1 铝硅镀层热成形钢 在铝硅镀层热成形钢方面，易红亮教授组织校内科研人员和育材堂（苏州）科技有限公司工程技术人员进行了一系列基础研究与技术创新，研发的2200MPa级超强钢于2025年5月随小米汽车首款SUV车型YU7正式发布实现批量生产和应用。材料强度与韧性是一对本征矛盾，高强度会导致韧性的急剧下降，目前工程应用的吸能性结构钢材均不超过2000MPa。研发团队首次揭示了超高强马氏体纤维组织的脆化机理，发现铝元素可有效抑制凝固过程中的枝晶偏析，为改善材料带状组织、提升韧性提供了全新路径。同时，阐明了“柯氏气团”钉扎对形变诱发奥氏体相变的抑制机制，提出了基于低合金设计的热冲压钢淬透性调控思路，解决了因高合金添加导致的材料脆化问题。此外，阐明了碳化钒在珠光体渗碳体片层间的纳米析出机制，开发出“前段快冷-后段缓冷结合低温卷取”新工艺，不仅同步解决了冷轧过程中的边裂与浪形缺陷，也攻克了纳米碳化钒组织遗传控制与均匀弥散分布的技术难题。基于上述系统性突破，全球首次实现了2200MPa级热冲压钢的量产应用，拓展了量产可变形吸能材料的强度极限。此项成果绝非简单的材料强度指标提升，而是中国在高端汽车材料领域从“跟随”到“引领”的标志性事件，说明我国在超高强钢的基础研究、工艺开发及整车应用全链条上具备了世界级的核心竞争力。不仅为汽车车身提供了领先的安全保障，更为整个行业探索了未来车身材料发展的可行路径，并对全球汽车钢技术格局产生了实质性影响。 随着汽车安全性以及轻量化的迫切需求，铝硅镀层热成形钢已成为一体化门环的核心材料。门环通常采用激光拼焊，然而在激光拼焊过程中，镀层进入焊缝导致Al富集，进而形成铁素体，恶化接头的力学性能。东北大学联合育材堂（苏州）科技有限公司开发了薄铝硅镀层热成形钢，其镀层厚度为8-14μm，显著低于原技术的20-32μm。镀层减薄，焊缝Al含量降低，将极大改善焊缝性能。谢广明教授团队针对薄铝硅镀层热成形钢的焊接性进行探究。研究发现，焊接速度为3-5m/min，焊缝成形良好且无Al富集。然而，当焊速升至7m/min，由于镀层厚度存在波动，焊趾处易出现Al富集。焊趾Al富集导致焊缝强度低于母材。为明确焊趾Al富集来源，以焊缝边缘为界，分别去除焊缝正上方镀层和焊缝两侧镀层后进行焊速为7m/min的激光拼焊。结果表明，焊趾Al富集源于焊缝两侧镀层。铝硅镀层熔点仅为577℃，低于钢熔点1480℃，焊接过程中，焊缝外侧镀层过早地大量熔化。同时，在焊趾处，钢液与熔化镀层之间存在表面张力差，钢液表面张力1.75N/m>镀层0.84N/m，基于Marangoni效应，镀层将流入焊缝。此外，高焊速的快冷速加剧了Al偏聚。为消除高速焊焊趾Al富集，采用低功率密度激光对焊缝外层镀层进行预合金化处理。预合金化过程中，镀层与钢基体将相互发生反应，镀层中产生Fe-Al化合物，使预合金化镀层的熔点升高，可抑制焊缝外侧镀层的大量熔化。此外，预合金化镀层表面张力为1.10N/m，较Al-Si镀层大幅提升，降低Marangoni效应，抑制熔化镀层流入焊缝，即使在高速激光拼焊情况下，接头仍可获得优异的力学性能。
2 免镀层热成形钢 徐伟教授团队聚焦免镀层热成形钢的制备、成形及应用关键难题，为行业降本增效与安全性能提升提供核心解决方案。研究团队在这一背景下实现多重技术突破：材料体系上，研发Cr-Si合金化免镀层热成形钢，明确Si含量对高温抗氧化性能的调控机制，通过700℃预退火引入富Cr碳化物、760℃预氧化工艺，成功摆脱保护气氛依赖；工艺技术上，依托长三角先进材料研究院概念验证项目，开展免镀层钢与热冲压工艺协同优化工作，并成功试制了一体式A柱、车门防撞杆零件，零件屈服强度达到1365±7MPa、抗拉强度达到1712±5MPa、延伸率为8.4±0.1%，氧化层厚度控制在亚微米级，无需成形后抛丸处理，且焊接制管便捷，适配快速加热奥氏体化需求，后续将进一步开展零件服役性能验证工作。此外，门防撞梁、前保险杠等零件试制成功，吸能性能最高提升20%，强塑性均优于传统22MnB5钢。技术成果已通过鞍钢、本钢、通用汽车中国研究院等合作项目充分验证，并获得企业广泛认可与高度评价。后续将重点推进管状零件批量生产工艺的稳定性优化与成本控制，深化空气抗氧化稳定控制的机理研究及场景适配，持续完善从材料研发、工艺设计到产品应用的全链条技术体系，加速技术产业化落地与规模化推广，为汽车轻量化领域提供更成熟可靠的解决方案。
