《工程科学学报》：含氟连铸保护渣黏度检测与预测模型.pdf_大学文库

工程科学学报 Chinese Journal of Engineering 含氟连铸保护渣黏度检测与预测模型赵忠宇赵俊学谭泽馨屈波樵崔雅茹 Viscosity detection and the estimation model of fluorine-containing mold flux for continuous casting ZHAO Zhong-yu,ZHAO Jun-xue,TAN Ze-xin,QU Bo-qiao,CUI Ya-ru 引用本文：赵忠宇，赵俊学，谭泽馨，屈波樵，崔雅茹.含氟连铸保护渣黏度检测与预测模型.工程科学学报，2021,43(4)：529-536.doi: 10.13374j.issn2095-9389.2020.05.03.002 ZHAO Zhong-yu,ZHAO Jun-xue,TAN Ze-xin,QU Bo-qiao,CUI Ya-ru.Viscosity detection and the estimation model of fluorine- containing mold flux for continuous casting[J].Chinese Journal of Engineering,2021,43(4):529-536.doi:10.13374/j.issn2095- 9389.2020.05.03.002 在线阅读View online:https::/doi.org10.13374j.issn2095-9389.2020.05.03.002 您可能感兴趣的其他文章 Articles you may be interested in 基于熔渣结构的多元渣系黏度模型 Structurally-based viscosity model for multicomponent slag systems 工程科学学报.2020,42(9外：1149htps:/doi.org10.13374.issn2095-9389.2019.09.27.001 含固相铜冶炼渣的黏度计算及其应用 Viscosity calculation and its application of the copper smelting slag containing solid phase 工程科学学报.2017,391)：48 https::/1doi.org/10.13374斩.issn2095-9389.2017.01.006 连铸结晶器内渣膜形成及传热的研究现状 Research overview of formation and heat transfer of slag film in mold during continuous casting 工程科学学报.2019,41(1)：12 https:/1doi.org/10.13374斩.issn2095-9389.2019.01.002 基于“炉机对应”的炼钢连铸生产调度问题遗传优化模型 Genetic optimization model of steelmakingcontinuous casting production scheduling based on the "furnacecaster coordinating" strategy 工程科学学报.2020,42(5)：645htps:/doi.org/10.13374j.issn2095-9389.2019.08.02.004 ND钢连铸坯两相区内的微观偏析模型 A microsegregation model in the two-phase region of an ND steel continuous casting billet 工程科学学报.2019,41(4：461htps:/doi.org10.13374j.issn2095-9389.2019.04.006 基于极限学习机ELM的连铸坯质量预测 Quality prediction of the continuous casting bloom based on the extreme learning machine 工程科学学报.2018,40(7)：815htps:/oi.org/10.13374.issn2095-9389.2018.07.007

含氟连铸保护渣黏度检测与预测模型赵忠宇赵俊学谭泽馨屈波樵崔雅茹 Viscosity detection and the estimation model of fluorine-containing mold flux for continuous casting ZHAO Zhong-yu, ZHAO Jun-xue, TAN Ze-xin, QU Bo-qiao, CUI Ya-ru 引用本文: 赵忠宇, 赵俊学, 谭泽馨, 屈波樵, 崔雅茹. 含氟连铸保护渣黏度检测与预测模型[J]. 工程科学学报, 2021, 43(4): 529-536. doi: 10.13374/j.issn2095-9389.2020.05.03.002 ZHAO Zhong-yu, ZHAO Jun-xue, TAN Ze-xin, QU Bo-qiao, CUI Ya-ru. Viscosity detection and the estimation model of fluorinecontaining mold flux for continuous casting[J]. Chinese Journal of Engineering, 2021, 43(4): 529-536. doi: 10.13374/j.issn2095- 9389.2020.05.03.002 在线阅读 View online: https://doi.org/10.13374/j.issn2095-9389.2020.05.03.002 您可能感兴趣的其他文章 Articles you may be interested in 基于熔渣结构的多元渣系黏度模型 Structurally-based viscosity model for multicomponent slag systems 工程科学学报. 2020, 42(9): 1149 https://doi.org/10.13374/j.issn2095-9389.2019.09.27.001 含固相铜冶炼渣的黏度计算及其应用 Viscosity calculation and its application of the copper smelting slag containing solid phase 工程科学学报. 2017, 39(1): 48 https://doi.org/10.13374/j.issn2095-9389.2017.01.006 连铸结晶器内渣膜形成及传热的研究现状 Research overview of formation and heat transfer of slag film in mold during continuous casting 工程科学学报. 2019, 41(1): 12 https://doi.org/10.13374/j.issn2095-9389.2019.01.002 基于“炉机对应”的炼钢连铸生产调度问题遗传优化模型 Genetic optimization model of steelmakingcontinuous casting production scheduling based on the “furnacecaster coordinating” strategy 工程科学学报. 2020, 42(5): 645 https://doi.org/10.13374/j.issn2095-9389.2019.08.02.004 ND钢连铸坯两相区内的微观偏析模型 A microsegregation model in the two-phase region of an ND steel continuous casting billet 工程科学学报. 2019, 41(4): 461 https://doi.org/10.13374/j.issn2095-9389.2019.04.006 基于极限学习机(ELM)的连铸坯质量预测 Quality prediction of the continuous casting bloom based on the extreme learning machine 工程科学学报. 2018, 40(7): 815 https://doi.org/10.13374/j.issn2095-9389.2018.07.007

