板坯连铸粘结漏钢与保护渣技术

从理论和实际应用效果方面阐述了板坯粘结漏钢的形成机理和主要原因,重点论述了连铸结晶器保护渣的冶金性能,以及对粘结漏钢的影响和减少粘结漏的连铸保护渣技术。结合连铸生产,对攀钢使用的几种连铸保护渣的情况进行了介绍。     

测弯月面流速调控连铸钢流

据日刊报道　连铸坯的表面质量与形成初期坯壳的不均匀长大、结晶器内保护渣卷入钢液、坯壳内吸入夹杂物和气泡等因素密切相关。通过采用电磁制动与电磁搅拌以及调整浸入式水口的形状与深度 ,可以控制结晶器内的钢液流动状态 ,但是这类方法却难于准确评价和控制钢液流动。为此 ,通过测定弯月面的流速控制钢液流的流动是必不可少的。住友金属工业公司开发出可测定流速绝对值的“钢液流速计”,将其用于连铸机结晶器内弯月面钢液流速的测定 ,在高速铸造时能够准确确定弯月面的最佳流速。测弯月面流速调控连铸钢流     

连铸结晶器漏钢预警系统算法研究

连铸是把液态钢浇铸、冷凝和切割变成铸坯的过程,高温钢液通过结晶器浇铸成型。如果钢液在结晶器内发生粘结,继续高速拉坯将导致漏钢事故,给安全生产带来巨大的风险。连铸结晶器漏钢预警系统作为预防漏钢的智能系统,能够通过精密的算法及时侦测到钢液粘结,通过降低浇铸速度增加凝固时间,使粘结处坯壳补强,从而避免浇铸漏钢事故发生。系统功能是基于算法实现的,所以,对结晶器漏钢预警系统算法的研究显得十分重要。     

高碳钢小方坯粘结漏钢形成原因分析与控制

针对某厂高碳钢小方坯粘接漏钢发生率高的问题,通过观察高碳钢漏钢坯壳组织形貌,分析其在结晶器中运动规律,研究了粘结漏钢的形成机理。结合现场连铸生产过程参数和保护渣使用情况的调查,弄清了造成该钢种粘结漏钢的主要原因。凝固坯壳在二次弯月面附近发生粘结,在结晶器上下振动过程中粘结处坯壳发生拉断、重接和再拉断,漏钢破裂处随之逐渐下行,直至结晶器出口处发生漏钢。调查分析发现,保护渣润滑性能不良、结晶器液面波动大、过热度和拉速不合适是该钢厂高碳钢小方坯粘结漏钢的形成原因。采用可行的控制措施后,高碳钢小方坯粘结漏钢发生率从8.4%降低到1.5%。     

大板坯连铸粘结漏钢浅析

介绍了大板坯连铸粘结漏钢的发生机理和和主要特点;结合邯钢三炼钢厂生产实践,分析了工艺、操作和设备等因素对粘结漏钢的影响;提出了降低粘结漏钢次数的主要措施。措施实施后取得较好效果。     

宽厚板连铸粘结漏钢的原因分析

针对宽厚板连铸机在Q345D和Q345E生产中发生多次粘结报警甚至拉漏的情况,分析了粘结漏钢产生的机理,从宽厚板的现场生产工艺参数、保护渣物理性能及熔化状况等方面,分析了宽厚板连铸产生粘结漏钢的原因。     

连铸黏结漏钢发生机理及预报模型

连铸是炼钢过程非常重要的工序之一。连铸过程多发漏钢事故，其影响因素多且机理复杂，其中以黏结漏钢最为常见，约占总漏钢事故的70%。连铸漏钢事故造成钢液泄漏，容易发生灼烫、火灾甚至爆炸等安全事故，造成人员伤亡和巨大的财产损失。为解决上述问题，剖析了黏结裂口的扩展方式和黏结漏钢的形成机理；基于热电偶测温法预报黏结漏钢的原理，利用神经网络建立黏结漏钢预报模型，并运用遗传算法完成神经网络的优化，预报模型测试样本的正确报出率达到100%,预报率为97.56%;对空间网络模型进行了验证，A型空间网络模型的输出符合期望，可以实现黏结在空间裂口扩展的预报。模型具有很好的应用价值，可为连铸安全生产提供支撑。     

板坯45#钢保护渣的优化与生产应用

通过研究高碳钢连铸特点，分析了高碳钢板坯连铸粘结漏钢的原因，提出了板坯连铸45#高碳钢保护渣优化设计思路。研究改善保护渣润滑性能的影响因素，根据研究结果配制45#钢板坯保护渣，并试用10多吨保护渣。未发生粘结及粘结漏钢事故，稳定了连铸生产。     

