 基于大数据的力学性能预测与工艺参数筛选[J]. 钢铁研究学报, 2016, 28(12): 1-4.

[22] 吴思炜, 周晓光, 曹光明, 史乃安, 刘振宇*, 王国栋. 热轧C-Mn钢工业大数据预处理对模型的改进作用[J]. 钢铁, 2016, 51(05): 88-94+100.

[23] 陈其源, 刘振宇, 周晓光, 吴思炜, 王国栋. 热轧汽车大梁钢生产现状及其发展趋势[J]. 轧钢 ,2016, 33(02): 51-55.

专利情况：

[1]刘振宇, 吴思炜, 周晓光, 曹光明, 陈其源, 任家宽. 一种C-Mn钢工业大数据的挖掘方法[P]. 辽宁：ZL 201610127406.5.

[2]刘振宇, 郭洪河, 周晓光, 乔立峰, 吴思炜, 徐小科, 曹光明, 魏春新, 吴迪, 高宝伟, 王国栋, 吴优, 王鹏, 周晓航, 绳钰智. 一种抗拉强度610 MPa级汽车大梁钢及其制备方法[P]. 辽宁：ZL201510241118.8.

[3]刘振宇，周晓光，陈其源，郭洪河，吴思炜，王国栋. 一种540 MPa级Ti微合金化热轧双相钢板及其制备方法[P]. 辽宁：ZL201810321051.2.

[4]周晓光，刘振宇，郭洪河，陈其源，吴思炜，王国栋. 一种600 MPa级Ti微合金化热轧双相钢板及其制备方法[P]. 辽宁：ZL201810321661.2.

[5]刘振宇，周晓光，陈其源，吴思炜，王国栋. 一种抗拉强度600 MPa级薄规格热轧双相钢及其制造方法[P]. 辽宁：ZL201810321018.X.

[6]周晓光，刘振宇，陈其源，杨春宇，吴思炜，王国栋. 一种抗拉强度540 MPa级薄规格热轧双相钢及其制造方法[P]. 辽宁：ZL201810320324.1.

软件著作权：

[1]基于热连轧的智能多目标工艺优化设计软件

[2]基于大数据神经网络的热连轧热轧产品力学性能预测软件

[3]基于自适应物理冶金学模型的热连轧热轧产品组织性能预测软件