提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法.以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法.用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证.结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%

在多元合金CAFE模型的基础上，分析了微观组织参数（形核密度、高斯分解参数、Gibbs-Thomson系数等）与430不锈钢凝固过程中晶粒形貌的复杂关系，以及过热度与冷却强度等工艺参数对凝固组织的影响.研究发现，晶粒尺寸和柱状晶向等轴晶转变不仅与体最大形核过冷度有关，也受体形核密度的影响.高斯分解参数和Gibbs-Thomson系数增大时，一次枝晶间距减小，等轴晶范围增大；但当它们增加至一定范围后，其对显微结构的影响逐渐变得不明显.过热度或冷却强度增大时，等轴晶范围减小，但一次枝晶间距的变化不明显

选择幂级数模型描述了过剩自由能项,并从二、三元实测相图上用数据优化程序获得了所需热力学参数和交互作用系数,进而用多元相平衡计算法成功地预测了镍、钴,铬基合金中σ相的析出

本文以离子理论为基础,提出了一种计算碱性炼钢渣系中组元CaO活度的结构模型,并提出了多元渣系中组元CaO总交互作用和自相互作用的概念,利用已有的实验数据求出了CaO的总交互作用系数和自相互作用系数。最后使用不同渣系中CaO的实测活度数据对该模型进行了验证。结果表明该模型完全适用于碱性炼钢渣系

借助Thermo-calc软件对FeCrAl不锈钢所属的Fe-（18~21） Cr-（3~5） Al-（0~0.03） C-（0~0.2） Si-（0~0.2） Mn多元体系在凝固过程中的相变及析出行为进行了研究.采用Thermo-calc中TCFE7数据库对该体系的垂直截面图进行计算，分析了不同组元对凝固和冷却过程中相变的影响，并得到FeCrAl不锈钢的平衡凝固相变路径图.结果表明FeCrAl不锈钢由1600℃平衡冷却至300℃的过程中完整的平衡相变路径为：L→AlN+αδFe→AlN+αδFe+Cr7C3→AlN+αδFe+Cr7C3+Cr23C6→AlN+αδFe+Cr23C6→AlN+αδFe+Cr23C6+σ→AlN+αδFe+Cr23C6+σ+α'→AlN+αδFe+Cr23C6+α'.凝固过程中Cr7C3与σ相是否析出分别取决于体系中C、Si含量；Al含量的提高可扩大αδFe+Cr7C3的稳定区，降低α'相的析出温度，抑制σ相的析出；Cr含量的提高可以减小αδFe+Cr7C3的稳定区，扩大σ相和α'相的稳定区

采用Wagner的动力学模型,计算了含Mn,Si,Ni,Cr,Mo,Cu,V,Nb,W,Co等几种合金元素(合金含量<7%)的多元系低合金钢析出先共析铁素体平衡及仲平衡下的临界核心的成分和形核驱动力。设计了实用的计算程序

在同时考虑传热、流动和溶质扩散基础上建立了预测铁素体不锈钢多元合金凝固组织的3D CAFE模型，揭示了430不锈钢凝固过程中温度、固相率及晶粒形貌的变化规律.模型中采用高斯分布描述形核密度与过冷度的关系，应用KGT模型描述枝晶的生长过程.根据Fe-C-17% Cr平衡相图确定了430不锈钢的凝固路径，在考虑凝固收缩的基础上预测了铸锭的疏松和缩孔分布.组织模拟结果与实际铸锭基本一致，二者的温度变化和组织结构特征也基本吻合

利用Roscoe方程，结合FactSage的多元多相平衡计算和纯液相渣黏度计算功能可对含固相熔渣的黏度进行计算.本研究针对基于铜冶炼渣的FeO-SiO2-Fe3O4-CaO-Al2O3-MgO系，首先根据相似炉渣的黏度测定值对Roscoe方程中的参数进行拟合，同时验证了该方法在计算所研究体系时的准确性.基于所得的计算模型考察不同组分含量对平衡相组成及黏度的影响规律，并总结获得合理的渣型配比.当炉渣中各组分的质量分数分别控制在FeO 40%~60%、SiO2 25%~40%、Fe3O4 0%~15%、CaO 0%~10%、Al2O3 0%~8%和MgO 0%~4%时，可在冶炼过程中得到流动性较好、固体量较少的熔渣

为了解决某钢厂IF钢冶炼RH精炼过程铝耗偏高问题,通过数理统计和BP神经网络相结合的方法建立了铝耗预测模型,并与多元线性回归模型进行比较,该模型具有更高准确度.该模型分析了不同冶炼工艺参数对铝耗的具体影响,并对相应工艺参数进行了优化.结果表明:脱碳结束氧活度或RH进站氧活度降低0.005%左右,每吨钢铝耗可降低0.07~0.08 kg,铝脱氧有效利用系数为70.31%~80.35%;RH进站钢液温度增加35~40℃,铝耗降低1 kg左右,铝热反应升温利用系数在97.4%左右;吹氧量小于100 m3和大于100 m3时,氧气与铝反应的比例分别为37.3%和74.6%左右,吹氧量每增加50 m3,铝耗分别增加0.1 kg和0.2 kg左右.工艺参数优化后平均铝耗由1.359 kg降低到1.113 kg,降幅达18.1%

浮选回收率是金矿选矿过程重要的生产指标，目前主要是通过人工化验的方法检测获得，人工检测周期较长，造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上，分别采用多元线性回归和BP神经网络的方法，建立了金矿厂浮选回收率的预测模型.预测误差分析表明，BP神经网络预测模型能较好地预测金矿厂的浮选回收率，当预测相对误差在±3%范围内时，模型的预测精度达到91%，对于实际生产具有良好的参考作用