中间包内钢水温度预测模型

采用多元回归分析建立了60t中间包内钢水温度-T中间包/ ℃的预测模型,并对中间包内预测温度进行了统计分析.结果表明：该模型的钢水温度预测值与实测值非常吻合.     

DSP钢厂六流小方坯连铸机中间包采用不对称挡板改善钢水流动

多流连铸机的中间包将钢水分配到多个不同的结晶器中去 ,要求分配到各结晶器的钢水温度和速度基本一致 ,但是中间包内各个水口处的钢水温度及停留时间随位置不同而变化。中间包内钢水停留时间不一致和钢水温度不均匀将会影响钢水质量和可铸性。中间包对钢水清洁度、热均匀性及浇铸稳定操作起重要作用 ,这与中间包内钢液流动密切相关。中间包内合理的钢水流动是稳定顺利浇铸的先决条件 ,并有利于提高钢水清洁度及热均匀性。中间包钢水流动性一致时 ,不同出水口处钢水温度及停留时间仍可能出现不一致。钢水停留时间过短时 ,由于钢水温度过高 ,…     

中间包等离子加热工业试验

控制中间包内钢水温度变化是提高生产率和产品质量的有效方法之一。中间包等离子加热能够弥补浇注过程中钢水温降,稳定钢水温度,提高铸坯质量。对某厂中间包等离子加热进行工业试验研究。采用三中空石墨电极等离子加热装置对中间包内钢水进行加热。通过两组中间包等离子加热试验,探究等离子加热对中间包内钢液温度变化和钢液成分及夹杂物特征的影响。结果表明,等离子加热中间包内钢水升温效果明显,升温速率可实现0.8 ℃/min,同时也能够使钢水温度保持稳定;等离子加热后中间包内钢水全氧含量下降,氮含量基本不变,碳含量略有升高;加热后钢液中夹杂物的数密度明显降低,分别下降了7.43%和19.68%。中间包等离子加热可稳定中间包内钢液过热度,促进了氧化物夹杂的上浮去除,提高了铸坯质量。     

异型坯连铸机中间包水模和数模研究

通过对菜钢异型坯连铸机中间包进行水模和数模研究,得出不同内型结构条件下,中间包内钢水流场、温度场的分布规律,设计出合理的中间包内型结构,使中间包内钢水流场合理,有利于夹杂物的上浮排除,钢水温度分布均匀,同时提高了中间包的寿命,减少了因中间流温度高造成的停浇,稳定了生产。     

60 t中间包内钢水温度预测模型

根据800炉(300t钢包)样本的多元回归分析,建立了60t中间包内钢水温度-T中间包/℃的预测模型：T中间包=-66.7499+1.03196 T-0.76824x₁-0.00750x₂+0.23253t-0.60624 t²-9.39124×10^-6t³。 式中：T-钢包到达回转台时钢水温度/℃;x₁-钢包浇铸前搁置时间/min;x2-中间包烘烤时间/min;t-钢包钢水浇铸时间/min。对中间包内预测温度统计分析结果表明,中间包钢水预测温度与实测温度之间的误差小于±5℃     

中间包内钢水控流技术

介绍了中间包冶金技术的发展,分析了中间包内钢水的流动特性及控流装置对钢水流动状态的影响,论述了改进中间包内的控流装置可以明显改变钢水流动状态,中间包内同时应用堰、坝、湍流控制器及多孔挡墙或气幕挡墙,能够延长钢水在中间包内的滞留时间,有效去除钢中夹杂,提高中间包冶金效果。     

中间包温度分布的模拟研究

利用湍流理论,建立中间包温度场的数学模型.通过建立中间包温度场的有限元模型,分析了有限元法在模拟中间包温度场方面的应用.基于有限元法对中间包温度场及其温度分布进行了分析研究,结果表明:中间包内钢水的流动在许多情况下表现为一种非等温状态下的流动,不同结构中间包内钢液温度分布有差异.优化后的中间包钢液的温度分布均匀,有利于提高连铸坯的质量.     

中间包夹杂物运动行为的数模研究

利用数学模型研究了中间包内钢水中夹杂物运动的规律,采用自编的计算机软件,对马钢板坯和异型坯中间包夹杂物的运动进行了仿真计算,结果表明,中间包内夹杂物直径＞100um时,都能在中间包内上浮,而＜5um的小颗粒夹杂则很难在中间包内上浮,90％以上都随着钢水流出中间包。加入挡墙后,直径＞50um的夹杂物都能在中间包内上浮排出。大大提高了钢水的清洁度。本文提供了一种研究中间包夹杂物运动的方法,并认可采用挡墙控制钢水流动,可有效地排除钢水中的夹杂物。     

钢水密度对板坯中间包流场影响的数学模型

利用数学模型研究了钢水在常密度和密度变化两种条件下板坯中间包内的流场、温度场和钢水平均停留时间。计算结果表明，高温钢水在中间包内流动时，不能忽略自然对流流动；密度随温度变化时，钢水沿着液面流到水口区，没有短路流现象，最短滞流时间１００ｓ，进出口温差４４℃，其流场和温度场与常密度条件下的正好相反。     

钢水密度对板坯中间包流场影响的的数学模型

利用数学模型研究了钢水在常密度和密度变化两种条件下板坯中间包内的流场、温度场和钢水平均停留时间。计算结果表明，高温钢水在中间包内流动时，不能忽略自然对流流动；密度随温度变化时，钢水沿着液面流到水口区，没有短路流现象，最短滞流时间１００ｓ，进出口温差４４℃，其流场和温度场与常密度条件下的正好相反。     

