基于深度置信网络的连铸坯偏析等级预测研究

连铸坯中心偏析缺陷的准确预测对于连铸坯稳定生产、提升连铸质量具有重要意义。为精准预测连铸坯中心偏析缺陷,建立连铸坯偏析等级的深度学习模型,该模型应用禁忌搜索的超参数优化法,对DBN模型的网络层和回归层进行优化,提高了偏析预测的准确率。研究表明,基于DBN-SVR模型的连铸坯中心偏析预测精度较好。     

基于高相关滤波算法的PSO-LSTM连铸坯质量预测模型

文章提出了一种将高相关滤波算法与粒子群优化长短期记忆神经网络相结合的连铸坯质量预测模型.首先,使用高相关滤波算法对影响连铸坯质量的多种因素进行降维处理,然后,利用粒子群优化长短期记忆神经网络进行连铸坯中心偏析陷等级的预测实验.实验结果验证了该模型在预测性能方面的优势.     

基于BP神经网络的大方坯质量在线预报模型

在对铸坯质量缺陷类型及其主要影响因素分析总结的基础上,确定以特殊钢大方坯常见的中间裂纹、中心裂纹和中心偏析为研究对象,利用BP神经网络建立了该3种典型缺陷的预测模型.基于冶金理论和连铸生产大量历史数据的统计分析,提炼出影响以上3种内部缺陷的20个主要工艺参数,进而提出20-15-3的预测模型网络拓扑结构.采用生产现场数...     

基于改进BP算法的连铸板坯中心偏析预报模型

结合某厂连铸生产数据,采用带有附加动量项的改进BP算法,建立了连铸板坯中心偏析的BP人工神经网络预测模型。应用结果表明,其预测准确率为90%,可满足连铸生产中对铸坯中心偏析预报精度的要求。分析导致预报偏差的主要原因是,网络模型隐含层节点较多、网络结构复杂、中心偏析等级为1.0的样本学习次数较多和噪音样本剔除不彻底等。     

过热度对高碳钢小方坯宏观偏析影响研究

基于国内某厂高碳钢小方坯连铸生产过程,首先利用ProCAST软件进行过热度对连铸坯宏观偏析影响的模拟研究,然后对过热度分别为44、39和28℃的连铸坯横断面和纵截面进行宏观偏析和疏松缩孔的研究。模拟结果表明:连铸坯横断面中心碳偏析随着过热度的增加不断增大,过热度超过25℃时,连铸坯横断面中心碳偏析度更加严重;试验结果表明,过热度分别为44、39和28℃的连铸坯横断面中心碳最大偏析度分别为1.39、1.32和1.06。结合模拟结果能够有效指导实际生产过程中连铸参数的调整,过热度越高,连铸坯中心碳偏析、条带状疏松缩孔越严重,为了降低连铸坯宏观偏析,建议将过热度控制在25～30℃。     

过热度对高碳钢小方坯宏观偏析影响研究

摘要：基于国内某厂高碳钢小方坯连铸生产过程,首先利用ProCAST软件进行过热度对连铸坯宏观偏析影响的模拟研究,然后对过热度分别为44、39和28℃的连铸坯横断面和纵截面进行宏观偏析和疏松缩孔的研究。模拟结果表明:连铸坯横断面中心碳偏析随着过热度的增加不断增大,过热度超过25℃时,连铸坯横断面中心碳偏析度更加严重;试验结果表明,过热度分别为44、39和28℃ 的连铸坯横断面中心碳最大偏析度分别为1.39、1.32和1.06。结合模拟结果能够有效指导实际生产过程中连铸参数的调整,过热度越高,连铸坯中心碳偏析、条带状疏松缩孔越严重,为了降低连铸坯宏观偏析,建议将过热度控制在25~30℃。     

高速轨用钢连铸坯内部质量控制的关键技术

简述了攀钢提高350 km/h高速轨用钢连铸坯内部质量的控制技术,包括大方坯连铸结晶器电磁搅拌技术、二冷控制技术和凝固末端动态轻压下技术及其在重轨钢连铸中的应用效果.近3年的生产实践表明,课题研究解决了重轨钢连铸大方坯中心疏松、中心偏析、中心裂纹等内部缺陷较严重的技术难题,重轨钢连铸坯内部质量优异,铸坯收得率达到98.55%,铸坯合格率达到99.97%,铸坯中心疏松≤1.0级,中心偏析≤1.0级,中心缩孔≤1.0级,中心裂纹≤0.5级,中间裂纹≤0.5级,中心碳偏析指数≤1.05,为攀钢开发生产350 km/h高速铁路用钢轨提供了合格铸坯.     