工程科学学报.第43卷，第4期：529-536.2021年4月 Chinese Journal of Engineering,Vol.43,No.4:529-536,April 2021 https://doi.org/10.13374/j.issn2095-9389.2020.05.03.002;http://cje.ustb.edu.cn 含氟连铸保护渣黏度检测与预测模型赵忠宇12)，赵俊学区，谭泽馨，屈波樵)，崔雅茹) 1)西安建筑科技大学治金工程学院，西安7100552)中治赛迪技术研究中心有限公司，重庆401120 ☒通信作者，E-mail:z小haojunxue1962@126.com 摘要采用旋转柱体法对不同类型的含氟连铸保护渣黏度进行检测，并基于Arrhenius方程通过非线性回归分析建立了新的黏度预测模型，分析了组分变化对黏度的影响.结合模型计算和实验检测，建立了CaF2-NaO-Al,O-CaO-SiO,-Mg0渣系的等黏度图.结果表明，与传统的含氟连铸保护渣黏度预测模型相比，该模型计算的偏差在10%以内，当渣中w(CF,)超过20%时，偏差逐渐增大，主要由于氟化物挥发造成炉渣成分变化，最终黏度实测值与炉渣初始成分不符，造成模型无法对黏度有效预测.此外，研究发现，CaF2的增加能显著降低炉渣黏度，而Al2O3和Na20对黏度的影响受CaF2含量的限制.当 r(CaF2)>17%.炉渣黏度随Al2O3含量增加而减小，当w(CaF211.5%.炉渣黏度随Na2O含量增加显著下降，当(CF2KI1.5%,Na2O含量变化对黏度的影响并不明显.此外，该等黏度图表明低黏度区w(CF2)接近14%.通过调整等黏度图中各组分比例，可以改善保护渣的黏度和流动性，供钢铁工业应用. 关键词连铸保护渣：CaF2;黏度模型；非线性回归分析；等黏度图分类号F407.3 Viscosity detection and the estimation model of fluorine-containing mold flux for continuous casting ZHAO Zhong-yu2),ZHAO Jun-xue,TAN Ze-xin,QU Bo-giao,CUl Ya-ru 1)School of Metallurgical Engineering,Xi'an University of Architecture and Technology,Xi'an 710055,China 2)CISDI R&D Co.Ltd,Chongqing 401120,China Corresponding author,E-mail:zhaojunxue1962@126.com ABSTRACT Mold flux plays a significant role in the continuous casting of steel.Especially,the viscosity (or its inverse,fluidity)of mold flux is a key parameter for industrial applications to aid in product quality.In this paper,viscosities of different types of fluorine- containing continuous casting mold fluxes were first measured by the rotating cylinder method,and then a new viscosity estimation model was established based on the Arrhenius equation combined with nonlinear regression analysis to analyze the influence of component changes on the viscosity.Combining model calculation and experimental measurement,an iso-viscosity diagram of the CaF2-Na2O-Al2O-CaO-SiOzMgO slag system was also created.It is found that deviation within 10%is calculated using the model in this study compared with the traditional viscosity estimation models of different types of fluorine-containing continuous casting mold fluxes but gradually increases when the (CaF2)of slag exceeds 20%,mainly due to the change of slag composition caused by fluoride volatilization.Finally,the measured value cannot correspond to the composition of the initial slag,and the model cannot give an accurate estimated value.It is also found that an increase of CaF2 can significantly reduce viscosity,whereas,the effect of AlO3 and Na2O on viscosity is restricted by CaF2 content.When w(CaF2)>17%,the viscosity of slag decreases with increasing w(Al2O3),and when w(CaF2)11.5%,the viscosity of the slag 收稿日期：2020-05-03 基金项目：国家自然科学基金资助项目(51674185.51674186)

530 工程科学学报，第43卷，第4期 system decreases significantly with increasing w(Na2O)mass.When w(CaF2)<11.5%,the effect of Na,O on viscosity is not obvious.In addition,the diagram shows that the mass fraction of CaF2 in the low viscosity area is nearly 14%.This shows that the viscosity and fluidity of mold flux can be improved by adjusting the component ratio in this iso-viscosity diagram for applications in the steel industry KEY WORDS continuous casting mold flux:CaF,;viscosity estimation model;nonlinear regression analysis;iso-viscosity diagram 炼钢过程熔渣的流动性对精炼反应、制定冶配渣方式采用化学纯试剂按照设计表分别配炼温度制度、渣金传热（传质）以及产品质量控制制上述C1~C27各组炉渣试样，利用玛瑙球磨机等均具有重要影响-)黏度是影响熔渣流动性的以200rmin速度研磨0.5h,置于GF101-2A电热主要因素，为此，诸多学者对各类炉渣的黏度影响鼓风干燥箱，设定120℃常压干燥5h,取出后放以及控制机理作出分析，并希望建立一种普遍适入试样袋真空压缩，避光保存.