吳思煒

吳思煒，是東北大學的副教授。

基本介紹

• 中文名：吳思煒
• 職稱：東北大學副教授

人物經歷

受教育經歷：

2008/9-2012/7，南京工業大學，材料化學，學士

2012/9-2014/7，東北大學，材料學，碩士

2014/9-2018/7，東北大學，材料加工工程，博士

研究工作經歷：

2018/11 - 2021/3，上海大學，材料科學與工程學院，師資博士後

2021/3 - 至今，東北大學，軋制技術及連軋自動化國家重點實驗室，副教授

研究方向

工業數據挖掘與機器學習、冶金流程智慧型化模型開發、熱軋帶鋼組織性能預測及工藝智慧型最佳化

教學情況

機器學習 本科生

智慧型製造 本科生

主要研究項目

[1] 基於數據驅動和機理模型的熱軋微合金鋼組織性能集成預測及工藝協同最佳化，國家自然科學基金青年基金（52104370），項目負責人

[2] 基於數據驅動和機理模型融合的熱軋帶鋼成分集約化生產策略研究，東北大學博士後科研基金（20210203），項目負責人

[3] 基於數據驅動的熱軋微合金鋼成分-工藝-性能協同最佳化，中國博士後科學基金第65批面上資助（2019M651467），項目負責人

[4] 基於數據挖掘和機理模型的熱軋高強鋼質量穩定性分析理論及方法，遼寧省自然科學基金聯合基金（2019-KF-25-06），項目負責人

[5] 420-690MPa級別海工鋼在Mg、Ca脫氧條件下第二相粒子與組織協同調控的HAZ低溫韌化機理研究，國家自然科學基金重點項目聯合基金項目（U1960202），項目參與人

[6] 鞍鋼2150生產線集約化技術開發，企業項目，主要完成人

[7] 梅鋼鋼鐵智慧型製造方法的研究，企業項目，主要完成人

[8] 承鋼產品性能的智慧型分析和預測模型的開發，企業項目，參與人

[9] 首鋼京唐熱軋產線產品組織-性能-表面智慧型預測及工藝協同最佳化系統開發，企業項目，參與人

[10] 漣鋼熱軋產線產品組織性能與表面氧化智慧型預測及工藝協同最佳化系統開發，企業項目，參與人

[11] 基於數據驅動的高精度軋制負荷與寬厚控制模型開發，企業項目，參與人

[12] 鞍鋼5500mm寬厚板線產品成分-工藝-組織性能智慧型判定及工藝柔性設計系統開發，企業項目，參與人

[13] 鞍鋼朝陽鋼鐵熱軋產品組織性能預測及工藝最佳化系統開發，企業項目，參與人

社會兼職

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

代表性成果

論文情況：

[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] 楊健, 吳思煒*. 基於機器學習的鋼鐵軋制過程性能預測 [J]. 鋼鐵, 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] 劉振宇, 曹光明, 周曉光, 吳思煒, 王國棟. 組織性能預測技術及其在智慧型熱軋中的核心作用[J]. 軋鋼, 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] 周曉光, 陳其源, 劉振宇, 吳思煒. Ti微合金化汽車大梁鋼510L動態再結晶行為[J]. 東北大學學報(自然科學版), 2018, 39(05): 624-629.

[11] 陳其源, 周曉光, 劉振宇, 吳思煒. Ti微合金化汽車大梁鋼510L的組織性能[J]. 東北大學學報(自然科學版), 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] 任家寬, 吳思煒, 陳其源, 周曉光, 劉振宇. 含Ti微合金低碳鋼的力學性能及預測[C]//第十一屆中國鋼鐵年會論文集——S03. 軋制與熱處理, 2017: 650-656.

[17] 任家寬, 吳思煒, 陳其源, 周曉光, 劉振宇. Ti含量對低碳鋼力學性能的影響[J]. 金屬熱處理, 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] 吳思煒, 曹光明, 周曉光, 劉振宇*. 基於大數據的C-Mn鋼數據預處理及神經網路模型[J]. 東北大學學報（自然科學版）, 2016, 37(12): 1710-1714+1739.

[21] 吳思煒, 劉振宇*, 周曉光, 史乃安. 基於大數據的力學性能預測與工藝參數篩選[J]. 鋼鐵研究學報, 2016, 28(12): 1-4.

[22] 吳思煒, 周曉光, 曹光明, 史乃安, 劉振宇*, 王國棟. 熱軋C-Mn鋼工業大數據預處理對模型的改進作用[J]. 鋼鐵, 2016, 51(05): 88-94+100.

[23] 陳其源, 劉振宇, 周曉光, 吳思煒, 王國棟. 熱軋汽車大梁鋼生產現狀及其發展趨勢[J]. 軋鋼 ,2016, 33(02): 51-55.

專利情況：

[1]劉振宇, 吳思煒, 周曉光, 曹光明, 陳其源, 任家寬. 一種C-Mn鋼工業大數據的挖掘方法[P]. 遼寧：ZL 201610127406.5.

[2]劉振宇, 郭洪河, 周曉光, 喬立峰, 吳思煒, 徐小科, 曹光明, 魏春新, 吳迪, 高寶偉, 王國棟, 吳優, 王鵬, 周曉航, 繩鈺智. 一種抗拉強度610 MPa級汽車大梁鋼及其製備方法[P]. 遼寧：ZL201510241118.8.

[3]劉振宇，周曉光，陳其源，郭洪河，吳思煒，王國棟. 一種540 MPa級Ti微合金化熱軋雙相鋼板及其製備方法[P]. 遼寧：ZL201810321051.2.

[4]周曉光，劉振宇，郭洪河，陳其源，吳思煒，王國棟. 一種600 MPa級Ti微合金化熱軋雙相鋼板及其製備方法[P]. 遼寧：ZL201810321661.2.

[5]劉振宇，周曉光，陳其源，吳思煒，王國棟. 一種抗拉強度600 MPa級薄規格熱軋雙相鋼及其製造方法[P]. 遼寧：ZL201810321018.X.

[6]周曉光，劉振宇，陳其源，楊春宇，吳思煒，王國棟. 一種抗拉強度540 MPa級薄規格熱軋雙相鋼及其製造方法[P]. 遼寧：ZL201810320324.1.

軟體著作權：

[1]基於熱連軋的智慧型多目標工藝最佳化設計軟體

[2]基於大數據神經網路的熱連軋熱軋產品力學性能預測軟體

[3]基於自適應物理冶金學模型的熱連軋熱軋產品組織性能預測軟體