CN109472090B - 一种针对钢包最低混匀时间的预测方法 - Google Patents
一种针对钢包最低混匀时间的预测方法 Download PDFInfo
- Publication number
- CN109472090B CN109472090B CN201811340333.3A CN201811340333A CN109472090B CN 109472090 B CN109472090 B CN 109472090B CN 201811340333 A CN201811340333 A CN 201811340333A CN 109472090 B CN109472090 B CN 109472090B
- Authority
- CN
- China
- Prior art keywords
- minimum
- ladle
- time
- des
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000002156 mixing Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 32
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 29
- 239000010959 steel Substances 0.000 title claims abstract description 29
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 238000003756 stirring Methods 0.000 claims description 41
- 238000007664 blowing Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000002347 injection Methods 0.000 claims description 9
- 239000007924 injection Substances 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 239000000243 solution Substances 0.000 claims description 5
- 238000013019 agitation Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 2
- 238000005496 tempering Methods 0.000 claims 6
- 238000011160 research Methods 0.000 abstract description 15
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 239000007789 gas Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000265 homogenisation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005272 metallurgy Methods 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000004898 kneading Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Treatment Of Steel In Its Molten State (AREA)
Abstract
本发明公开了一种针对钢包最低混匀时间的预测方法，基于水力学模型测试的混匀时间数据以及模型的几何特征建立混匀时间预测公式，对水力学模型的最低混匀时间进行预测和估计；经过对比换算将混匀时间预测公式用于实际的钢包预测。本发明提出新的钢包最低混匀时间的预测公式，具有较高的精确性；用于实验室研究或者工业技术，能够降低获取数据时的重复工作。同时本发明也更进一步的推导出影响钢包最低混匀时间的因素，并确定了公式的物理意义。