本次黏度实验采用的炉渣黏度模型来预测不同组成的炉渣黏度随用RTW-10型熔体物性综合测定仪，为避免试样与温度变化6-2]其中，对于连铸保护渣黏度预测模坩埚反应，采用钼制坩埚和钼制测头，升温速率型，应用较为广泛的有Riboud模型2（基于 10℃min,温度达到1500℃后以5℃min降 Weymann-Frenkel公式)，Iida模型（基于结晶温度温，并记录黏度变化数据，检测过程通入高纯氩气分析)以及Mls模型2（基于光学碱度分析），但各保护，流量设置50 mL:min. 类模型都有一定局限性，尤其对于含氟炉渣的黏 2结果分析度预测结果与实验检测值相差较大.对此，Mis 指出，这与含氟炉渣的挥发导致成分变化有关 2.1黏度检测与分析本文结合现行连铸工艺对含氟连铸保护渣进对C1~C27各试样黏度检测，同时，依据行黏度检测，并基于Arrhenius方程以及非线性回 Arrhenius方程（式(1）~(2))以及黏度检测数据，归分析建立黏度预测模型.通过与传统黏度模型作出关于黏度值的对数(1n)与温度倒数(1/T)的对比，以及对不同类型含氟保护渣黏度检测数据线性关系.以C27号黏度曲线为例，分析结果如分析，实现对本次黏度预测模型的有效评价图1所示.同时，分别求得各组黏度参数线性关系的截距(In4)与斜率(B=E/R,其中E为活化能，R为 1实验方法气体常数)，如表3所示根据连铸工艺要求与应用，选定含氟连铸保 n=AeE/(RT) (1) 护渣成分范围，如表1所示，其中M表示炉渣二元 EI 碱度，数值上等于w(CaO)与w(SiO2)之比 Inn=InA+ RT (2) 依据炉渣碱度M以及组元成分变化，对黏度表1含氟保护渣成分范围（质量分数）参数ln4与B分别作非线性回归分析，得出如下参 Table 1 Composition of fluorine-containing mold flux 数模型 CaF2 M Na,O Al203 MgO nA=-6.69+0.07x-0.30x2-0.93x3+0.26x4- 4-20 0.6-1.2 3-12 2-12 0-12 0.08x5+0.11x1x2+0.22x1x3-0.45x1x4-0.12xx5+ 0.05x2x4-0.01x25-0.02x3x4+0.01x3x5+ 采用二次回归正交设计方案，实验因素（变 0.01x45-0.05x12-0.01x22+0.04x32+0.01x5s2 量)为5，水平试验次数为2，星号试验次数2×5， (3) 零水平试验次数为1，实验次数共计2+2×5+1=27， B=17381.7-9875.3x+597.7x2+1160.7x3- 分别编号为C1~C27.为对模型有效性及适用性作 456.8x4+32.0x5-229.1x1x2-234.3x1X3+758.5x1x4+ 367.4x1x5+2.59x2x3-82.6x2x4+15.7x2x5+ 出评价，对美国物理实验室及冶金部数据库中 30.933x4-10.7x3x5-28.6x45+2772.7x2+ 含氟保护渣黏度数据(M1~M11)以及国内重庆大 15.34x22-52.1x32-5.4x42-22.1xs2 学材料科学实验室2此前公布的含氟保护渣黏度 (4) 检测数据(P1~P15)进行分析对比.同时，结合式中，x1,2,x3,x4,5分别表示碱度M,以及Al2O, Mills对CaF2,-CaO-SiO2三元渣黏度检测数据 CaF2,Na2O,Mg0等组元质量分数.同时，采用 (S1~S7)27,对“测不准”现象作出分析与评价.各 SPSS软件对上述回归方程进行分析，P值= 组成分如表2所示 0.0001<0.05,相关系数为0.9941，拟合度较好

system decreases significantly with increasing w(Na2O) mass. When w(CaF2 ) < 11.5%, the effect of Na2O on viscosity is not obvious. In addition, the diagram shows that the mass fraction of CaF2 in the low viscosity area is nearly 14%. This shows that the viscosity and fluidity of mold flux can be improved by adjusting the component ratio in this iso-viscosity diagram for applications in the steel industry. KEY WORDS continuous casting mold flux；CaF2；viscosity estimation model；nonlinear regression analysis；iso-viscosity diagram 炼钢过程熔渣的流动性对精炼反应、制定冶炼温度制度、渣金传热（传质）以及产品质量控制等均具有重要影响[1−5] . 黏度是影响熔渣流动性的主要因素，为此，诸多学者对各类炉渣的黏度影响以及控制机理作出分析，并希望建立一种普遍适用的炉渣黏度模型来预测不同组成的炉渣黏度随温度变化[6−23] . 其中，对于连铸保护渣黏度预测模型，应用较为广泛的有 Riboud 模型 [21] （基于 Weymann-Frenkel 公式），Iida 模型[22] （基于结晶温度分析）以及 Mills 模型[23] （基于光学碱度分析），但各类模型都有一定局限性，尤其对于含氟炉渣的黏度预测结果与实验检测值相差较大. 对此，Mills 指出，这与含氟炉渣的挥发导致成分变化有关. 本文结合现行连铸工艺对含氟连铸保护渣进行黏度检测，并基于 Arrhenius 方程以及非线性回归分析建立黏度预测模型. 通过与传统黏度模型对比，以及对不同类型含氟保护渣黏度检测数据分析，实现对本次黏度预测模型的有效评价. 1 实验方法根据连铸工艺要求与应用，选定含氟连铸保护渣成分范围，如表 1 所示，其中 M 表示炉渣二元碱度，数值上等于 w(CaO) 与 w(SiO2 ) 之比. 表 1 含氟保护渣成分范围（质量分数） Table 1 Composition of fluorine-containing mold flux % CaF2 M Na2O Al2O3 MgO 4–20 0.6–1.2 3–12 2–12 0–12 采用二次回归正交设计方案[24] ，实验因素（变量）为 5，水平试验次数为 2 4 ，星号试验次数 2×5，零水平试验次数为 1，实验次数共计 2 4+2×5+1=27，分别编号为 C1～C27. 为对模型有效性及适用性作出评价，对美国物理实验室及冶金部数据库[25] 中含氟保护渣黏度数据（M1～M11）以及国内重庆大学材料科学实验室[26] 此前公布的含氟保护渣黏度检测数据（P1～P15）进行分析对比. 同时，结合 Mills 对 CaF2‒CaO ‒SiO2 三元渣黏度检测数据（S1～S7） [27] ，对“测不准”现象作出分析与评价. 各组成分如表 2 所示. 配渣方式采用化学纯试剂按照设计表分别配制上述 C1～C27 各组炉渣试样，利用玛瑙球磨机以 200 r·min−1 速度研磨 0.5 h，置于 GF101-2A 电热鼓风干燥箱，设定 120 ℃ 常压干燥 5 h，取出后放入试样袋真空压缩，避光保存. 本次黏度实验采用 RTW-10 型熔体物性综合测定仪，为避免试样与坩埚反应，采用钼制坩埚和钼制测头，升温速率 10 ℃·min−1，温度达到 1500 ℃ 后以 5 ℃·min−1 降温，并记录黏度变化数据，检测过程通入高纯氩气保护，流量设置 50 mL·min−1 . 2 结果分析 2.1 黏度检测与分析对 C1～ C27 各试样黏度检测，同时，依据 Arrhenius 方程（式（1）～（2））以及黏度检测数据，作出关于黏度值的对数（lnη）与温度倒数（1/T）的线性关系. 以 C27 号黏度曲线为例，分析结果如图 1 所示. 同时，分别求得各组黏度参数线性关系的截距（lnA）与斜率（B=E/R，其中 E 为活化能，R 为气体常数），如表 3 所示. η = Ae E/(RT) （1） lnη = lnA+ E R · 1 T （2）依据炉渣碱度 M 以及组元成分变化，对黏度参数 lnA 与 B 分别作非线性回归分析，得出如下参数模型. lnA = −6.69+0.07x1 −0.30x2 −0.93x3 +0.26x4− 0.08x5 +0.11x1 x2 +0.22x1 x3 −0.45x1 x4 −0.12x1 x5+ 0.05x2 x4 −0.01x2 x5 −0.02x3 x4 +0.01x3 x5+ 0.01x4 x5 −0.05x1 2 −0.01x2 2 +0.04x3 2 +0.01x5 2 （3） B = 17381.7−9875.3x1 +597.7x2+1160.7x3− 456.8x4 +32.0x5 −229.1x1 x2 −234.3x1 x3 +758.5x1 x4+ 367.4x1 x5 +2.59x2 x3 −82.6x2 x4+15.7x2 x5+ 30.93x3 x4 −10.7x3 x5 −28.6x4 x5 +2772.7x1 2+ 15.34x2 2 −52.1x3 2 −5.4x4 2 −22.1x5 2 （4）式中，x1，x2，x3，x4，x5 分别表示碱度 M，以及 Al2O3， CaF2， Na2O， MgO 等组元质量分数 . 同时，采用 SPSS 软件对上述回归方程进行分析， P 值 = 0.0001<0.05，相关系数为 0.9941，拟合度较好. · 530 · 工程科学学报，第 43 卷，第 4 期