重轨钢大方坯连铸动态轻压下技术研究

针对攀钢大方坯连铸机投产初期引进的轻压下装备技术冶金效果不明显、重轨钢铸坯中心疏松、中心偏析等内部缺陷较严重的问题,开展了优化重轨钢连铸轻压下工艺的现场试验,对比研究了轻压下工艺对重轨钢铸坯中心疏松、中心偏析等内部质量的影响,建立了适应重轨钢要求的动态轻压下工艺技术.生产实践表明,重轨钢铸坯内部质量明显提高,铸坯中心疏松评级≤1.0级的比例由28.41%增至99.91%,中心偏析评级≤1.0级的比例由40.91%增至100%,中心缩孔≤1.0级的比例由92.05%增至100%,铸坯中心碳偏析指数由1.17降至1.05,连铸坯轧制的重轨的内部质量和力学性能完全满足350 km/h高速轨要求.     

重轨钢连铸坯内部质量控制技术

针对攀钢大方坯连铸机投产初期重轨钢连铸坯中心疏松、中心偏析等内部缺陷较严重的问题,研究应用了提高重轨钢连铸坯内部质量的控制技术,包括凝固末端动态轻压下、结晶器电磁搅拌、二冷动态控制、连铸拉速与钢水温度优化控制等核心工艺技术.生产实践表明,重轨钢连铸坯综合合格率达到99.97%,铸坯中心疏松≤1.0级,中心偏析≤1.0级,中心缩孔≤1.0级,中心裂纹≤0.5级,中间裂纹≤0.5级,角部内裂≤0.5级,中心碳偏析指数≤1.05,由连铸坯轧成重轨的内部质量和力学性能满足时速350 km高速铁路用钢轨的要求.     

重轨钢连铸结晶器电磁搅拌技术应用研究

针对大方坯连铸机投产初期重轨钢连铸电磁搅拌冶金效果不明显的问题,开展了优化重轨钢连铸结晶器电磁搅拌工艺参数的现场试验,对比研究了电磁搅拌电流强度对重轨钢铸坯中心疏松、中心偏析、等轴晶率等内部质量的影响,制定了满足攀钢重轨钢连铸工艺要求的电磁搅拌工艺制度.生产应用表明,重轨钢连铸坯内部质量明显提高,铸坯中心区等轴晶率由18.8%增至36.2%,中心疏松≤1.5级,中心偏析≤1.0级,中心缩孔≤1.0级,中心碳偏析指数≤1.05,连铸坯轧成重轨的内部质量和力学性能能够满足350 km/h高速铁路用钢轨的要求.     

70钢小方坯芯部质量优化

建立小方坯连铸凝固传热模型,通过测温和射钉试验校核模型,模型计算结果与测温和射钉试验结果间的相对误差分别为0.1％和0.64％,说明模型能够有效反映小方坯连铸的凝固传热情况.提高拉速后,铸坯的中心偏析和疏松加重.为优化高拉速下连铸坯的中心质量,依据模型计算结果及前人安装经验,将末端电磁搅拌安装装置由原来距离结晶器弯月面...     

BP Neural Network of Continuous Casting Technological Parameters and Secondary Dendrite Arm Spacing of Spring Steel

 The continuous casting technological parameters have a great influence on the secondary dendrite arm spacing of the slab, which determines the segregation behavior of materials. Therefore, the identification of technological parameters of continuous casting process directly impacts the property of slab. The relationships between continuous casting technological parameters and cooling rate of slab for spring steel were built using BP neural network model, based on which, the relevant secondary dendrite arm spacing was calculated. The simulation calculation was also carried out using the industrial data. The simulation results show that compared with that of the traditional method, the absolute error of calculation result obtained with BP neural network model reduced from 0.015 to 0.0005, and the relative error reduced from 6.76% to 0.22%. BP neural network model had a more precise accuracy in the optimization of continuous casting technological parameters.     

压下对重轨钢大方坯内裂纹敏感性的影响

为研究压下对连铸坯内部裂纹产生的影响,利用ABAQUS有限元软件建立了230 mm×280 mm断面大方坯压下数学模型。通过压下模型对重轨钢连铸坯压下过程进行热力耦合模拟计算,对压下过程中产生的内部裂纹进行了预测。首先,对连铸坯不同中心固相率为0.3～0.7的温度场进行计算;然后,利用压下模型计算了连铸坯中心固相率0.3～0.7时凝固前沿的等效塑性应变。研究结果表明,在连铸坯中心固相率为0.3～0.7的位置处分别施加7 mm压下量进行压下,连铸坯凝固前沿等效塑性应变未超过临界等效塑性应变（0.4%）,连铸坯未出现内裂纹;同时,对连铸坯在中心固相率为0.6位置处进行了不同压下量的研究,研究结果表明,当连铸坯压下量超过7 mm时,凝固前沿的等效塑性应变超过临界塑性应变（0.4%）,连铸坯出现内裂纹,并且压下量越大,连铸坯内裂纹越严重。同时,工业试验结果与模型计算结果基本吻合,验证了模型计算的准确性。      