Description
技术领域
本发明属于冶金技术领域，具体涉及一种针对钢包最低混匀时间的预测方法。
背景技术
在钢包的精炼和软吹过程中，底吹搅拌效率和最低混匀时间是不可测的，只能通过经验来估计。为了研究不同底吹模型对搅拌效率的影响，研究者基于相似原理设计相应的冷态模型，通过对模型的研究来测算钢包的底枪搅拌效率。最低混匀时间作为衡量搅拌模型最重要的参数，是比较不同模型优劣的核心。但底吹元件无论是采用透气砖还是底枪，其布置方式繁多，如何选择合适的类型，并没有一定的标准，也不可能在一个研究中尝试所有的方案。研究者多是基于实际工厂所采用的布置方式做一些改进，取得较为优良的方案。
而实际上，科研工作者在这方面做了很多工作，总结出了不少的规律。例如，底枪支数的限制不超过6，尽量采用空间位置不对称(不同半径上)的布置，在对称布置中也尽量采用底枪间的连线不平行于直径的布置等等。但在新炉型上马或者钢包老化之后，具体的情况还是难以把握，往往需要新的冷态模型研究来确定钢包底吹的搅拌效率。
基于这些因素，许多研究者们希望能总结现有的研究成果，形成合适的数学公式来描述最低混匀时间随底吹流量和布置、熔池形状等因素的变化，最终达到仅通过数学公式预测最低混匀时间的目的。但目前的研究结果显示，并没有一个公式或者一种方法能比较全面、精确地预测最低混匀时间。
究其原因，这个问题还存在其他两种可能：第一，所考虑的因素不够全面，例如底枪个体之间的位置关系、底吹气流在熔池中的耗散速度以及熔池形状对结果的影响。第二，所采取的数学公式与物理变化的联系不够紧密；通过研究发现，某些参数，在不同的条件下是不断变化的。比如不同的底吹布置方案，几乎不可能采用同一个预测公式来描述，而不同的公式又对应到不同参数的变化。参数以什么样的规律变化，应该用什么方式来描述，和公式本身存在什么样的关系，是本申请讲述的核心。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种针对钢包最低混匀时间的预测方法，可在钢包模型参数设置合理的情况下，进行较为精确的预测，对现场生产有指导作用；对该方向的原理研究也有一定的帮助。
本发明采用以下技术方案：
一种针对钢包最低混匀时间的预测方法，基于水力学模型测试的混匀时间数据以及模型的几何特征建立混匀时间预测公式，对水力学模型的最低混匀时间进行预测和估计；经过对比换算将混匀时间预测公式用于实际的钢包预测，预测同种模型在不同参数变化时的最低混匀时间。
具体的，包括以下步骤：
S1、针对一个钢包的原型，设定模型的缩小比例，并按照比例缩小模型，将喷吹流量、气流速度、气体种类变换参数按照相似原理计算，完成模型设计；
S2、确定模型中不同底吹布置中，各个底枪的位置以及底枪之间的相对位置和喷吹参数；
S3、计算不同方案中每一支底枪的搅拌能供给εi，然后计算底吹搅拌能供给Ebottom；记录不同底枪之间的夹角和到中心的距离；
S4、评估熔池损失能量Edes
S5、将步骤S1至S4中计算得到的数据带入混匀时间τ，对系数Edes、β进行初始赋值，进行回归计算，得到混匀时间的预测公式，采用得到的预测公式计算最低混匀时间，核算相符性，将模型测定得到的最低混匀时间带入预测公式，反算数据集合Edes，以及的Edes拟合系数a、b、c，得到Edes的拟合公式；
S6、在统计过的数据范围内，对不同的模型在不同的喷吹阶段，通过Edes拟合公式计算相应的熔池能量残余能量Edes，进行预测。
进一步的，步骤S1中，缩小比例为(1～20):1。
进一步的，步骤S2中，设定λi为底枪气流之间的相互作用系数，每个方案的系数按照实测到的最低混匀时间来反推，2支以上底枪之间的作用系数λi计算如下：
其中，τmin指同一组实验数据，最小的最低混匀时间；θi指同组实验中任意一个方案的底枪夹角，θmin-time为同一组实验中最低混匀时间最小的方案的底枪夹角，τi为2支以上底枪之间的作用系数。