赵忠宇等：含氟连铸保护渣黏度检测与预测模型 531· 表2连铸保护渣组成（质量分数） Table 2 Components of mold fluxes for continuous casting Slag Cao SiO2 Al2O CaF2 Na2O Mgo M Slag Cao SiO2 Al2O3 CaF2 Na2O Mgo M C1 24.622.3 11.2 19 11.7 11.2 1.1 C24 33.737.4 12.4 3.1 6.2 0.9 C2 34.0 30.9 10.5 17.8 4.7 2.1 C25 27.6 30.7 7.6 6 8.1 0.9 C3 35.1 32.0 11.2 7.8 11.7 2.2 1.1 C26 33.8 37.5 7.6 13 8.1 0 0.9 C4 35.1 31.9 105 7.3 4.7 10.5 C27 30.7 34.1 7.6 8.1 6.5 0.9 C5 32.8 29.8 4.5 19 11.7 2.2 1.1 MI 23.4 38.3 6.2 12.9 18.8 0.5 06 C6 32.9 29.9 4 17.8 41 10.5 M2 17.5 40.0 52 14.5 21.5 13 0.4 33.9 30.9 117 11.2 26.4 0 0.6 M 0 0.5 C9 0 1.0 C10 10 0.1 1.3 0.5 11 0> 0.5 0.6 C12 0 0 0.6 1 11 0.7 17 0 0.6 C14 0.7 0 。 3.5 04 C16 30 10.5 1.6 1.0 6.4 1.0 c1 16 1.0 o 28 6.4 1.0 C20 1.0 C21 6.4 1.0 36 1.0 C23 7 0.9 84 6.4 0.7 0.6 P10 0.7 P11 35 4 0.85 S3 33. 6.9 20.0 0.7 P12 0 S 30.8 37.8 31.4 08 P13 35 10 8 0.85 S5 27.0 30.4 42.6 0.9 P14 0.85 33.0 39.6 27.4 0.8 P15 42 38 10 6 4 1.1 S7 33.2 38.6 28.2 0.9 由于拟合因素过多，为明晰各组成对参数保护渣中，NaF起到显著的助熔作用，这与此结论 lnA与B的影响，依据实验检测参数做图2. 相一致从图2(a)可以看出，ln4位于-10~-12之间， 2.2黏度预测模型检验与对比其中，仅有5个试样对应拟合参数偏离较大，分别结合上述黏度参数模型，对不同成分含氟保为C17(碱度最大值)，C18(碱度最小值)，C21 护渣在不同温度下的黏度变化进行预测，结合本 (CaF2最大值)，C24(Na0最小值)，C26(Mg0最次黏度检测结果(C1~C27)以及不同类型含氟保小值)，其中，C21对应ln4最大，C24对应ln4最护渣黏度数据(M1~M11,P1~P14),对该黏度预小，而图2(b)中各参数拟合点的变化趋势与图2(a) 测模型有效性作出评价，并与传统黏度预测模型恰好相反，由此可见，CaF2和Na2O是影响保护渣对比分析，结果如图3所示黏度最显著的两个因素.相关研究表明阿，在含氟黏度预测值与检测值的偏差率计算方法如

由于拟合因素过多，为明晰各组成对参数 lnA 与 B 的影响，依据实验检测参数做图 2. 从图 2（a）可以看出，lnA 位于−10～−12 之间，其中，仅有 5 个试样对应拟合参数偏离较大，分别为 C17（碱度最大值）， C18（碱度最小值）， C21 （CaF2 最大值），C24（Na2O 最小值），C26（MgO 最小值），其中，C21 对应 lnA 最大，C24 对应 lnA 最小，而图 2（b）中各参数拟合点的变化趋势与图 2（a）恰好相反，由此可见，CaF2 和 Na2O 是影响保护渣黏度最显著的两个因素. 相关研究表明[6] ，在含氟保护渣中，NaF 起到显著的助熔作用，这与此结论相一致. 2.2 黏度预测模型检验与对比结合上述黏度参数模型，对不同成分含氟保护渣在不同温度下的黏度变化进行预测，结合本次黏度检测结果（C1～C27）以及不同类型含氟保护渣黏度数据（M1～M11，P1～P14），对该黏度预测模型有效性作出评价，并与传统黏度预测模型对比分析，结果如图 3 所示. 黏度预测值与检测值的偏差率 Δ 计算方法如表 2 连铸保护渣组成（质量分数） Table 2 Components of mold fluxes for continuous casting % Slag CaO SiO2 Al2O3 CaF2 Na2O MgO M Slag CaO SiO2 Al2O3 CaF2 Na2O MgO M C1 24.6 22.3 11.2 19 11.7 11.2 1.1 C24 33.7 37.4 7.2 12.4 3.1 6.2 0.9 C2 34.0 30.9 10.5 17.8 4.7 2.1 1.1 C25 27.6 30.7 7.6 13 8.1 13 0.9 C3 35.1 32.0 11.2 7.8 11.7 2.2 1.1 C26 33.8 37.5 7.6 13 8.1 0 0.9 C4 35.1 31.9 10.5 7.3 4.7 10.5 1.1 C27 30.7 34.1 7.6 13 8.1 6.5 0.9 C5 32.8 29.8 4.5 19 11.7 2.2 1.1 M1 23.4 38.3 6.2 12.9 18.8 0.5 0.6 C6 32.9 29.9 4.2 17.8 4.7 10.5 1.1 M2 17.5 40.0 5.2 14.5 21.5 1.3 0.4 C7 33.9 30.9 4.5 7.8 11.7 11.2 1.1 M3 20.1 34.4 4.8 14.3 26.4 0 0.6 C8 42.8 38.9 4.2 7.3 4.7 2.1 1.1 M4 19.4 36.6 18.0 17.2 8.8 0 0.5 C9 23.0 32.9 11.2 19 11.7 2.2 0.7 M5 32.6 31.2 5.3 8.0 22.9 0 1.0 C10 23.3 33.2 10.5 17.8 4.7 10.5 0.7 M6 22.5 42.2 10.4 10.7 13.0 1.3 0.5 C11 23.9 34.2 11.2 7.8 11.7 11.2 0.7 M7 21.5 33.2 3.7 15.4 25.7 0.5 0.6 C12 31.0 44.4 10.5 7.3 4.7 2.1 0.7 M8 22.7 38.6 6.3 13.5 18.9 0 0.6 C13 22.1 31.5 4.5 19 11.7 11.2 0.7 M9 22.3 35.0 8.9 16.5 17.3 0 0.6 C14 29.3 41.9 4.2 17.8 4.7 2.1 0.7 M10 20.4 34.0 4.3 17.9 23.4 0 0.6 C15 30.4 43.4 4.5 7.8 11.7 2.2 0.7 M11 13.8 32.0 3.5 20.2 27.1 3.5 0.4 C16 30.2 43.1 4.2 7.3 4.7 10.5 0.7 P1 39 39 0 13 8.4 1.6 1.0 C17 35.3 29.5 7.6 13 8.1 6.5 1.2 P2 39 39 0 13 3.6 