转炉炼钢静态模型的初步探讨

根据转炉炼钢的物理化学反应机理，从质量平衡和能量平衡的计算出发，通过小参数变动，导出了增量式静态模型中矿石方程和供氧方程的系数。所得结论与新日铁资料基本相符。同时，还进行了炉料和产物的计算，分析了改变废钢比对生产的影响。     

转炉冶炼20CrMo钢的生产实践

介绍了石家庄钢铁有限公司转炉生产20CrMo钢的工艺技术及其产品质量状况和这一新工艺所带来的显著效益。     

利用数学模型分析复吹转炉吹炼工艺

在冶金热力学和动力学及反应工程学原理的基础上，建立了模拟复吹转炉冶炼过程的数学模型．在用梅钢150t复吹转炉工业试验的结果对模型加以验证之后，利用模型对具有中高磷铁水特点的梅钢转炉吹炼工艺进行了分析讨论．     

日本BOF耐火材料技术的发展趋势

由于在过去的十多年时间中，耐火材料消耗降低和进口增加导致的销售下降，日本耐火材料工业正面临着经济危机。在此报道了BOF内衬和修补用耐火材料技术。过去，已在衬砖和修补料方面进行了许多技术改进。最近，添加Al—Mg合金和硼化物，改善了基质微观结构，增强了内衬砖的使用寿命。以苯或沥青作结合剂的MgO—C耐火材料被广泛的用于BOF中作热浇注修补料。将来，在微技术领域和耐火材料废弃物的循环使用上的研究和发展在日本具有深远意义。     

汽雾冷却条件下转炉炉体瞬态温度场

通过有限元方法,对汽雾冷却条件下大型转炉炉体瞬态温度场进行了三维有限元仿真分析及宝钢300 t大型转炉热电偶数据实测,研究了该条件下炉体瞬态温度场的分布及变化规律.实测的炉壳温度及其变化规律与有限元仿真结果吻合较好,证实了炉体瞬态温度场有限元分析的可信性.研究结果表明,汽雾冷却条件下炉壳温度呈锯齿形波动(降温速度快,升温较慢),平均降温速度为2～2.5℃/min.运用汽雾冷却技术,可将炉壳温度控制在材料热蠕变温度(约400℃)以下,有效抑制了炉壳热蠕变变形.     

石灰石在转炉中与铁水相互作用研究

根据热力学基础理论研究了CO2-CO气体与Fe—C—Si—Mn体系之间反应以及铁水中[C]对Ca-CO3分解温度的影响．结果表明,在气氛组成变化很宽的范围内,CO2与[C]、[Si]、[Mn]、Fe（1）反应的AG小于零,石灰石分解产生的部分CO：可以替代氧气参与熔池的氧化．气氛组成影响CO：对铁水中元素的氧化顺序．CO：浓度高CO浓度低时,CO2优先氧化[C];CO2浓度低CO浓度高时,CO2优先氧化[Si]．在w[C]=2％～4．5％的范围内,石灰石分解温度T与w[C]％的关系为T=2．40w[C]2%-35．91w[C]%＋1129．1．将石灰石煅烧过程从传统石灰窑中转移到转炉可显著降低石灰石分解温度．CaCO3的分解反应和CO2对熔池的氧化反应互相促进,有利于石灰石的分解和铁水中杂质元素的氧化去除．     

基于鲁棒相关向量机的转炉炼钢终点预报模型

针对传统相关向量机在训练过程中易受异常点影响的问题,提出了一种鲁棒相关向量机模型,并将其应用于转炉炼钢终点碳含量和温度的预报.通过为每一个训练样本设定独立的噪声方差系数,并使其在训练过程中随模型预测误差的增大而逐渐减小来降低异常点的影响,同时依据贝叶斯证据框架给出了模型超参数的迭代计算公式,进行参数的优化.使用标准测试数据和转炉炼钢实际生产数据进行仿真,结果表明本文模型具有较好的预报精度和鲁棒性.     

结合优化3D-SIFT与Gist特征的运动目标识别

目标识别和场景理解是图像处理高级任务中近几年的研究热点。结合局部特征和全局特征,利用累计差分图像分割出的目标提取优化3D-SIFT特征。结合Gist提取的图像全局特征,建立特征向量。通过SVM支持向量机训练,将其应用在运动目标识别和场景理解上。实验结果表明,与现有算法相比,该算法在目标识别和场景理解上的效果有显著的提高。     

转炉炼钢智能动态终点控制

针对转炉炼钢过程复杂,影响终点因素多,而且难以进行连续准确针测量,提出了基于副枪检测信息的智能动态终点控制方法。采用灰色模型并通过神经网络进行补偿对转炉炼钢终点温度和碳含量进行预报,在此基础上,以RBF神经网络作为预设定模型,通过模糊调整确定补吹阶段需要的氧气量和加入的冷却剂量,并对一座180吨转炉进行仿真计算,结果表明了该方法的有效性。     

应用改进的神经网络模型预报转炉冶炼终点

准确预报转炉冶炼终点的钢水温度与碳含量对提高转炉终点命中率具有重要意义。针对现有多层前馈网络学习算法的不足,基于BP模型提出一种改进算法,建立了复吹转炉冶炼终点的预报模型,并与BP模型的预测结果进行了统计比较。研究表明,改进后的模型能够对冶炼终点进行良好的预报。采用单节点输出模型对终点钢水碳含量与温度分别进行预报,预测误差w(Δ[C])<±0.03%的命中率达97.22%,Δt<±12℃的命中率为94.44%。还建立了神经网络双节点输出模型对转炉终点钢水碳含量及温度同时进行预报,误差Δt<±15℃、w(Δ[C])<0.03%的双命中率为76.92%。