进一步的，当底枪数量为1支时，θ为0；当底枪数量为2时，θ按实际取值；当底枪数量为3时，取最大值。
进一步的，步骤S3中，总的底枪搅拌能供给计算如下：
其中，Hi-j为某一支底枪距液面深度；
为某支底枪的流量，T为热力学温度；W为冶金容器内液体总重。
进一步的，底枪的搅拌能供给强度Ebottom计算如下：
其中，ε1…εi表示每一只底枪输入的搅拌能。
进一步的，步骤S4中，熔池内的自然流动能量和前期底枪供给搅拌能的残余能量相加的总搅拌能Edes的拟合公式如下：
其中，a、b、c为需要拟合得到的系数，QBi为某个方案的总底吹流量。
进一步的，混匀时间τ计算公式：
其中，Ebottom指底枪的搅拌能供给强度，λi为2支以上底枪之间的作用系数， i为底枪数量，β表示混匀时间的趋势指数，
为所有R的平均值，R为几何影响系数，均为无量纲数。
进一步的，R＝L/R钢包，L<Rx；R＝R钢包/L，L>Rx；0.6R钢包<Rx<0.7R钢包，通过统计数据确定。
与现有技术相比，本发明至少具有以下有益效果：
本发明一种针对钢包最低混匀时间的预测方法，在常规的冷态模拟的基础上，采用新的方法建立最低混匀时间的预测公式，能够预测同种模型在不同参数变化时的最低混匀时间，预测精度达到90％以上，相对于其他的预测公式，本发明采用的数学模型更加合理，更加全面的覆盖了可能的影响因素。
进一步的，先确定模型几何参数、设计实验方案，再根据相似原理确定实验参数，然后进行最低混匀时间测试，在此基础上，计算对应方案的底吹搅拌能εi和 Ebottom；评估熔池损失能量Edes并初始赋值，最后进行回归分析，计算实际的Edes，由于Edes是无法测量的，通过设置合理的数学模型和统计学的方法间接得到实际的Edes。最终Edes是组成预测公式的重要部分，Edes的精确度影响最终的预测结果。
进一步的，缩小实验目标的几何尺寸，能够降低实验难度。
进一步的，确定不同底枪之间的关系，得到作用系数λi，能够衡量不同底枪气流之间产生促进或者削弱作用的重要参数，之前的某些科学家提出的预测公式并没有考虑到不同底枪布置产生的联合作用，这个一个重要影响因素。初始赋值一般通过经验判定，后续通过统计学计算提高赋值的精确性，本发明能够更全面的考虑影响因素的同时，让计算更加简洁。
进一步的，单支底枪喷吹搅拌能的计算适用于理想的喷吹状态下，而较小比例的冷态模型可视为理想模型，总的底枪搅拌能为所有底枪搅拌能的数学和，为上一步的计算提供依据，实际上的有效底枪总搅拌能为底枪搅拌能的数学和加上不同底枪之间产生的促进或削弱。
进一步的，熔池残余总能量Edes最终的拟合公式，能精确描述针对方案的能量损失状态，主要是指熔池自然流动的能量与底枪搅拌能的残余之和，在针对方案的计算中发现，Edes在底吹总流量QB逐渐增大的过程中，并不是对应的等比例增长，而是在某个流量范围内达到最高值，之后迅速降低，随着QB的继续增大，Edes的增幅并不明显，但推测在更大的范围内Edes的总趋势会上升，该Edes的拟合公式满足这种趋势变化。
进一步的，本发明考虑了底枪之间的相对位置、能量耗散等因素对预测结果的影响，预测精度显著提高。
进一步的，底枪布置的最佳点不在中心或者容器边缘，而是在半径上的某个值，大量的计算发现，这个值在0.6R钢包-0.7R钢包之间，趋近于这个值额外的能量损失小，搅拌效率就高；反之额外的能量损失大，搅拌效率就低。Rx的具体取值由统计数据决定。
综上所述，本发明在总结前人工作的基础上提出新的钢包最低混匀时间的预测公式，具有较高的精确性；用于实验室研究或者工业技术，能够降低获取数据时的重复工作。同时本发明也更进一步的推导出影响钢包最低混匀时间的因素，并确定了公式的物理意义。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为应用实例的底吹元件及布置方案a～l。
具体实施方式
本发明提供了一种针对钢包最低混匀时间的预测方法，基于相似原理，以实际钢包原型对应的水力学模型为测试对象，在实验过程中依据设定的实验方案和参数进行测试；根据测试结果进行拟合回归，获得预测公式的相应系数；预测公式所得到的结果与钢包原型的实际混匀结果相近。预测公式在水力学模型测试涉及到的参数范围内，有较高精度，对该方向的研究和现场生产均有指导作用。