小方坯齿轮钢连铸过程中的宏观偏析模拟

基于国内某厂齿轮钢小方坯连铸生产过程,利用ProCAST软件建立移动切片模型,能够高效模拟连铸过程中的宏观偏析,模型分别模拟研究了不同过热度、二冷水量和拉坯速度等对宏观偏析的影响。模拟结果与碳偏析检测结果吻合良好,验证了移动切片模型模拟连铸坯宏观偏析的准确性。由于溶质浮力的影响,内弧侧的宏观偏析强于外弧侧。随着过热度的增加,铸坯中心碳偏析度从1.06增加至1.15。过热度控制在25 ℃范围内,可以保证铸坯的宏观碳偏析度控制在1.10范围内。随着连铸二冷水量的增加,铸坯中心偏析改善程度较小,铸坯中心碳偏析度从1.16降低至1.13。随着拉坯速度的增加,铸坯中心偏析呈现加重的趋势,铸坯中心碳偏析度由1.14增加至1.21,拉坯速度控制在1.4 m·min–1范围内,可保证铸坯中心碳偏析度低于1.15。      

连铸板坯三维二冷动态配水与精准压下研究与应用

在现有工艺条件下,校验和完善二冷区铸坯凝固传热计算数学模型,开发三维二冷配水模型,解决目前设备状况下冷却水分布不均匀对铸坯温度的影响,从而控制铸坯表面质量,特别是铸坯的角部裂纹,同时对板坯连铸二冷配水制度进行改进和优化,使之满足高效连铸生产条件和改善铸坯质量的需要。提出压下参数计算公式,结合所开发三维二冷配水模型,优化现有压下工艺,提出并应用精准可控单段压下、非稳态压下控制,集中解决连铸板坯中心偏析、中心疏松和缩孔等内部质量问题。同时优化模型数据库,使之数据更加完备,模型计算更加准确,同时模型具备异钢种混浇过程二冷及压下控制功能,能够进行凝固终点W形预测与控制,可进一步提高模型适用性和准确性。模型开发并成功在多家钢厂现场应用,有效改善了铸坯裂纹和偏析等铸坯表面和内部的质量问题。      

BP神经网络在连铸板坯质量在线诊断中的应用

为了更好地应用BP神经网络对连铸板坯质量进行在线诊断,基于连铸生产特点,利用采集的过程数据建立了符合生产实际的均一化函数.通过分析BP神经网络中各参数对网络性能及诊断准确率的影响,对BP神经网络的结构及学习算法进行修正,使该网络有选择和有区分地学习铸坯质量知识.结合某钢厂连铸现场数据,以黏结为例,建立了6种网络模型,对各模型算法进行了比较测试.结果表明:采用自定义函数均一化样本或采用提出的差异性算法训练神经网络,均可明显提高诊断准确率;采用选择性算法可确保诊断准确率不变的同时,提高学习速度;修正的算法更能很好地符合连铸生产实际.     

基于FA-ELM的转炉终点磷含量预测模型

 转炉终点磷含量的预测对实现转炉自动出钢、缩短冶炼周期具有重要意义,为了实现转炉终点磷含量的窄窗口控制,为操作工艺提供指导,需要建立更高精度的终点磷含量预测模型。通过对冶炼工艺以及脱磷热力学的分析,选取12项影响脱磷过程的可观测指标,构建了终点磷含量预测指标体系,然后借助因子分析法(FA)对数据进行降维处理,得到6个派生变量,将其作为模型输入,终点磷含量作为模型输出,建立基于超限学习机(ELM)的终点磷含量预测模型。并将ELM模型预测结果与BP神经网络的进行对比,研究发现,ELM模型拟合度更高,回归系数R2=0.778 7,平均误差MAPE=0.106 0,并且预测误差在±0.003 0%内的炉次所占比例为86.67%。因此,相比于BP神经网络模型,ELM模型具有较高的精度和较好的泛化能力。     

PMO凝固均质化技术在20CrMnTi齿轮钢上的应用

 为了解决20CrMnTi齿轮钢在生产过程中铸坯柱状晶发达及铸坯元素分布不均匀等缺陷,运用上海大学研发并已在连铸生产中取得理想效果的脉冲磁致振荡(pulsed magneto oscillation,简称PMO)凝固均质化技术对连铸20CrMnTi齿轮钢矩形坯进行均质化处理。结果表明,经PMO处理的20CrMnTi齿轮钢铸坯中心等轴晶率增加1倍左右,中心碳偏析指数从1.22降为1.04。金属原位分析仪元素面扫描检测发现,PMO处理铸坯的各元素分布更加均匀,连铸坯宏观偏析得到有效控制。该技术为今后提高连铸坯内部质量提供了一种新方法。