连铸圆坯结晶器锥度优化设计研究

基于圆坯轴对称性和坯壳应力遗传特性,建立二维纵向切片热力耦合模型,利用有限元软件ANSYS对结晶器内铸坯传热及应力进行分析。根据结晶器内坯壳的收缩以及气隙的分布,依据最小气隙原则对结晶器锥度进行优化。经过三次优化计算,得到Q195钢圆坯结晶器锥度曲线。优化后的圆坯结晶器内腔呈抛物线形状,总锥度1.88%/m。在分析工艺条件下,使最大气隙降低为0.021 mm。     

300 t复吹转炉底吹系统优化模拟

顶底复合吹炼转炉炼钢法是当下主流的炼钢方法,底部供气元件的种类、支数、排布方式和底吹供气强度直接影响着转炉熔池的混匀效果,合理的流场不仅可以降低生产成本,更能缩短冶炼周期,增加企业效益.基于冷态水模拟以及CFD数值模拟手段各自的研究特点,以某钢厂300 t转炉为原型,将不同底吹条件下熔池的混匀时间、死区以及弱流区体积作...     

CaO-Al2O3基高铝高锰钢保护渣理化性能研究

以L25(65)正交试验为基础配置CaO-Al_2O_3基保护渣,研究了不同组分对高铝高锰钢保护渣理化性能的影响。结果表明,不同组分对CaO-Al_2O_3基连铸保护渣熔化温度的影响均是随其含量的增加,熔化温度降低,对熔化温度影响的主次顺序为Li_2ONa_2OB_2O_3BaOCaF_2MgO;各不同组分在一定含量范围内,对CaO-Al_2O_3基连铸保护渣黏度整体上均有降低的作用;结晶难易程度由难到易的顺序依次为3#、4#、23#、19#、20#及5#保护渣;利用热力学软件计算得到冷却析出物质中,大部分都含Ca_3B_2O_6,而该物质熔点比较低,且玻璃形态好,不易结晶,可以满足部分高铝高锰钢连铸使用要求。     

高频磁场下连铸保护渣润滑行为数学模型

为了研究高频磁场下连铸保护渣在结晶器内的润滑状况,建立了高频磁场下连铸保护渣润滑行为数学模型,并应用该数学模型研究了初始凝固时磁场作用下渣道宽度、弯月面高度、渣道动压、渣耗、摩擦力等因素对保护渣润滑行为的影响。结果发现,磁场的作用拓宽了保护渣渣道宽度,增大了弯月面高度,使保护渣渣道入口及出口宽度增加,使初始凝固点下移,改善了传热条件有利于铸坯表面质量提升;磁场的作用减小了因结晶器振动而产生的正压和负压,并且正、负压都是随着磁场强度的增大而减小,但磁场强度存在一个最佳值;磁场的作用增大了渣耗量,改善了铸坯与结晶器之间的润滑;铸坯与结晶器之间摩擦力随着磁场强度的增大而减小,当磁场强度为40 mT时,总摩擦力减小趋于平缓,因此磁场强度为40 mT左右时对减小摩擦力的作用效果较好。     

电磁制动对薄板坯结晶器内冶金行为的影响

为进一步提高多模5孔块电磁制动系统在高效连铸过程中的应用效果，以某钢厂FTSC薄板坯结晶器以及新型多模块连续电磁制动(MM-EMB)系统为原型，将结晶器内流场特征以及钢渣界面波动程度作为评判标准，采用数值模拟手段对不同电磁条件下的结晶器流场进行多物理场的耦合计算，重点揭示了在6 m/min的高拉速条件下，对电磁制动系统施加不同电流强度时，多模块连续电磁制动系统中不同线圈组合对薄板坯连铸结晶器内流场特征的影响规律。研究结果表明，结合5孔水口的结构特点，电磁制动(MM-EMB)系统依据其作用范围可将5组线圈分为2组控制单元，其中上部控制单元包含2组线圈，主要作用域为钢液流场上回流区域，当2组线圈施加电流由400 A增加到1 000 A时，可以有效降低钢液流股冲击钢渣界面的速度，减小钢渣界面波动；下部控制单元包含3组线圈，主要对结晶器内下回流起稳流作用，当3组线圈电流增大至800 A时，涡心位置和窄面冲击点明显下降，下回流强度和范围得到了有效控制。当将2组控制单元共同作用于结晶器钢液流场，下部控制单元线圈电流为800 A时，上部控制单元2组线圈施加电流取800 A可以达到最佳制动效果。将数值...     

