通过在透射电镜下明视场、暗视场、电子衍射结构分析,研究了工业纯铁在激冷条件下三次渗碳体的析出.结果表明:快速冷却不能完全抑制三次渗碳体的析出,且三次渗碳体的拆出形貌(颗粒状、条片状)取决于钢的含碳量

LF精炼工序在炼钢过程起着调节温度的关键作用,准确预报LF精炼终点钢水温度对实际生产有重要意义.传统的LF精炼预报模型包括机理模型与黑箱模型.机理预报模型能够体现各工艺因素对终点钢水温度的影响,但由于LF精炼传热机理研究尚不完善,依靠机理模型预报终点钢水温度,难以达到预期效果;黑箱预报模型能够准确预报终点钢水温度,但不能反映精炼过程各工艺因素对钢水温度的影响,尤其当生产工艺条件发生改变时,黑箱模型在应用上会受到限制.本文以方大特钢LF精炼炉为研究对象,建立一种机理预报模型与黑箱预报模型(BP神经网络预报模型)相结合的LF精炼终点钢水温度灰箱预报模型.该模型既能反映各工艺因素对终点钢水温度的影响,又能准确预测终点钢水温度,其终点钢水温度预测误差在±5℃以内的命中率可以达到95%以上

本文阐述了钢厂MES的功能架构及其在钢厂库存管理中的作用,指出现有笔录式统计和借助财务软件进行库存管理技术手段的不足之处.利用Delphi7.0+SQL Server2000开发了库存管理系统,并提出了库存管理变革的方向,对企业信息化建设和完善具有促进作用

介绍了新余钢铁有限责任公司试制开发D36高强度船板的主要技术要求和工艺路线.因轧机各项力能参数偏小,在开发D36高强度船板过程中,出现了厚度偏差改判和钢板可焊性不理想现象.通过采取压下分配的调整、成品目标厚度及控制范围的平移和微Ti处理等措施,较好地解决了上述问题,提高了D36钢板的综合性能和可焊性

以钛铁粉、铬粉、铁粉和碳的前驱体(蔗糖)等为原料,通过前驱体碳化复合技术制备了碳化复合粉,并利用等离子熔覆技术在Q235钢表面制备了Fe-Cr-C和Fe-Cr-C-Ti涂层.采用X射线衍射和扫描电镜对涂层的相组成和显微组织结构进行了分析.结果表明:Fe-Cr-C涂层由(Cr,Fe)7C3初生碳化物和菊花瓣状分布共晶碳化物(Cr,Fe)7C3与奥氏体组织组成;Fe-Cr-C-Ti涂层由原位合成的TiC相和(Cr,Fe)7C3共晶相与奥氏体相构成.这两种涂层与基体之间都是冶金结合.涂层中碳化物TiC的体积分数呈现梯度分布,并且涂层的熔合区和中部区域TiC颗粒形状多为等轴状颗粒,涂层的表层区域部分TiC颗粒多为树枝晶颗粒.与Fe-Cr-C涂层相比较,Fe-Cr-C-Ti涂层的抗开裂性更好.Fe-Cr-C和Fe-Cr-C-Ti两涂层的平均显微硬度约是750 HV0.2,是基体金属的3.2倍,从涂层表面到熔合区相差不大

对某钢厂28.7t钢锭凝固过程进行测温,并用有限元方法模拟该钢锭凝固过程温度场和凝固场分布.结果表明:温度模拟值与现场测量值吻合很好,证明模拟具有较高的准确性和可靠性;凝固初期,钢锭底部和保温冒与钢锭模连接处凝固较快;52min时,绝热板与钢锭间已形成一定气隙;前3h,钢锭侧面凝固顺序由模壁向钢锭中心平行推进;凝固后期较凝固前期凝固速度快;热电偶测得,保温冒中心凝固时间为428min,钢锭本体中心顶部凝固时间为365min,冒部全凝时间大于本体全凝时间的15%,有利于控制一次缩孔只存在于冒部.通过模拟将浇注温度由1543℃降低到1533℃,不但不影响保温帽钢液对本体的补缩作用,还可以使缩孔减小6mm,有利于提高钢锭质量

基于相似原理,采用1:1的水模型,模拟了薄板坯连铸结晶器内钢液的流场.采用SG800水工数据采集系统对结晶器内液面波动和注流冲击深度进行了定量测量.针对薄板坯连铸高拉速的需要,开发了一种新型的耗散型浸入式水口.通过研究耗散水日上下出口面积比、出口角度以及拉坯速度对结晶器液面波动和对结晶器窄边冲击情况的影响,找出了其中的变化规律,为优化耗散式水口的结构和工艺参数提供了理论依据.通过与普通双侧孔水口的试验比较,证明耗散型水口是一种适合薄板坯连铸高拉速生产的新型水口

对广泛用于电厂主蒸汽管道的耐热钢12Cr1MoV的蠕变曲线进行了研究.将恒应力蠕变与恒载荷蠕变进行对比，证明原始的θ—ConceptProject方法可以成功地描述恒应力蠕变，但它不能用于恒载荷蠕变.根据12Cr1MoV钢的蠕变特性，提出一种修正的θ法，可以成功地描述恒应力和恒载荷蠕变曲线，从而可以利用已有大量的恒载荷蠕变数据，有效地进行的蠕变曲线的外推

用数学模拟对马钢一钢厂圆坯连铸结晶器(断面尺寸为φ450mm)电磁搅拌过程进行了研究,找出变化规律,确定合理的工艺参数,优化结晶器流场．电磁搅拌过程的计算结果表明：磁场强度随搅拌频率减小、搅拌电流增大而增大；电流强度不改变磁场分布；在结晶器高度方向上磁场分布呈现中间大两端小的特征,流场在搅拌力作用下更趋于合理．最佳搅拌工艺参数为：搅拌电流350A,频率2Hz．

根据轧制数量、测量数据质量和轧制力预报误差的影响,建立了轧制力自学习速度因子优化模型.在长期自学习的判定条件中综合考虑了规格分档的变化以及厚度、宽度的改变量,减少了换规格的次数.长期自学习系数计算时利用了从前一块钢数据中分离出的设备状态信息,从而改善了模型自学习的连续性.离线仿真分析结果表明,轧制力计算精度相对于自学习算法优化前有较大的提高