1.面向对象与先修要求。本实验面向材料科学与工程专业大三、大四学生开设，要求学生已修完《金属轧制工艺学》或《材料成形工艺学》相关课程，具备金属塑性变形、轧制力与弹跳方程、厚度控制等基本理论知识，并具有一定的软件操作能力。

2.知识与能力要求。实验前须完成平台知识库预习与基础概念自测，掌握体积不变条件、轧制力计算、弹跳方程及AGC基本原理；实验中能够依据来料条件独立完成轧制规程设计、参数调整与结果分析，能正确读取仿真曲线与三维轮廓数据并做出工艺判断；鼓励学生主动利用引导智能体与知识库解决疑难，但不得以AI提示替代自主决策。

3.实验纪律与诚信要求。学生须按操作规范逐步完成实验，不得跳过前置步骤或直接套用他人参数方案；实验过程数据由平台自动记录，实验报告须基于本人操作结果独立撰写，引用AI解释时须注明来源并核对其与知识库的一致性；对超限操作触发预警的，须在报告中说明原因及改进依据。

中厚板与热连轧带钢是钢铁工业的重要基础产品，广泛应用于船舶、管线、工程机械、汽车、建筑等领域。其中，高强度级别的船板、高钢级管线钢以及对强度与韧性匹配要求较高的高强钢，对平面形状精度和厚度精度尤为敏感，相关精度指标直接影响成材率、产品质量与市场竞争力。近年来，钢铁行业持续推进产品结构优化升级，高端产品供给能力不断增强，对轧制工艺人才在工艺分析、模型运用、参数优化、风险辨识和安全规范执行等方面的综合能力提出了更高要求。

然而，真实热轧实验和工业现场实习存在明显教学瓶颈：轧制过程温度高、风险大、成本高，设备能力和安全阈值约束严格，工艺窗口一旦设定便难以回头，学生很难在实验室或产线上反复操作、反复试错；现场实习也往往只能“看流程”，难以深入核心工艺设定与控制环节。传统线下实验难以支撑学生开展系统性、探究式学习。本实验依托《材料成形工艺学》课程，结合《金属轧制工艺学》、《材料加工技术实验》、《认识实习》、《生产实习》等课程教学需求，围绕中厚板平面形状控制和热连轧厚度控制两条主线，将原本难以线下开展、难以现场体验的轧制过程转化为安全、可重复、可视化的虚拟仿真实验，支撑学生完成从工艺认知、规程设计、参数优化到系统决策的能力训练。课程团队长期从事金属轧制相关教学与科研工作，主讲《金属轧制工艺学》获批重庆市一流本科课程，《材料成形工艺学》获批重庆市一流线上课程，团队教师主持完成多项材料类科研项目，并邀请产业技术专家参与真实产业场景与工作任务融入；团队在虚拟仿真实验教学方面已有前期建设积累，相关教学资源已应用于材料加工方向课程教学，为本项目的建设与后续应用提供了良好基础。

1.能实不虚，以虚补实。本实验不替代实体轧制实验和现场实习，而是针对真实热轧“高温、高危险性、高成本、工艺窗口不可逆”导致学生无法反复操作和系统试错的教学瓶颈，将中厚板平面形状控制与热连轧厚度控制中“不能做、不敢做、做不起”的环节转化为虚拟仿真任务，与实体实验、现场实习形成“认知—虚拟训练—实体验证”的互补关系，坚持虚实结合、以虚补实。

2.能力递进，两性一度。实验内容按基础层、进阶层、挑战层三级阶梯设计：基础层聚焦缺陷识别与模型认知，进阶层要求完成轧制规程设计与多目标优化，挑战层引入数据驱动代理模型训练与机理模型对比，逐层提升高阶性、创新性与挑战度，上一层级达标方可解锁下一层级，形成可追溯的能力进阶路径。