本发明一种针对钢包最低混匀时间的预测方法，包括以下步骤：
S1、模型设计
针对一个钢包的原型，设定模型的缩小比例，通常为(1～20):1，模型尺寸按照比例缩小，喷吹流量、气流速度、气体种类变换等喷吹参数按照相似原理计算；
S2、模型设定及几何参数计算
确定模型中不同底吹布置中，各个底枪的位置以及底枪之间的相对位置(夹角、所处位置到中心的距离)、喷吹参数(炉底形状、气体种类、每支底枪的喷吹流量)；
如果存在多支底枪，输入的气流会相互影响，当底吹元件距离很近的时候(小于0.2R)，气流会分割流场，导致混匀效率降低，混匀时间提高；而距离合理分布的话，会提高搅拌效率、降低混匀时间，相当于搅拌能获得增幅。
设定λi为底枪气流之间的相互作用系数，每个方案的系数按照实测到是最低混匀时间来反推，2支以上底枪之间的作用系数λi计算如下：
其中，τmin指同一组实验数据，最小的最低混匀时间，单位s；θ为相邻底枪之间的角度，θi指某一底枪，θmin-time为同一组实验中最低混匀时间最小的方案的底枪夹角，单位为rad；当底枪数量为1支时，θ为0；为2时，θ按实际取值；为3时，取最大值。
通过上式计算底枪之间对应的相互作用系数λi；方案底枪之间的夹角越大(最大为π)，λi越大；设定夹角为180°时，λi为0.1，实际过程中未必为该数，但此为经验值；λi与实际的误差会映射到Edes的具体值中，但是不影响拟合公式的预测结果；
S3、搅拌能计算
计算不同方案中每一支底枪的搅拌能供给εi，然后计算底吹搅拌能供给 Ebottom；记录不同底枪之间的夹角和到中心的距离，总的底枪搅拌能供给计算如下：
其中，Hi-j为某一支底枪距液面深度，cm；
为某支底枪的流量，NL/min， T为热力学温度，K；W为冶金容器内液体总重，t。
底枪的搅拌能供给强度Ebottom计算如下：
其中，ε1…εi表示每一只底枪输入的搅拌能，搅拌能的单位均为W/t。
S4、评估熔池损失能量Edes
不同的模型，熔池损失的能量不一致，大致有关的参数有底枪所在位置、流量，底枪之间的相对位置，其本身的数值难以被测量，但其结果反应在混匀效果上。
熔池自然流动和持续输入的搅拌能也会对实际的搅拌产生额外的作用，因此同样可将此效果等同于外的搅拌能，即用Edes来描述这部分效果。但是这部分效果是无法测量的，也是发现单纯的拟合公式无法较为精确地描述不同底吹方案最低混匀时间变化的原因。但是可以通过对结果的拟合，来反算Edes，然后将不同方案的Edes变化进行拟合，得到Edes的拟合公式如下：
其中，a、b、c为需要拟合得到的系数，决定Edes曲线的趋势。
通过统计学规律评估，
作为混匀时间τ公式中重要的组成部分，
按照前面给出的公式及范围计算即可；
S5、非线性拟合及相关系数集合的计算
将前期所取得的所有数据带入混匀时间τ，对系数Edes、β进行初始赋值，进行回归计算，得到最低混匀时间的预测公式，采用得到的预测公式计算最低混匀时间，核算相符性，将模型测定得到的最低混匀时间带入预测公式，反算数据集合Edes，以及的Edes拟合系数a、b、c，得到Edes的拟合公式；
最低混匀时间τ计算公式：
其中，Ebottom指底枪的搅拌能供给强度，λi为2支以上底枪之间的作用系数， i为底枪数量，β表示混匀时间的趋势指数，R＝L/R钢包(L<0.7R)，R钢包/L(L>0.7R)，
为所有R的平均值，均为无量纲数。
在钢包中，R＝L/R钢包(L<0.7R)，R钢包/L(L>0.7R)中，0.7R并不是绝对的，在某些尺寸较小的模型中，L的间断点可能趋近于0.6R，甚至小于0.6R。
由式1可知，最低混匀时间与底吹搅拌能、底吹元件的夹角、底枪所处的位置，以及熔池内的自然流动和底枪持续供给能量的损耗等因素，呈指数关系。
S6、最低混匀时间τ预测
在统计过的数据范围内，对不同的模型在不同的喷吹阶段，通过Edes拟合公式计算相应的熔池能量残余能量Edes，配合其他计算参数，即可进行精确预测。
