影响曲轴锻后组织的主要因素有变形量、终锻温度、金属流动及锻后冷却. 本文采用数值模拟的方法研究了曲轴用非调质钢1538MV的锻造过程,并对轧材原料和曲轴成品的显微组织进行了分析,探讨了模锻变形对曲轴显微组织的影响. 研究结果表明,曲轴较高的锻造温度和较小的变形量使得曲轴的锻后组织较轧材有所粗化. 曲轴变形过程中的温度和应变分布不均导致了曲轴组织的不均匀. 曲轴的铁素体含量和珠光体片层间距都低于轧材,且部分位置出现了贝氏体组织,这说明曲轴锻后的相变区冷速过快,应当进一步优化曲轴锻后冷却制度. 另外,曲轴锻造过程中的偏析区金属流动对曲轴的锻后组织产生了明显的影响,也是造成贝氏体组织产生的原因,应严格控制轧材的质量. 研究结果为轧材质量的提升和曲轴锻造工艺及锻后冷却制度的优化指明了方向

38CrMoAl高铝钢由于Al含量较高([Al]=0.7%~1.1%,质量分数),在连铸过程中容易导致水口的堵塞,因此需要对钢中Al2O3夹杂物进行形态控制,保证钢水的可浇性.热力学计算和实验研究结果显示:钢中高含量的Al对渣中即使少量的SiO2都具有较强的还原性;不采用传统的精炼喂钙线工艺,而进行转炉出钢过程渣洗操作,能将高熔点的Al2O3转变为低熔点的球状钙铝酸盐夹杂.同时,采用CaO-Al2O3基中间包覆盖剂,以避免钢渣反应导致钢中夹杂物含量增加.工业性试验结果表明,钢水洁净度较高,可浇性好,连续浇注5炉后,水口内壁基本无结瘤现象

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

通过现场实验,研究了中间包吹氩位置和氩气流量对钢水洁净度的影响,重点探讨了在注流区吹氩对钢水洁净度的影响.结果表明:在T型中间包注流区内进行合适流量吹氩可提高钢水洁净度,在浇铸区拐角处和塞棒附近吹氩对钢水洁净度没有明显的影响;在注流区内吹氩,合适的氩气流量为6L·min-1,与不吹氩相比,钢中总氧降低率和夹杂物的去除率均可提高10%左右,但15L·min-1的大流量吹氩将会显著增加钢中总氧和大型夹杂物数量.分析认为:注流区内大的湍流强度可将氩气泡击碎成弥散小气泡,大量小气泡在钢液中上浮,不但提高了气泡捕捉夹杂物的概率,而且增加了夹杂物之间的碰撞机会,其结果是增大了夹杂物的粒径,促进了夹杂物的上浮去除;同时,注流区离水口距离最远,在注流区吹氩,碰撞长大的夹杂物有更长的时间上浮排出.以上两个因素的共同作用,使得在注流区吹氩对去除钢水夹杂物有显著效果

研究分析了电弧炉炼钢过程的冶金学特征,指出供应能量对电弧炉炼钢的物质转化过程起到了决定性的作用.观察、认识到在炼钢过程中存在着微观、介观、单元操作级和工位级等尺度级的时空多尺度结构.在工位级按能量将供氧、供电两项功率单元进行跨尺度集成,形成了工位级跨尺度能量集成的一般方法,并用数学公式进行了描述.工业试验和工业生产表明:跨尺度集成的理念和方法与炼钢生产相结合可取得较好的生产效果,平均冶炼电耗为271.1kW·h·t-1,氧气消耗为40.4m3·t-1,冶炼周期为52.9min

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性

为控制钢液中氮含量,实验了两种不同脱氧方式:(Ⅰ)出钢过程加Al进行强脱氧;(Ⅱ)出钢时不加Al,加入Si-Mn合金进行弱脱氧,在LF进站再喂入Al线进行强脱氧.借助气体分析仪和扫描电镜对不同脱氧方式下钢中氧氮含量和夹杂物进行了分析.两种不同脱氧方式得到最终产品的全氧含量几乎一致,但方式(Ⅱ)对控制氮含量更为有利,可以使氮的质量分数降低约5×10-6;两种不同脱氧方式对最终产品中夹杂物的类型和尺寸影响不大,均为球状的CaS和CaO-MgO-Al2O3夹杂物.文中还推断出了采用Si-Mn弱脱氧时钢中夹杂物的生成过程

研究了TiO2含量、Al2O3含量以及二元碱度(CaO/SiO2)对TiO2-Al2O3-CaO-SiO2低碱度高钛渣黏度的影响.实验采用旋转柱体法在1633-1873K温度范围内对渣系熔体黏度进行了测量.当TiO2质量分数为23%-43%、Al2O3质量分数为3%-12%和二元碱度为0.3-0.7时,钛渣熔体黏度随TiO2含量和碱度的增加而降低,随Al2O3含量的增加而增加.通过对转底炉-电炉熔分过程渣系脱硫能力计算,得知在低碱度高钛渣中TiO2属于酸性.依据黏度测量数据和对TiO2属性的界定,通过修正Urbain模型建立了低碱度高钛渣的熔体黏度预报模型.模型预测结果误差为11%,证明新模型对于低碱度高钛渣的黏度具有良好的预报效果

控制系统中常见的三种数学模型形式： 1、外部描述：把系统的输出量与输入量之间的关系 把系统的输出量与输入量之间的关系 用数学方式表达出来，称之为输入 用数学方式表达出来，称之为输入—输出描述，或外 输出描述，或外 部描述，例如微分方程式、传递函数和差分方程。 部描述，例如微分方程式、传递函数和差分方程。 2、内部描述：不仅可以描述系统的输入、输出之 ：不仅可以描述系统的输入、输出之 间的关系，而且还可以描述系统的内部特性，称之 间的关系，而且还可以描述系统的内部特性，称之 为状态变量描述，或内部描述，适用于多输入、多 为状态变量描述，或内部描述，适用于多输入、多 输出系统，也适用于时变系统、非线性系统和随机 输出系统，也适用于时变系统、非线性系统和随机 控制系统。 3、方块图表示： 方块图表示：用比较直观的方块图模型来进行描 用比较直观的方块图模型来进行描 述

深锥浓密机内底部料浆的屈服应力过高容易导致压耙，为此通过对不同絮凝沉降条件下获得的浓缩超细尾砂料浆的屈服应力进行原位测量，并通过对絮凝前后料浆总有机碳的测试来分析超细尾砂颗粒表面的絮凝剂吸附量，进而分析了絮凝沉降对浓缩超细尾砂料浆屈服应力的影响规律。研究发现，絮凝沉降对浓缩超细尾砂料浆的屈服应力有显著影响，pH和絮凝剂单耗通过影响尾砂颗粒表面的絮凝剂吸附量进而影响浓缩超细尾砂料浆的屈服应力，屈服应力随着pH和絮凝剂单耗的增大均不断增大。综合考虑尾砂料浆的絮凝沉降效果和所得浓缩超细尾砂料浆的屈服应力，最佳絮凝条件是pH值为11和絮凝剂单耗为15 g·t?1，在此最优条件下料浆固液界面的初始沉降速率为0.4565 mm·s?1，沉降后上清液浊度为143 NTU，底部沉积尾砂料浆的固相质量分数为51.56%、屈服应力为243.18 Pa。初步建立了适用于超细人造尾砂的基于絮凝剂吸附量的屈服应力模型，屈服应力随尾砂颗粒表面单位面积的絮凝剂吸附量的增大而增大，为实际生产中控制全尾砂絮凝沉降参数提供参考