熔剂添加对烧结过程中有害气体排放规律影响的研究

在定碱度前提下改变生石灰和石灰石配比进行烧结杯实验,通过测试烧结过程有害气体成分的变化,得到石灰石和生石灰熔剂添加对烧结过程废气排放规律的影响.实验结果证明,生石灰和石灰石有效成分配加比例为3:7时,烧结矿冶金性能较好,SO2和NOx排放量减少,SO2产生更加集中,熔剂中配加一定比例的石灰石有利于在烧结过程的高温条件下发生固硫反应,从而降低烧结烟气中的SO2排放量.     

以煤代焦烧结煤粉粒度的选择

在宝钢原料条件下，分别采用三种无烟煤进行代替焦粉的烧结，研究煤粉不同上限粒度(8mm，5mm，2mm)对烧结矿质量的影响，利用烧结矿矿相结构进行分析，结果表明：太西煤推荐为首选代焦煤种，粒度上限为8mm；其次为大安山煤，粒度上限为5nm；采用宝桥煤代焦烧结时，粒度上限为5nm，但烧结矿硫质量分数及RDI指标较高。     

高炉内铁?焦界面的渗碳润湿行为研究

高炉内铁水渗碳过程是影响冶炼效率及未饱和铁水对炉缸炉衬侵蚀的重要因素。本文通过高温真空润湿性测试装置模拟了高炉炉缸区的铁水渗碳反应,分析了不同碳质量分数（3.8%、4.3%、4.8%）的Fe?C熔体与质量分数为99.9%的石墨基体在高温下界面间的润湿反应,同时利用扫描电镜（SEM）和能谱仪（EDS）研究了渗碳界面的微观形貌及渗碳距离。结果表明:界面接触角随着Fe?C熔体中碳含量的增加而变大;熔化过程中,接触角随着反应时间延长而减小,并最终趋于稳定;4.8%碳质量分数的Fe?C熔体中由于含碳量已至饱和,处于不润湿状态。扫描电镜分析显示,Fe?C熔体与石墨基体的接触界面形成了“球帽状”凹陷,凹陷半径与体积随碳含量的增加而减小。能谱线扫描分析显示,随着Fe?C熔体中初始碳含量的增加,石墨基体中的碳素溶解量减少,渗碳效果变差,良好的润湿性有利于碳的传质。通过计算表面能发现,石墨基体中碳素溶解进入Fe?C熔体后,有效减小了两者之间的表面能,使得表面张力减小,接触角在熔化期间递减。      

电场作用下熔铁与铝碳质水口耐材间的润湿和侵蚀行为

摘要：探究了外加电场作用下铁熔体与水口组成材料间的润湿和侵蚀行为。通过高温电润湿实验可知,在铁熔体和水口组成材料基板间施加电场,促进了铁熔滴与固体基板间的润湿,且在一定电场强度范围内,固 液相间的接触角随着电场强度的增加而减小,固 液相间的润湿性变好。对电润湿后两相界面的微观结构进行了分析,结果表明外加电场促进了铁熔体与水口组成材料间的原子迁移,显著改善固液两相界面间的传质、扩散和溶解等作用。电润湿反应过程中铝碳水口表面经脱碳后产生了孔隙,并且在外加电场作用下铁熔体易于向水口基板内部渗透,导致铁熔体对铝碳水口的侵蚀程度较高纯石墨和氧化铝基板更为严重。     

烧结过程降低固体燃耗途径的探讨

根据作者与宝钢的科研协作成果，结合国内外先进的烧结节能技术，介绍在降低固体燃料消耗方面所采取的主要措施。     

β-Sialon-Nd-黄长石固溶体材料的生成和氧化行为

研究了在β１０－Ｓｉａｌｏｎ（Ｓｉ５．２３Ａｌ０．７７Ｏ０．７７Ｎ７．２３）中加入７．２６ｗｔ％Ｎｄ－黄长石固溶体（Ｎｄ２Ｓｉ２ＡｌＯ４Ｎ３）组份的反应过程和致密化行为，烧结过程中，稀土元素先进入α－Ｓｉａｌｏｎ，随温度的升高，稀土元素存在于晶界玻璃相中，并在退火过程中以黄长石相析出。对热压及经退火处理的样品，研究了其在１０００￣１４００℃的氧化行为。１０００℃氧化时，作为晶界相的黄长石固溶体并不     

应用优化BP神经网络建立铁水硅含量的预测模型

 高炉铁水的硅含量是描述铁水质量的一个重要指标。为了在出铁之前了解铁水中硅含量的高低，建立预测模型是必要的。结合遗传算法(GA)和BP神经网络，建立了优化的GA BP预测分析模型，从某高炉选取生产数据进行学习和预测。运行结果表明，模型具有较高的预测精度，当要求绝对误差为±005时，命中率可达70%；绝对误差为±008时，命中率可达923%。同时，应用该模型分析回归了高炉风量、热风压力、富氧量与铁间料批数等参数与铁水硅含量之间的相关关系，其结果与高炉冶炼理论基本吻合，可为高炉生产提供一定的指导。     

冷却制度对烧结矿性能的影响

从宝钢近20年的生产实绩看,烧结矿的粉率随季节的变化存在明显差异.通过实验室体系研究了不同的冷却制度对烧结矿质量以及冶金性能的影响,对比分析结果表明,采用保温冷却综合效果最好,在冷却过程中采用变风量冷却对于提高烧结矿成品率有利.研究结果为在烧结矿的冷却过程中找到合理的改善烧结矿质量的方法和途径提供了依据.     

BP网络在烧结矿质量预测中的初步应用

烧结矿质量指标包括FeO含量、转鼓强度、还原性、低温还原粉化以及软化和熔滴性能等多方面，寻求烧结矿质量指标分析的新方法和有效途径是极为必要的。本文通过建立烧结矿质量指标预测的神经网络模型，利用实际烧结生产数据对模型进行训练，对烧结矿低温还原粉化性能(RDI)和转鼓强度(TI)进行预测。     

基于神经网络对铁水硫含量的优化和分析

高炉铁水中的硫含量是描述铁水质量的一个重要指标.为了在出铁之前了解铁水中硫含量的高低,建立预测模型是必要的.本文利用遗传算法(GA)和BP神经网络构造了高炉铁水硫含量的预测分析模型,从某高炉选取117组数据进行学习和预测.运行结果表明,模型预测精度较高,当要求绝对误差为±3×10-6时,命中率可达61.54%;绝对误差为±4×10-6时,命中率可达84.69%.在此基础上,应用该模型回归分析了高炉风量、热风压力、富氧量、铁间料批数与铁水硫含量之间的相关关系,结果与高炉冶炼理论基本吻合,可为高炉生产提供一定的指导.