利用人工神经网络系统预报钢水温度

通过分析影响钢水温降的各个因素,利用人工神经网络原理建立了钢水温度预报模型。该模型预报值与实测值基本相符,在此基础上,提出了该厂合理的温度制度,并提供了一种优化出钢温度的方法。     

CAS 密封吹氩精炼终点钢水温度的预报模型

采用多元回归分析建立了 30 0tCAS精炼 (密封吹氩调整成分 )终点钢水温度 T_钢包 ℃的预测模型 :T_钢包 =t - (- 92 0 6 4 +0 .0 6 4 36 2 5X₁ +0 .18716 2X₂ +0 .5 812 93t +0 .0 0 36 6 2X₃) ,式中X₁钢水搁置时间 min ;X₂ 精炼处理时间 min ;X₃ 合金加入量 kg ,t 处理开始钢水温度 ℃。对预测温度统计分析结果表明 ,该模型对CAS精炼终点温度的预测误差在± 5℃和± 10℃时的命中率分别为 87%和 95 %。     

加热炉自适应钢坯温度预报模型的开发

针对目前加热炉钢坯温度预报模的边界条件缺乏自适应的性的影响,提出了一种基于神经元网络辨识的在线自适应钢坯温度预报模型,并引入粗轧机组后面的钢坯温度实时检测信号作为反馈修正钢坯温度预报。工业试验和仿真研究皆表明,该自适应钢坯温度报模型精度高,自适应必好,鲁棒性强。     

基于GA-PSO-BP神经网络的LF终点温度预测

针对LF冶炼特点和现有钢水温度预报方法存在的不足,提出了一种新的预测LF终点温度的BP神经网络模型。用遗传算法(GA)和粒子群算法(PSO)混合优化BP神经网络的权值和阈值,提高BP神经网络的预测精度。混合模型既克服了传统机理模型难以准确实现的困难,也弥补了传统BP算法的不足,结合了2种算法的优点,改善了预测模型的收敛性能。开发了基于Java语言的现场应用软件。仿真结果表明,该算法可以提高预测精度和速度,预测误差在5℃以内的炉次达到了88%。     

连铸粘结漏钢的结晶器温度变化及其传播行为

以国内某钢厂板坯连铸粘结漏钢的实测样本为基础,重点调查了铸坯粘结时结晶器热电偶温度变化,分析了粘结传播行为,讨论了现行热电偶布置合理性和漏钢预报模型的设计.研究结果表明:粘结时单个热电偶温度在时间上表现先升后降变化规律,且具有一定温度变化速率和持续时间,多行多列相邻热电偶温度变化在空间上表现粘结传播的"时滞性",具有典型性,同列热电偶温度变化表现"温度倒置"现象,但不具典型性;粘结纵向传播速度小于拉速,与拉速呈线性正相关,横向传播速度与拉速比为 0.91 ~ 1.91,存在较大不稳定性;从纵横向检测快慢和稳定性综合考虑,以纵向检测为主、横向检测为辅设计漏钢预报模型更为合适;现行热电偶布置较为合理.     

基于分布式神经网络模型的高炉炉温预测建模

高炉炼铁通常采用铁水Si含量间接反映炉温的变化,模型预测精度低。以影响炉温的6个变量为输入变量,采用基于自组织的分布式RBF神经网络模型分别对铁水温度和铁水Si含量建立预测模型,先用自组织神经网络划分输入输出样本空间,然后对每个子空间建立RBF神经网络子网模型,再使用子网模型对测试样本集的同一个样本点进行预测,并以测试样本点对每一子空间的隶属度为权值,对子网预测值进行加权求和,得到最终预测值。对比使用同一输入变量数据的铁水温度和铁水Si含量的预测模型命中率,研究表明,高炉铁水温度的命中率更高,具有更好的炉温预测效果。     

GA-BP的铁钢界面铁水温度预测

铁钢界面铁水温度对炼钢生产的控制与优化具有重要意义.因此,为了更加准确地获取铁钢界面铁水温度,本文采用较大样本构建了基于遗传算法(GA)优化的BP神经网络铁水温度预测模型.对影响铁钢界面铁水温度的因素分析,选取了出铁时间、预处理时间、重罐时间、空罐时间、出铁铁水温度、预处理后铁水温度、铁水质量7个关键因素作为模型的输入...     

热轧带钢终轧温度控制数学模型

根据生产现场工艺和设备实际情况，确定了热轧带钢终轧温度的控制策略。基于带钢在机架间温度变化的精确预报模型，通过调节轧制速度或机架问冷却水流量，有效地将带钢温度控制到目标范围内。     

基于样条变换的非线性PLS的反应高炉炉温的参数预测

 高炉冶炼过程是一个大时滞、强非线性的系统,现有的高炉炉温预测模型不够准确,因此,建立了基于香农熵的广义相关系数时滞分析模型和基于样条变换的非线性偏最小二乘回归(ST-PLS)的反应炉温的参数预测模型,得出影响高炉炉温的主?问闹秃笫奔洌げ獬瞿芄蛔酆戏从Ω呗碌?个参数(［Si］,［S］,铁还原速率及铁水温度)。试验证明,模型具有较高的预测精度,当相对误差分别为0.11和0.18时,模型预测［Si］的命中率分别为0.7143和0.9184,［S］的命中率分别为0.7347和0.9184,铁还原速率的命中率分别为0.6122和0.8163,铁水温度的命中率分别为1.0000和1.0000。