1. 作品简介
我是江西理工大学金属材料工程专业大一学生，针对灰铸铁 HT250 法兰盘铸件，使用 TRAE SOLO 完成铸造仿真数据全流程 AI 分析。
固定工艺条件，仅将初始温度提高 10℃，重点分析温度、冷却速率、固相率、Niyama 判据等关键指标随时间的变化规律，为法兰盘铸造工艺优化提供数据支撑。
2. 研究背景
法兰盘是典型盘类铸件，对温度场、冷却均匀性要求高。
初始浇注温度直接影响凝固过程、组织性能与成型质量。
本研究控制单一变量：初始温度 +10℃，通过 AI 方法量化各参数时序变化，为工艺优化提供依据。
3. 基于 TRAE SOLO 的分析流程
-
数据处理
使用 TRAE SOLO 生成 Python 代码，完成仿真数据清洗、归一化、时序对齐。
-
特征相关性分析
通过热力图分析时间、温度、冷却速率、固相率、Niyama 等参数间的相关性。
-
特征重要性计算
基于 LightGBM 模型，识别影响时序变化的关键特征。
-
多模型时序拟合
使用 SOLO 快速构建：
-
LightGBM
-
XGBoost
-
GA-SVR
-
LPSO-SVR
对温度、冷却速率、Niyama 等指标随时间变化进行拟合与对比。
-
结果可视化
输出时序变化曲线，直观展示初始温度 + 10℃对法兰盘凝固过程的影响。
4. 核心结果展示
-
特征相关性热力图
展示各热物性参数之间的关联规律。
-
特征重要性图
明确对时序变化贡献最大的关键因子。
-
时序变化曲线
展示温度、冷却速率、Niyama 判据等随时间的演变趋势，以及多模型拟合效果。
5. 项目价值
-
工程价值
明确灰铸铁 HT250 法兰盘在 ** 初始温度 + 10℃** 下的时序变化规律，为实际铸造工艺优化提供数据支持。
-
方法价值
用 TRAE SOLO 实现材料科研低代码快速分析，无需复杂编程即可完成全流程 AI 建模。
-
复用价值
可直接迁移到其他铸件、其他材料的温度场与时序分析中。
6. 总结
本作品基于 TRAE SOLO 完成灰铸铁 HT250 法兰盘在 ** 初始温度提高 10℃** 条件下的时序特性 AI 分析，实现数据处理、相关性分析、特征重要性计算、多模型拟合与可视化全流程，体现 More Than Coding，用 AI 赋能材料工程与铸造工艺优化。
