一种基于大语言模型的钢材组织性能控制方法和系统

本发明涉及一种基于大语言模型的钢材组织性能控制方法和系统，属于钢铁制造领域。针对传统轧钢水冷参数控制依赖经验公式、预测精度低、调节效率差及工况适应性不足的问题，本发明通过收集钢材的初始参数(化学成分、温度、工艺参数等)和力学性能数据，建立历史知识库；对待预测数据进行预处理并计算与历史案例的相似度，筛选参考案例后构建包含案例与当前工况的Prompt输入；利用大语言模型(GPT/GLM)生成高精度水箱参数，并通过持续学习机制优化模型。技术效果：预测误差≤5％，参数调整效率提升70％，废品率降低3％‑5％，且支持动态适应设备老化、成分波动等复杂工况，为钢铁生产提供智能化、高鲁棒性的冷却控制方案。