6.4 1.0 C18 24.3 40.5 7.6 13 8.1 6.5 0.6 P3 41 41 0 13 3.6 1.6 1.0 C19 28.1 31.3 13 13 8.1 6.5 0.9 P4 39 39 0 7 8.4 6.4 1.0 C20 33.3 36.9 2.2 13 8.1 6.5 0.9 P5 42 42 0 7 8.4 1.6 1.0 C21 26.6 29.6 7.6 21.6 8.1 6.5 0.9 P6 42 42 0 7 3.6 6.4 1.0 C22 34.8 38.7 7.6 4.3 8.1 6.5 0.9 P7 44 44 0 7 3.6 1.6 1.0 C23 27.5 30.5 8.0 13.6 13.6 6.8 0.9 P8 30 42 0 13 8.4 6.4 0.7 P9 34 48 — 13 3.6 1.6 0.7 S1 33.5 53.0 — 13.5 — — 0.6 P10 34 41 — 15 6 4 0.85 S2 32.9 47.8 — 19.3 — — 0.7 P11 35 41 — 10 10 4 0.85 S3 33.1 46.9 — 20.0 — — 0.7 P12 39 45 — 10 6 0 0.85 S4 30.8 37.8 — 31.4 — — 0.8 P13 35 41 — 10 6 8 0.85 S5 27.0 30.4 — 42.6 — — 0.9 P14 37 43 — 10 6 4 0.85 S6 33.0 39.6 — 27.4 — — 0.8 P15 42 38 — 10 6 4 1.1 S7 33.2 38.6 — 28.2 — — 0.9 赵忠宇等：含氟连铸保护渣黏度检测与预测模型 · 531 ·

532 工程科学学报，第43卷，第4期 0.8 第n组炉渣试样检测黏度，N为黏度实验总次数. -1.0 ■C1 一Linear fit 对比各黏度预测模型对不同类型含氟连铸保 -1.2 -1.4 护渣不同温度下的黏度预测情况，其中，Riboud模云-1.6 型预测值相对检测值偏差率较大，Iida模型的黏度 -1.8 预测值相对检测值偏高，而Ms模型的黏度预测 -2.0 值相对检测值偏低，相比之下，本此建立的黏度预 -2.2 -2.4 测模型对各类含氟保护渣黏度预测值相对检测值 -2.6 偏差率收敛至10%以内，拟合度较高 -2.8 同时，结合Mils早期关于CaF2-CaO-SiO2三 0.00058 0.00060 0.00062 0.00064 0.00066 0.00068 0.00070 0.00072 0.00074 元渣(S1~S7)黏度检测数据进行对比分析，结果 T-/K- 如图4所示. 图1黏度-温度线性分析对比发现，Mils模型对高氟含量炉渣(S5)黏 Fig.1 Linear analysis of Iny to 1/T 度预测效果更好，而对中、低氟含量炉渣黏度预测值相对检测值偏差率较大：本黏度模型对低氟含式(5)所示量炉渣(S1~S3)黏度拟合效果更好，而高氟和中 1 N 4= m.est-刀m,mea (5) 氟含量炉渣黏度预测值相对检测值偏差率较大， N =1 刀m.mea 分析原因，主要受含氟渣挥发性影响，当炉渣中式中，nms为第n组炉渣试样预测黏度，umca为 w(CaF2>20%,模型预测值与检测值偏差逐渐增表3黏度参数分析 Table3 Viscosity controlling parameters Slag In4 B Slag In B Slag In4 C1 -12.1166 16750.76 C10 -11.1663 15523.76 C19 -11.6419 16899.20 C2 -11.1521 15331.25 C11 -11.4069 16399.51 C20 -10.5736 14696.67 C3 -11.4827 16323.80 C12 -11.9045 19019.28 C21 -9.26063 11473.14 C4 -11.2338 16106.31 C13 -10.7114 13670.59 C22 -11.3388 18048.45 C5 -10.9666 13904.19 C14 -11.1896 15932.56 C23 -10.4814 13697.65 C6 -11.1806 14859.89 C15 -11.4391 17000.89 C24 -17.2362 25991.79 C7 -11.3522 15328.48 C16 -11.1312 16491.46 C25 -10.5812 14320.87 C8 -11.3635 16421.96 C17 -14.9610 21103.44 C26 -13.0682 18316.60 C9 -10.9992 14722.03 C18 -12.8972 19711.71 C27 -10.7828 13602.93 0 3.0 (a) (b) ￥ 2.5 2.0 -8 -10 -12 -14 1.0 -16 0.5 -18 -20 024681012141618202224262830 024681012141618202224262830 Slag serial number Slag serial number 图2黏度参数拟合数值变化.(a)n:(b)B Fig.2 Viscosity parameter fitting value:(a)In4;(b)B

式（5）所示. ∆ = 1 N ∑ N n=1 ηn,est −ηn,mea ηn,mea （5）式中， ηn,est 为第 n 组炉渣试样预测黏度， ηn,mea 为第 n 组炉渣试样检测黏度，N 为黏度实验总次数. 对比各黏度预测模型对不同类型含氟连铸保护渣不同温度下的黏度预测情况，其中，Riboud 模型预测值相对检测值偏差率较大，Iida 模型的黏度预测值相对检测值偏高，而 Mills 模型的黏度预测值相对检测值偏低，相比之下，本此建立的黏度预测模型对各类含氟保护渣黏度预测值相对检测值偏差率收敛至 10% 以内，拟合度较高. 同时，结合 Mills 早期关于 CaF2‒CaO‒SiO2 三元渣（S1～S7）黏度检测数据进行对比分析，结果如图 4 所示. 对比发现，Mills 模型对高氟含量炉渣（S5）黏度预测效果更好，而对中、低氟含量炉渣黏度预测值相对检测值偏差率较大；本黏度模型对低氟含量炉渣（S1～S3）黏度拟合效果更好，而高氟和中氟含量炉渣黏度预测值相对检测值偏差率较大，分析原因，主要受含氟渣挥发性影响，当炉渣中 w(CaF2 )>20%，模型预测值与检测值偏差逐渐增表 3 黏度参数分析 Table 3 Viscosity controlling parameters Slag lnA B Slag lnA B Slag lnA B C1 −12.1166 16750.76 C10 −11.1663 15523.76 C19 −11.6419 16899.20 C2 −11.1521 15331.25 C11 −11.4069 16399.51 C20 −10.5736 14696.67 C3 −11.4827 16323.80 C12 −11.9045 19019.28 C21 −9.26063 11473.14 C4 −11.2338 16106.31 C13 −10.7114 13670.59 C22 −11.3388 18048.45 C5 −10.9666 13904.19 C14 −11.1896 15932.56 C23 −10.4814 13697.65 C6 −11.1806 14859.89 C15 −11.4391 17000.89 C24 −17.2362 25991.79 C7 −11.3522 15328.48 C16 −11.1312 16491.46 C25 −10.5812 14320.87 C8 −11.3635 16421.96 C17 −14.9610 21103.44 C26 −13.0682 18316.60 C9 −10.9992 14722.03 C18 −12.8972 19711.71 C27 −10.7828 13602.93 −0.8 −1.0 −1.2 −1.4 −1.6 −1.8 −2.0 −2.4 −2.6 −2.8 −2.2 C1 Linear fit ln [η/(Pa·s)] 0.00058 0.00060 0.00062 0.00064 0.00066 0.00068 0.00070 0.00072 0.00074 T −1/K−1 图 1 黏度−温度线性分析 Fig.1 Linear analysis of lnη to 1/T −10 −12 −14 −16 −18 −20 0 2 4 6 8 10 12 14 Slag serial number 16 18 20 22 24 26 28 30 0 −2 (a) (b) −4 −6 −8 3.0 2.5 2.0 1.5 1.0 0.5 0 lnA B/10 4 0 2 4 6 8 10 12 14 Slag serial number 16 18 20 22 24 26 28 30 图 2 黏度参数拟合数值变化. （a）lnA；（b）B Fig.2 Viscosity parameter fitting value: (a) lnA; (b) B · 532 · 工程科学学报，第 43 卷，第 4 期