3 激光拼焊板设计优化 在激光拼焊板设计优化方面，蒋忠中教授带领研究团队对现有排样优化模型进行了重要拓展，构建了一个综合考虑焊缝布局与零件排样的多目标优化模型。针对大规模问题求解中普遍存在的计算复杂度高、易陷入局部最优的挑战，团队提出了一种融合强化学习的自适应变邻域搜索算法，通过根据搜索进程求解质量的动态反馈，自适应地选择与调整邻域结构及搜索深度，从而实现对解空间的高效探索。实验结果表明，改进后的模型与算法在排样优化问题公开标准算例集及生成的大规模工业算例上均表现优异，相较于基准方法，在材料利用率与求解速度两项关键指标上均有显著改善。同时，为适应汽车行业加快的市场迭代与研发节奏，解决由此产生的小批量、定制化零件的敏捷供应需求，团队进一步将优化方法论延伸至增材制造领域，提出了考虑零件旋转摆放的3D打印集成调度优化问题，同时涵盖打印任务在多设备间的动态分配及各零件在打印平台上的最优朝向与布局。针对该问题，团队设计了一种机器学习增强的Benders分解算法，该算法通过图神经网络模型对复杂的整数规划子问题进行特征提取与可行解的快速评估，智能生成高质量的Benders割，从而大幅加速主问题与子问题之间的迭代收敛过程；提出了高效的启发式方法作为修复算子，专门处理因分解和松弛可能产生的无效布局，保证迭代初期解的质量与可行性。实验结果表明，所提出的算法在求解质量与计算效率方面均显著优于传统Benders方法，有效缩短了整体打印周期并提升了设备利用率。
4 跨工序数据治理技术 钢铁工业全流程生产数据具有高通量、多模态、强耦合及工序数据孤岛的复杂特征。然而，现有设备运维体系在数据存储与应用层面仍存在突出问题：数据治理流程冗长，难以支撑数据实时应用；高频时序数据在传输与存储过程中数据丢失风险显著；传统关系型数据库难以满足机器学习模型训练的高并发读写需求；跨工序数据难以贯通、难以支撑缺陷追溯、工艺优化及质量提升。因此，亟待开发跨工序数据治理技术，构建全流程高质量数据集，为钢铁行业数字化转型提供数据底座。唐帅教授团队针对时序与非时序数据混合存储导致的性能瓶颈、海量时序数据访问高延迟及多源非时序数据跨库读取慢等共性问题，提出了基于CPU-GPU混合架构的辅助索引快速构建方法，攻克了多属性访问的高延迟壁垒，实现时序数据查询速度提升92%，非时序数据查询速度提升29%。针对存量数据规模庞大、异常值与缺失值频发以及高频实时数据在线预处理困难的问题，构建流式ETL架构。利用消息队列缓冲高频数据流，并结合Apache Flink与Spark Streaming等流处理引擎，实现了数据的实时清洗、高效处理与高速写入。针对带钢跨工序轧制长度动态变化、时序数据与特征位置空间对应关系缺失以及跨工序数据孤岛等难题，开发时空变换技术，基于工序遗传与元数据特征，成功实现了全流程数据的精准对齐与逻辑串联。该技术已成功应用于“热轧-冷轧-连退/镀锌-平整”产线，汇聚并贯通生产过程中的时序与非时序数据，实现了从热轧板坯到成品卷的全流程工艺数据精准追踪，为跨工序质量协同控制技术的研发奠定了坚实的数据基础。在此基础上，搭建了高强钢数字化边缘数据中心，开发自动特征工程与自动机器学习等端到端（E2E）技术，构建了跨工序高质量数据集，实现质量协同控制，为高强钢产业的数字化转型提供了系统性解决方案。
5 结语 2025年，中心成立育材堂超级钢电池包防护技术与数字化扬州研究中心；蒋忠中教授入选国家高层次人才奖励计划；易红亮教授牵头获中国发明协会“发明创业成果奖”一等奖；获批纵向科研项目9项，新签科技成果转化项目2项、横向科研项目5项；发表SCI论文60篇，出版专著2部；授权国内外发明专利18件、申请7件；指导学生参加“挑战杯”全国大学生课外学术科技作品竞赛、中国大学生机械工程创新创意大赛、全国创新工程大赛、全国大学生节能减排社会实践与科技竞赛、中国TRIZ杯大学生创新方法大赛等，获国家级一等奖4项、二等奖3项、三等奖4项。