采用超导磁体控制连铸结晶器内钢液流动

为了改善连铸坯质量，用静磁场和移动磁场控制连铸结晶器内钢液流动的技术已经实用化。在比现在更高生产率（即连铸拉坯速度）的连铸中，需要增大磁场强度（以便有效控制钢液流动方向和速度）。因此，有人建议在结晶器上附加超导磁性（超导磁铁）可以获得强磁场；并且，通过水银模型实验确认此举可以大幅度降低结晶器内液体弯月面的表面流速和下降流速度。下面概要介绍在试验型连铸机上用超导磁体进行的控制结晶器内钢液流动试验。实验方法在垂直弯曲型板坯连铸机上的结晶器外侧，设置了可以附加上下两段静磁场的超导磁体，所产生的最大磁场…     

板坯连铸粘结漏钢的特点与分析

针对连铸过程中时常发生的粘结漏钢情况,分析了造成粘结漏钢的各种因素,为预防粘结漏钢的发生提供参考。     

板坯漏钢预报系统在生产中的应用

阐述了粘结漏钢的形成机理和漏钢预报系统的基本原理.通过统计典型粘结数据,分析并优化了漏钢预报系统的参数,提出提高漏钢预报系统预报准确率的措施,以进一步降低粘结漏钢率.     

宽厚板连铸黏结漏钢的工艺因素

以钢厂宽厚板连铸黏结漏钢的实测样本为基础,重点考察了断面、拉速、液位等主要工艺因素对铸坯黏结的影响,统计和分析了黏结发生时的结晶器热流及其变化规律,对可能诱发黏结的浇铸参数和结晶器热流等进行了分析和探讨.      

合金钢连铸结晶器保护渣的基本功能

分析了合金钢连铸结晶器保护渣对钢水的保温和避免钢液氧化功能、吸收夹杂物的能力、以及润滑铸坯和控制传热的功能。改善保护渣的保温性能，有利于减轻振痕缺陷和铸坯皮下夹渣，提高保护渣吸收夹杂能力，防止高合金钢连铸时的漏钢和减少铸坯夹渣缺陷；而协调保护渣传热与润滑的功能对避免粘结漏钢和减少铸坯表面纵裂纹和微裂纹有着不可低估的作用。     

板坯连铸机粘结漏钢分析与预防措施

对河北钢铁集团公司邯宝炼钢厂两台板坯连铸机自2008年10月投产至2011年2月粘结漏钢情况进行统计,从漏钢坯壳形貌分析粘结漏钢过程,从保护渣性能、结晶器锥度、结晶器振动、液面波动、拉速变化以及标准化操作等方面分析粘结漏钢的原因,进而提出预防措施,降低了连铸机漏钢率。     

基于改进模糊ART神经网络的连铸漏钢预报模型

在模糊ART神经网络的基础上,有机结合模糊模式识别和模糊聚类算法,并通过引入新的学习机制和优化网络结构,建立了改进的新型模糊ART神经网络模型;同时,结合某钢厂连铸现场采集的历史数据,将该模型应用于连铸漏钢预报过程中。其结果表明,该模型对粘结漏钢过程中2种典型温度模式的预报率分别达到95.6%和97.8%,报出率都达到100%,且在避免漏报的同时保证了较低的误报率,能准确识别典型的温度模式和预测拉漏事故的发生。     

基于改进模糊ART神经网络的连铸漏钢预报模型

在模糊ART神经网络的基础上,有机结合模糊模式识别和模糊聚类算法,并通过引入新的学习机制和优化网络结构,建立了改进的新型模糊ART神经网络模型;同时,结合某钢厂连铸现场采集的历史数据,将该模型应用于连铸漏钢预报过程中。其结果表明,该模型对粘结漏钢过程中2种典型温度模式的预报率分别达到956%和978%,报出率都达到100%,且在避免漏报的同时保证了较低的误报率,能准确识别典型的温度模式和预测拉漏事故的发生。     

基于模糊聚类及神经网络的连铸漏钢预报

在模糊RBF神经网络的基础上,通过融合基于贴近度的改进FCM和Conditional FCM算法,建立了改进的模糊RBF网络模型;并结合某钢厂连铸现场采集的历史数据将该模型应用于连铸漏钢预报的过程中。结果表明,改进的网络模型能更准确地辨识连铸粘结漏钢过程中典型温度模式1和模式2,对二者的预报率分别达到949%和983%,报出率均达到100%,其预报性能更佳,能更有效地预报拉漏事故。     

50#钢板坯连铸机粘结漏钢原因探讨及解决措施

本文结合酒泉钢铁公司4#板坯生产实际,系统分析了50#钢粘结漏钢的原因,从保护渣、结晶器、冷却水以及工艺操作等方面有针对性地制定了措施,杜绝了粘结漏钢事故,稳定了生产。