本项目研究了耐候桥梁钢中Ni、Cr、Mo、Ca等合金元素的耐腐蚀机理、连铸坯生产及轧制与热处理过程组织及性能调控工艺、表面氧化铁皮控制技术和高精度板形控制技术等，成功开发出Q345qNH~Q690qNH系列耐候桥梁钢板，解决了工业海洋大气环境下耐腐蚀性不足、抗断裂性能低、板形不良等难题，满足了我国桥梁工程的需求。

介绍了东北大学项目团队则采用人工智能预测了材料组织性能演变，开发了力学性能高精度预测、氧化铁皮控制、工艺逆向优化和钢种归并技术，在产品质量的稳定性控制方面的新进展

热轧板带材力学性能是用户关注的核心要素，组织性能预报与集约化生产受到普遍重视。然而在整个热轧生产过程中，加热和热轧、冷轧过程中轧件内部组织演变情况处于“黑箱”状态，无法直接测量、观察。想要控制钢材内部的组织，调整、改变其组织和性能，需精确感知轧件内部的信息，需要系统具有模型感知的能力。在工业大数据的数字感知的基础上，基于物理冶金学研究，通过ＡＩ（人工智能）和机器学习等现代信息技术，进一步赋予系统以感知、记忆、思维、学习能力以及行为决策能力等能力。同时基于热轧板带生产过程复杂性和用户个性化定制需求，构建跨系统、跨工序的钢铁工艺质量大数据平台，充分利用物理模型、传感器更新、运行历史等数据，融合物理冶金学和生产数据实现热轧全流程组织-性能-表面演变的数字孪生。以生产全流程工艺机理为基础，实时分析生产过程工艺、设备参数与产品质量的关系，满足用户的定制化需求并进行质量在线综合评判和异常原因追溯。结合设备过程控制能力给出工艺参数和制备工序流程的优化方案，以数据为基础提高机理不明或复杂工况下的数学模型设定和质量控制精度，通过多工序协调匹配提高产品质量稳定性和生产效率。现阶段，浦项、普锐特开发了在线组织监测与优化系统，实现了一材多品种生产和在线工艺调优；东北大学项目团队则采用人工智能预测了材料组织性能演变，开发了力学性能高精度预测、氧化铁皮控制、工艺逆向优化和钢种归并技术，在产品质量的稳定性控制方面效果显著。

本项目开发出了用于计算复杂变温情况氧化层厚度演变的理论方法，实现了热轧过程中氧化铁皮演变的"软测量"，降低热轧氧化铁皮厚度，明确热轧全流程过程中氧化铁皮结构演变机理，测定了FeO先共析和共析转变的动力学规律，根据现场实际工况制定出了一整套工艺参数控制方案，形成了调控氧化铁皮结构、组分与厚度的专有技术，根据下游用户不同的使用需求，实现了钢材氧化铁皮的柔性化控制，从而实现热轧钢材减酸洗和免酸洗。