大，这主要是由于炉渣中氟化物挥发引起成分变化，最终导致黏度检测值已无法与初渣成分相对应，模型亦无法给出准确的估计值. 由此可见，搞清炉渣中氟化物的挥发机理对控制炉渣成分变化及其黏度预测均具有重要影响. 2.3 黏度预测模型应用依据本次建立的含氟保护渣黏度预测模型，可对比分析不同组元变化对炉渣黏度的影响. 以 C27 号渣样（零水平）为基础，固定碱度 M=0.9， w(MgO)=6.5% 不变，改变 CaF2，Na2O 以及 Al2O3 组元成分，分析得出组元成分变化对保护渣黏度影响，如图 5 所示. 由图 5（c）可知，CaF2 的添加可以显著降低保护渣黏度，而 Al2O3 与 Na2O 对炉渣黏度的作用机 2.0 1.8 1.6 1.4 1.2 1.0 0.8 0.6 0.4 0.2 0 2.0 1.5 1.0 0.5 0 0 0.5 1.0 1.5 2.0 0 0.5 1.0 1.5 2.0 Estimated viscosity/(Pa·s) Estimated viscosity/(Pa·s) Measured viscosity/(Pa·s) Measured viscosity/(Pa·s) Δ=30.9% Δ=9.63% 1200 ℃ 1300 ℃ 1400 ℃ 2.0 1.5 1.0 0.5 0 Estimated viscosity/(Pa·s) 2.0 1.5 1.0 0.5 0 Estimated viscosity/(Pa·s) 0 0.5 1.0 1.5 2.0 Measured viscosity/(Pa·s) 0 0.5 1.0 1.5 2.0 Measured viscosity/(Pa·s) Δ=40.7% Δ=32.8% (1200 ℃) (a) (b) (c) (d) 1200 ℃ 1300 ℃ 1400 ℃ 1200 ℃ 1300 ℃ 1400 ℃ 1200 ℃ 1300 ℃ 1400 ℃ 图 3 含氟保护渣黏度预测值与检测值对比. （a）Riboud 模型；（b）Iida 模型；（c）Mills 模型；（d）本研究模型 Fig.3 Estimated and measured viscosities of fluorine-containing mold flux: (a) Riboud model; (b) Iida model; (c) Mills model; (d) studied model 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 (a) (b) 0.1 0.2 0.3 0.4 0.5 0.6 S1 S2 S3 S4 S5 S6 S7 0.7 Estimated viscosity/(Pa·s) 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 Estimated viscosity/(Pa·s) Measured viscosity/(Pa·s) Measured viscosity/(Pa·s) S1 S2 S3 S4 S5 S6 S7 图 4 CaF2‒CaO‒SiO2 三元渣黏度预测值与检测值对比. （a）Mills 模型；（b）本研究模型 Fig.4 Estimated and measured viscosities of CaF2‒CaO‒SiO2 : (a) Mills model; (b) studied model 赵忠宇等：含氟连铸保护渣黏度检测与预测模型 · 533 ·

理都受到渣系中 CaF2 含量的制约. 图 5（a）中交点处 CaF2 质量分数为 17%，在交点右侧，即炉渣中 w(CaF2 )>17%，随 Al2O3 的增加黏度有所下降，在交点左侧 w(CaF2 )11.5%，随 Na2O 质量增加渣系黏度显著下降，在交点右侧 w(CaF2 )<11.5%，Na2O 对黏度的影响并不明显. 根据上述黏度预测模型以及实验检测数据可绘制得到 1500 ℃ 下含氟连铸保护渣等黏度图，如图 6 所示. 观察图 6 各等黏度曲线可知，低黏度区 w(CaF2 )=14% 左右，CaF2 含量过高或过低都会使渣系黏度增大. 同时，在靠近 Al2O3 区域黏度逐渐增大，因此，渣系中 Al2O3 含量不宜过高. 依据该黏度等值图可通过调整组元配比改善保护渣黏度及流动性，以适应不同钢种的冶炼工艺和工况. 3 结论与展望（1）基于 Arrhenius 方程通过黏度检测与非线性回归分析，得到含氟连铸保护渣黏度预测模型，通过与传统黏度预测模型对比，本黏度模型对不同类型含氟保护渣黏度预测值相对检测值偏差率小于 10%，拟合度较好. （ 2）CaF2 的添加可以显著降低保护渣黏度. 0.06 (c) w(CaF2 )=17% w(CaF2 )=13% w(CaF2 )=9% w(Al O2 3 )=9.6% (a) w(Al O2 3 )=7.6% w(Al O2 3 )=5.6% w(Na O) 2 η/(Pa·s) η/(Pa·s) 0.2 0.4 0.6 0.8 w(Na2O)=10% (b) w(Na2O)=8% w(Na2O)=6% 0.8 0.6 0.4 0.2 0.20 0.18 0.16 0.16 0.14 0.12 0.10 0.08 0.14 0.12 0.10 0.08 0.06 0.04 w(CaF2 ) 0.08 η/(Pa·s) 0.10 0.12 0.14 0.2 0.4 0.6 w(Al2O3 ) 0.8 图 5 CaF2，Na2O 和 Al2O3 成分变化对保护渣黏度影响 Fig.5 Effect of CaF2 , Na2O, and Al2O3 on the viscosity of mold flux CaF2 w(Al2O3 ) w(Na O) 2 w(CaF2 ) Na2O Al2O3 0.2 0.4 0.6 0.2 0.3 0.3 0.4 0.4 0.5 0.5 0.6 0.6 0.7 Estimated viscosity Measured viscosity 图 6 CaF2‒Na2O ‒Al2O3‒CaO ‒SiO2‒MgO 等黏度图（ M=0.9, w(MgO)=6.5%，1500 ℃） Fig.6 CaF2–Na2O –Al2O3–CaO –SiO2–MgO iso-viscosity diagram (M=0.9, w(MgO)=6.5%, 1500 °C) · 534 · 工程科学学报，第 43 卷，第 4 期