3. AI引导不替代，学生决策为主体。明确“师—生—机”职责边界：AI承担引导者与审查者角色，专业知识库与大模型提供可溯源的专业解释，引导智能体在关键节点给出提示性追问而非直接答案，风险审查智能体对超限操作实时预警，但工艺决策、参数选择和结论判断始终由学生完成，防止过渡依赖AI，确保“可信可控”。

4.产业场景驱动，任务对标产线。以国内中厚板与热连轧产线真实工艺链为蓝本，将“提高矩形度以降低切损”“提升厚度命中率”等产业真实需求转化为缺陷诊断、规程设计、厚度协同三个递进任务，设备能力边界、安全封锁阈值与质量判定规则按企业规范设定，使学生在虚拟环境中经历的决策约束与现场工程师一致。

5.过程可追溯，评价多维闭环。突破单一结果性考核，平台采集规程设计轨迹、模型调参频次、异常处置时效等过程数据，从工艺分析、模型运用、风险辨识、规范执行四个维度生成能力画像雷达图；教师端依据班级共性短板实施精准干预，形成“评价—诊断—改进”的教学闭环，体现成果导向与持续改进。

本课程面向材料科学与工程专业高年级本科生，依托“高精度板带材轧制工艺虚拟仿真实验”，达成以下目标：

1.知识目标：掌握中厚板平面形状控制机理与热连轧厚度控制原理，理解弹跳方程、轧机刚度、AGC响应及多机架动态设定的耦合关系；了解数据驱动代理模型与机理模型的差异、适用条件及置信边界，形成对“模型赋能”工程内涵的准确认知。

2.能力目标：能够完成中厚板轧制规程设计与多目标优化、热连轧厚度设定与AGC参数整定及厚度偏差溯源；能利用虚拟产线数据训练代理模型并与机理模型对比评价，识别压下量超限、厚度封锁越界等风险并依据工程规范做出安全决策。

3.素养目标： 强化安全规范意识与工程伦理意识，理解设备能力边界与质量红线背后的安全逻辑；养成“先分析、再决策、后验证”的工程思维习惯，形成对仿真结果置信边界与模型适用条件的审慎判断；在AI辅助环境下保持自主决策与批判性思考，不依赖AI直接答案

本实验突破单一结果性考核，构建“过程评分+能力画像”的多维评价机制，总评成绩由预习成绩、虚拟仿真操作成绩、能力画像评价和实验报告成绩四部分构成。

预习成绩（10%）。实验前学生须完成平台知识库预习与基础概念自测，系统按自测正确率与知识点覆盖情况自动评分，未完成预习或自测不合格者不得进入正式实验环节。

虚拟仿真操作成绩（40%）。由平台按各步骤评分规则自动计分，覆盖中厚板平面形状控制与热连轧厚度控制两个模块共25个交互步骤。实验按基础层、进阶层、挑战层三级递进设计，上一层级达标方可解锁下一层级，未达标步骤可重复操作但按试错次数折减得分；超限操作触发风险预警后能正确处置并说明依据的，可在规范执行维度酌情加分。

能力画像评价（20%）。平台采集规程设计轨迹、模型调参频次、异常处置时效等多维过程数据，从工艺分析、模型运用、风险辨识、规范执行四个维度生成能力雷达图。教师依据能力画像对班级共性短板与个体薄弱环节进行复核评定，重点考查学生能否在AI引导下保持自主决策、能否对仿真结论的置信边界做出审慎判断，而非仅看最终结果是否正确。

实验报告成绩（30%）。实验报告须基于本人操作数据独立撰写，涵盖缺陷机理分析、规程设计与优化依据、AGC参数整定与厚度偏差溯源、代理模型与机理模型对比评价等内容。评分重点为分析深度、数据与结论的一致性、AI使用规范性（引用AI解释须注明来源并与知识库核对）以及工程规范意识的体现；存在抄袭、数据伪造或直接照搬AI答案的按不及格处理。

评价规则与模型参数全程公开可查，仿真结论附带置信区间与模型适用条件说明，确保评价过程可信、结果可溯，形成“评价—诊断—改进”的教学闭环。