共查询到20条相似文献,搜索用时 176 毫秒
1.
涟钢20t转炉出钢过程钢流温降规律的研究 总被引:3,自引:0,他引:3
统计分析了涟钢20t氧气顶吹转炉的出钢温度,出钢过程钢水温降、出钢过程钢水温降速率等的分布状况,研究了影响出钢过程钢水温降的因素,建立了出钢过程钢水温度变化数学教学,研究结果表明,降低出钢温度,缩短出钢时间、提高钢包内衬温度可显著减少出钢过程钢水温降。 相似文献
2.
涟钢20t转炉出钢过程钢液温降规律的研究 总被引:3,自引:1,他引:2
统计分析了涟钢20t氧气顶吹转炉的出钢温度、出钢过程钢水温降、出钢过程钢水温降速率等的分布状况,研究了影响出钢过程钢水温降的因素,建立了出钢过程钢水温度变化数学模型.研究结果表明,降低出钢温度、缩短出钢时间、提高钢包内衬温度可显著减少出钢过程钢水温降. 相似文献
3.
钨铼热电偶应用于钢水温度快速测量唐钢电炉炼钢厂任至舒在冶金企业中,温度是炼钢过程中的一个重要参数,它直接关系到一炉钢能否炼成,以及钢的内在质量的好坏.但是我厂在1988年以前,一直采用看钢水结膜秒数估算温度的方法,钢水温度估算经常出现偏差,难以保证钢... 相似文献
4.
为降低转炉出钢温度,提高炉龄,需要研究钢水在钢包内二次升温的工艺技术。我们根据试验结果,开发了钢包调温技术。其主要特点:①可以快速提高钢水温度;②经对比试验,IR-UT法的钢材质量与一般吹氩钢材质量相同;③转炉出钢温度可降低10℃;④稳定连铸中间包内的钢水温度,提高温度命中率。 相似文献
5.
采用多元回归建立了转炉出钢终点钢水温度的预测模型,实现了对转炉出钢过程钢水温度的预测,并探讨了影响该过程钢水温度变化的主要因素,为生产合格钢水及钢水温度的动态控制提供了理论依据。本模型能较好的预测该过程的钢水温度变化,预测误差在±10℃以内的正确率达到90%以上,对现场生产实践具有一定指导意义。 相似文献
6.
通过负钢包罩式精炼处理T52LY汽车用钢工艺试验,分析了该工艺对T52LY钢的合金收得率,钢水成分,温度,钢中夹杂物的影响,肯定了该工艺提高合金收得率和稳定钢水成份的优点。 相似文献
7.
1钢水温度的测试据统计,1994年因钢水温度波动过大造成的拉坯事故达29炉,约占全年拉坯事故的55%。北满特钢公司二机二流特殊钢水平连铸机生产的铸坯断面为130mm×130mm-185mm×185mm,Φ120-200mm,电炉出钢量:30-40t;中间包容量:7.5t。主要生产钢种:碳素结构钢。合金结构钢、模具钢等钢类。近几年在连铸生产中对钢包、中间包烘烤温度,出钢温度,吹Ar后钢包内钢水温度,抬包至开浇过程温度,中间包内钢水温度等进行了测试。测试的方法主要是在连铸过程用测温枪点测钢水温度和使用红外线测温仪测定钢包、中间包烘烤温度及覆盖渣… 相似文献
8.
9.
10.
11.
12.
13.
14.
LF精炼工序在炼钢过程起着调节温度的关键作用,准确预报LF精炼终点钢水温度对实际生产有重要意义.传统的LF精炼预报模型包括机理模型与黑箱模型.机理预报模型能够体现各工艺因素对终点钢水温度的影响,但由于LF精炼传热机理研究尚不完善,依靠机理模型预报终点钢水温度,难以达到预期效果;黑箱预报模型能够准确预报终点钢水温度,但不能反映精炼过程各工艺因素对钢水温度的影响,尤其当生产工艺条件发生改变时,黑箱模型在应用上会受到限制.本文以方大特钢LF精炼炉为研究对象,建立一种机理预报模型与黑箱预报模型(BP神经网络预报模型)相结合的LF精炼终点钢水温度灰箱预报模型.该模型既能反映各工艺因素对终点钢水温度的影响,又能准确预测终点钢水温度,其终点钢水温度预测误差在±5℃以内的命中率可以达到95%以上. 相似文献
15.
16.
17.
考察了影响LF炉钢水温度的因素.从能量平衡的角度出发,将整个钢包体系作为1个系统,确定加热功率、钢水质量、钢包温度、包龄、渣厚、氩气吹入量、时段7个主要因素作为网络的输入量,应用BP神经元网络进行初步预报,再根据专家工艺知识对一些特殊情况进行修正.使用本方法可减少点测次数,获得连续的钢水温度信息,降低炼钢成本,提高质量... 相似文献
18.
19.
全文通过对钢包建立合理的数学模型 ,对其吹氩行为进行模拟 ,分析了不同情况下钢液温降行为 ,为减少钢液温降、降低出钢温度、合理制定钢包的温度制度提供了一定的依据 相似文献
20.
In order to improve the temperature control level of molten steel in ladle furnace (LF), a case‐based reasoning (CBR) method has been proposed for predicting end temperature of molten steel in LF. To predict the temperature accurately and efficiently, this paper develops two‐step retrieval approach and the correlation based feature weighting (CFW) method for CBR. And, the study evaluates the prediction effect of CBR method by the experiment of comparison with back propagation neural network (BPNN) model and CBR model. Experimental results show that CBR model achieves better accuracy than BPNN model and the CBR method is effective to predict end temperature of molten steel in LF. 相似文献