赵忠宇等：含氟连铸保护渣黏度检测与预测模型 535· 当w(CaF2)>17%,随Al2O3的增加黏度有所下降， (王谦，何生平，李玉刚，等.中国连铸保护渣技术现状及发展需 w(CaF2K17%,Al2O3的增加会使炉渣黏度显著增求.连铸，2014(5)：1) 加；当w(CaF2>11l.5%,随NaO质量增加渣系黏度 [9]Arefpour A R.Monshi A,Saidi A,et al.Effect of CaF,and MnO 显著下降，当w(CaF2K11.5%,Na20对黏度的影响 on mold powder viscosity and solidification during high-speed 并不明显 continuous casting.Refract Ind Ceram,2013,54(3):203 (3)结合模型计算与实验检测，绘制了 [10]Persson M,Seetharaman S,Seetharaman S.Kinetic studies of CaF2-Na20-Al,03-Ca0-Si02-Mg0渣系1500℃ fluoride evaporation from slags.IS/J Int,2007,47(12):1711 下等黏度图，分析得出，低黏度区w(CaF2)接近 [11]Haverkamp R G.An XPS study of the fluorination of carbon 14%,CaF2含量过高或过低都会使炉渣黏度增大. anodes in molten NaF-AIF;-CaF2.J Mater Sci,2012,47(3):1262 (4)炉渣黏度预测模型形式多样，但含氟炉渣 [12]Shi C B,Cho J W,Zheng D L,et al.Fluoride evaporation and 黏度模型较少，且拟合结果偏差较大，根本原因是 crystallization behavior of CaFz-CaO-Al2OTiO2)slag for 含氟炉渣的高温挥发导致成分变化，影响模型预 electroslag remelting of Ti-containing steels.Int J Miner Metall 测的准确性，因此，对含氟渣挥发机制尚需投入 Maer,2016,23(6):627 更多的研究工作才能得到更为准确的黏度预测 [13]Park H S,Kim H,Sohn I.Influence of CaF2 and Li2O on the 模型 viscous behavior of calcium silicate melts containing 12 wt pct Na,O.Metall Mater Trans B,2011,42(2):324 参考文献 [14]Tong Z F,Qiao JL,Jiang X Y.Kinetics of Na,O evaporation from [1]Wang X H.Metallurgy of Iron and Steel:Steelmaking.Beijing: CaO-Al,O-SiO,-MgO-TiO,-NaO slags.Ironmaking Steelma- Higher Education Press,2007 kimg,2017,44(4):237 (王新华.钢铁冶金：炼钢学.北京：高等教育出版社，2007) [15]Park J Y,Ryu J W,Sohn I.In-situ crystallization of highly volatile [2] Anisimov K N,Longinov A M,Toptygin A M,et al.Investigation commercial mold flux using an isolated observation system in the of the mold powder film structure and its influence on the confocal laser scanning microscope.Metall Mater Trans B,2014, developed surface in continuous casting.Steel Transl,2016, 45(4):1186 46(7):489 [16]Shin S H,Cho J W,Kim S H.Structural investigations of [3]Viswanathan NN,Fatemeh S,Du S C,et al.Estimation of escape CaO-CaFz-SiO-SigN based glasses by Raman spectroscopy and rate of volatile components SiF and HF from slags containing XPS considering its application to continuous casting of steels. CaF2 during viscosity measurement.Stee/Res,1999,70(2):53 Mater Des,2015,76:1 [4]Cho J W,Yoo S,Park M S,et al.Improvement of castability and [17]Guo J M,Peng K W,Yi L,et al.Study on properties of surface quality of continuously cast TWIP slabs by molten mold AlO;-CaO-SiOz-CaFz-MgO slag system.Appl Mech Mater,2014, flux feeding technology.Metall Mater Trans B.017,48(1):187 513-517:24 [5]Susa M,Sakamaki T,Kojima R.Chemical states of fluorine in [18]Zhao J X,Ge B L,Cui Y R,et al.High temperature properties CaFz-Cao-SiOz and NaF-NaO-SiO2 glassy slags from the measurement of slag with higher volatile content.Ind Heat,2016, perspective of electronic polarisability.Ironmaking Steelmaking, 45(2):12 2005,32(1):13 (赵俊学，葛蓓蕾，崔雅茹，等.含易挥发组元炉渣的高温性能检 [6]Zhao J X,Zhao Z Y,Shang N,et al.Analysis on influence of 测.工业加热，2016,45(2)：12) fluoride in mold powder of continuous casting.Iron Steel,2018, [19]Han X L,Li P.Effect of alkalinity,F's content and Na2O content 53(10):8 in steel slag film crystals.J Hebei United Univ Nat Sci Ed,2014, (赵俊学，赵忠宇，尚南，等.连铸保护渣中氟化物作用及影响分 36(1):18 析.钢铁，2018,53(10)：8) (韩秀丽，李沛.碱度值R、F-含量和NaO含量对中碳钢保护渣 [7]Li JY,Zhang L,Tan Y,et al.Research of boron removal from 渣膜结品体的影响规律.河北联合大学学报（自然科学版），2014， polysilicon using CaO-Al2O-SiOz-CaF2 slags.Vacuum,2014, 36(1):18) 103:33 [20]Zhao X J,Wen HQ,Zhang JY.The phase properties of mold flux [8]Wang Q,He S P,Li Y G,et al.Status and developing needs of in continuous casting mold flux.Mod Metall,2019,47(3):46 mould fluxes for continuous casting in China.Continous Cast, (赵显久，温宏权，张捷宇.连铸结品器保护渣物相性能研究.现 2014(5):1 代治金，2019,47(3)：46)