焊接工艺对海工钢热影响区组织与性能的影响

采用镁处理的第三代氧化物冶金技术，通过铁水预处理→转炉→LF精炼→VD精炼→CC→TMCP工艺生产70 mm厚的EH420海工钢。为了研究“焊接道次”和“线能量”对热影响区(heat-affected zone, HAZ)组织以及性能的影响，对厚板进行大线能量焊接，焊接工艺分别为170 kJ/cm线能量的三丝埋弧两道焊和250 kJ/cm线能量的三丝埋弧单道焊。结果表明，与170 kJ/cm上表面相比，170 kJ/cm T/4处由于“两道次焊接”,原奥氏体晶粒尺寸由58.60μm增加到75.22μm; M-A组元数量接近，但岛状M-A组元平均尺寸由0.96μm增加到1.26μm,条状M-A组元平均尺寸由1.89μm增加到2.44μm;恶化了低温冲击韧性，-40℃平均冲击功由205 J降低为156 J。与170 kJ/cm上表面相比，250 kJ/cm上表面由于“线能量提高”,原奥氏体晶粒尺寸由58.60μm增加到74.75μm; M-A组元数量减少，但M-A组元尺寸明显增大，岛状M-A组元平均尺寸由0.96μm增加到1.52μm,条状M-A组元平均尺寸由1.89μm增加到2.87μm...     

废钢料型智能识别的语义分割模型选择与实现

目前业界对废钢智能评级和扣杂的方案都是基于目标识别模型，但是目标识别模型与语义分割模型相比其无法精确刻画废钢的边界，造成对废钢的面积估计和特征采集不精准。然而当前语义分割模型众多，如何选择一种适合废钢判级场景的模型是亟待解决的问题。针对该问题，首先在实验室建立1∶3物理模型，模拟不同类型废钢入厂验质场景；然后，用2K分辨率摄像头采集图像数据；最后，将主流的20种语义分割模型进行对比分析。试验表明，在139张废钢数据集上应使用全卷积神经网络(fully convolutional network, FCN)模型搭配高分辨率网络(high-resolution net, HRNet)对废钢进行语义分割；在图像增强的1 529张废钢数据集上应使用基于Transformer改进的高效语义分割模型SegFormer-B5对废钢进行预测分类；从平均交并比(mean intersection over union, mIoU)评价指标来看，FCN和基于上下文表示的语义分割网络(object-contextual representations network, OCRNet)使用HRNet主干网络比...     

基于深度学习的废钢分类评级方法研究

废钢是现代钢铁工业重要的铁素来源，是钢企实现碳中和的重要原料。不同级别的废钢价格悬殊，其质量直接影响钢企的生产成本和产品质量，因此，废钢入炉前的分类和评级问题，受到钢企的普遍重视和高度关注。针对传统人工方法在废钢的分类评级中所出现的效率低、安全性和公正性差等问题，提出基于深度学习中的卷积注意力机制和加权双向特征融合网络构建废钢分类评级模型CCBFNet。首先搭建废钢质量查验物理模型，模拟货车卸载废钢的生产作业场景，采用高分辨率视觉传感器采集不同类别的废钢图像。其次，在模型训练阶段设计了一种结合注意力与特征融合的废钢验质深度学习模型，将卷积注意力模块（Convolutional Block Attention Module，CBAM）加入主干网络对采集的废钢图像数据集进行特征提取，聚焦并保留图像的重要特征；使用加权双向特征金字塔（Bidirectional Feature Pyramid Network，BiFPN）平衡多尺度特征信息，进行多尺度特征融合。最后，在模型预测阶段，利用所构建的废钢质量验质模型CCBFNet进行废钢类别和质量判级，验证模型的准确性与检测效率。基于自制废钢验证数据集，与主流的目标检测Faster R-CNN、YOLOv4、YOLOv5系列以及YOLOv7进行性能比较。实验结果表明：CCBFNet识别判级的平均准确度达到了90%，mAP为89.2%，均高于对比的目标检测模型，在准确性、实时性以及识别评级效率方面可完全满足实际生产应用，解决废钢分类评级过程中的诸多难题，实现废钢的智能验质和公正判定。     

基于卷积神经网络的钢卷边部缺陷识别

热轧卷板边部缺陷对终端产品质量有着极为重要的影响，传统轧钢工艺缺陷的检查多依靠人工，其高温、连续的生产环境严重阻碍了人工在线检测的准确率。为完成对热轧钢卷边部各种缺陷的高效检测，建立了热轧钢卷缺陷数据集，数据集包括分层、烂边以及正常钢卷样本3种，基于卷积神经网络原理，开发了卷板边部缺陷在线智能识别模型。人工标定和训练优化结果表明：训练集的损失函数值为1.163%,测试集的损失函数值为0.781%,训练集和测试集准确率分别达到了98.9%和99.0%。测试集的损失函数值低于训练集，但准确率高于训练集，表明损失函数的值越小，准确率越高，训练出来的模型越好。将其应用于现场实际的钢卷边部缺陷识别中，智能缺陷识别结果较为准确，可以证明该模型具有很高的缺陷识别能力，满足了轧钢卷板边部质量控制的工艺需求。模型的开发对降低制造成本、确保生产安全以及提升产品质量都具有重要的意义。