当 w(CaF2 )>17%，随 Al2O3 的增加黏度有所下降， w(CaF2 )11.5%，随 Na2O 质量增加渣系黏度显著下降，当 w(CaF2 )<11.5%，Na2O 对黏度的影响并不明显. （ 3）结合模型计算与实验检测，绘制了 CaF2‒Na2O‒Al2O3‒CaO‒SiO2‒MgO 渣系 1500 ℃ 下等黏度图，分析得出，低黏度区 w(CaF2 ) 接近 14%，CaF2 含量过高或过低都会使炉渣黏度增大. （4）炉渣黏度预测模型形式多样，但含氟炉渣黏度模型较少，且拟合结果偏差较大，根本原因是含氟炉渣的高温挥发导致成分变化，影响模型预测的准确性，因此，对含氟渣挥发机制尚需投入更多的研究工作才能得到更为准确的黏度预测模型. 参考文献 Wang X H. Metallurgy of Iron and Steel: Steelmaking. Beijing: Higher Education Press, 2007 （王新华. 钢铁冶金: 炼钢学. 北京: 高等教育出版社, 2007） [1] Anisimov K N, Longinov A M, Toptygin A M, et al. Investigation of the mold powder film structure and its influence on the developed surface in continuous casting. Steel Transl, 2016, 46（7）: 489 [2] Viswanathan N N, Fatemeh S, Du S C, et al. Estimation of escape rate of volatile components SiF4 and HF from slags containing CaF2 during viscosity measurement. Steel Res, 1999, 70（2）: 53 [3] Cho J W, Yoo S, Park M S, et al. Improvement of castability and surface quality of continuously cast TWIP slabs by molten mold flux feeding technology. Metall Mater Trans B, 2017, 48（1）: 187 [4] Susa M, Sakamaki T, Kojima R. Chemical states of fluorine in CaF2‒CaO ‒SiO2 and NaF ‒Na2O ‒SiO2 glassy slags from the perspective of electronic polarisability. Ironmaking Steelmaking, 2005, 32（1）: 13 [5] Zhao J X, Zhao Z Y, Shang N, et al. Analysis on influence of fluoride in mold powder of continuous casting. Iron Steel, 2018, 53（10）: 8 （赵俊学, 赵忠宇, 尚南, 等. 连铸保护渣中氟化物作用及影响分析. 钢铁, 2018, 53（10）：8） [6] Li J Y, Zhang L, Tan Y, et al. Research of boron removal from polysilicon using CaO–Al2O3–SiO2–CaF2 slags. Vacuum, 2014, 103: 33 [7] Wang Q, He S P, Li Y G, et al. Status and developing needs of mould fluxes for continuous casting in China. Continuous Cast, 2014（5）: 1 [8] （王谦, 何生平, 李玉刚, 等. 中国连铸保护渣技术现状及发展需求. 连铸, 2014（5）：1） Arefpour A R, Monshi A, Saidi A, et al. Effect of CaF2 and MnO on mold powder viscosity and solidification during high-speed continuous casting. Refract Ind Ceram, 2013, 54（3）: 203 [9] Persson M, Seetharaman S, Seetharaman S. Kinetic studies of fluoride evaporation from slags. ISIJ Int, 2007, 47（12）: 1711 [10] Haverkamp R G. An XPS study of the fluorination of carbon anodes in molten NaF–AlF3–CaF2 . J Mater Sci, 2012, 47（3）: 1262 [11] Shi C B, Cho J W, Zheng D L, et al. Fluoride evaporation and crystallization behavior of CaF2–CaO–Al2O3–(TiO2 ) slag for electroslag remelting of Ti-containing steels. Int J Miner Metall Mater, 2016, 23（6）: 627 [12] Park H S, Kim H, Sohn I. Influence of CaF2 and Li2O on the viscous behavior of calcium silicate melts containing 12 wt pct Na2O. Metall Mater Trans B, 2011, 42（2）: 324 [13] Tong Z F, Qiao J L, Jiang X Y. Kinetics of Na2O evaporation from CaO ‒Al2O3‒SiO2‒MgO ‒TiO2‒Na2O slags. Ironmaking Steelmaking, 2017, 44（4）: 237 [14] Park J Y, Ryu J W, Sohn I. In-situ crystallization of highly volatile commercial mold flux using an isolated observation system in the confocal laser scanning microscope. Metall Mater Trans B, 2014, 45（4）: 1186 [15] Shin S H, Cho J W, Kim S H. Structural investigations of CaO–CaF2–SiO2–Si3N4 based glasses by Raman spectroscopy and XPS considering its application to continuous casting of steels. Mater Des, 2015, 76: 1 [16] Guo J M, Peng K W, Yi L, et al. Study on properties of Al2O3‒CaO‒SiO2‒CaF2‒MgO slag system. Appl Mech Mater, 2014, 513-517: 24 [17] Zhao J X, Ge B L, Cui Y R, et al. High temperature properties measurement of slag with higher volatile content. Ind Heat, 2016, 45（2）: 12 （赵俊学, 葛蓓蕾, 崔雅茹, 等. 含易挥发组元炉渣的高温性能检测. 工业加热, 2016, 45（2）：12） [18] Han X L, Li P. Effect of alkalinity, F’s content and Na2O content in steel slag film crystals. J Hebei United Univ Nat Sci Ed, 2014, 36（1）: 18 （韩秀丽, 李沛. 碱度值R、F-含量和Na2O含量对中碳钢保护渣渣膜结晶体的影响规律. 河北联合大学学报(自然科学版), 2014, 36（1）：18） [19] Zhao X J, Wen H Q, Zhang J Y. The phase properties of mold flux in continuous casting mold flux. Mod Metall, 2019, 47（3）: 46 （赵显久, 温宏权, 张捷宇. 连铸结晶器保护渣物相性能研究. 现代冶金, 2019, 47（3）：46） [20] 赵忠宇等：含氟连铸保护渣黏度检测与预测模型 · 535 ·