本发明对影响最低混匀时间的因素进行归纳，采用新的公式预测最低混匀时间，在模型可靠、数据测量精确的情况下，采用本发明构建的预测公式能精确预测最低混匀时间，并能描述最低混匀时间所受的影响因素，以及不同参数之间的关系。模型预测结果通过原缩小比例反算，可用于对原型的预测，可应用于工厂的预测警报系统以及有限元模拟计算软件的开发应用之中。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
某钢厂100t钢包的冷态模型研究。相关数据可查询文章《100t钢包内混匀时间的的水模拟研究》，冶金丛刊，2010,02,003。
(1)基本情况：
请参阅图1，100t底吹氩气钢包，按照3.5：1的比例缩小进行冷态模型研究。需要通过实验研究得知最佳的底吹模型和喷吹参数。原型和模型参数如表1至表2所示。模型所采用的底吹布置如图1所示。针对不同方案所得到的结果如表3所示。
表1钢包与模型的物理参数
表2钢包与模型的底吹喷吹参数
表3不同方案的最低混匀时间
(2)应用方式
按照本申请的实施方式进行计算，不同底枪搅拌能见表4。
因此，得到有效底吹搅拌能Ebottom、底枪夹角的幅度θ、两底枪之间的作用增幅θλi，以及
不同方案模型的混匀时间τmodel，如表5。
表5各计算参数值
(3)应用结果
拟合出的公式如下：
采用上述公式计算所得的最低混匀时间τforecast如表5所示，Edes的初始赋值为6.838W/t，可以看出τforecast预测误差很大，部分数据超过10％。数据的规律符合测试数据的要求，根据拟合公式反算Edes，得到修正过的值，即Edes-c。此为 Edes-c精确值，可在式1中精确算出τ。除c、f、k、l方案，Edes-c的趋势符合式 3，系数a、b、c取值如表6所示。
通过Edes-c公式计算Edes值，带入式1，可对案例中给予的参数范围进行精确预测。通过对比发现，c、f、k、l方案有一些反常值，例如方案c在1.33和1.67 的底吹时得到的值，类似随机的值，可能存在测量误差。
之后针对模型下，方案a-l底吹布置，在底吹气流1.3-4.2NL/min之间，可以任意预测最低混匀时间。
在本实例中可以看出，数据的归纳和计算相对于其他预测公式要繁复很多，计算量也比较大，然后还小需要进行回归计算；再对回归结果进行分析对比，最后得出预测公式。用该预测公式进行相应范围内的预测，相对其他学者提出的预测公式要精确很多，从而避免了大量的重复性的实验工作，提高了研究或者生产效率。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (9)
1.一种针对钢包最低混匀时间的预测方法，其特征在于，基于水力学模型测试的混匀时间数据以及模型的几何特征建立混匀时间预测公式，对水力学模型的最低混匀时间进行预测和估计；经过对比换算将混匀时间预测公式用于实际的钢包预测，预测同种模型在不同参数变化时的最低混匀时间，包括以下步骤：
S1、针对一个钢包的原型，设定模型的缩小比例，并按照比例缩小模型，将喷吹流量、气流速度、气体种类变换参数按照相似原理计算，完成模型设计；
S2、确定模型中不同底吹布置中，各个底枪的位置以及底枪之间的相对位置和喷吹参数；
S3、计算不同方案中每一支底枪的搅拌能供给εi，然后计算底吹搅拌能供给Ebottom；记录不同底枪之间的夹角和到中心的距离；
S4、评估熔池损失能量Edes
S5、将步骤S1至S4中计算得到的数据带入混匀时间τ，对系数Edes、β进行初始赋值，进行回归计算，得到混匀时间的预测公式，采用得到的预测公式计算最低混匀时间，核算相符性，将模型测定得到的最低混匀时间带入预测公式，反算数据集合Edes，以及的Edes拟合系数a、b、c，得到Edes的拟合公式；
S6、在统计过的数据范围内，对不同的模型在不同的喷吹阶段，通过Edes拟合公式计算相应的熔池能量残余能量Edes，进行预测。
2.根据权利要求1所述的针对钢包最低混匀时间的预测方法，其特征在于，步骤S1中，缩小比例为(1～20):1。
3.根据权利要求1所述的针对钢包最低混匀时间的预测方法，其特征在于，步骤S2中，设定λi为底枪气流之间的相互作用系数，每个方案的系数按照实测到的最低混匀时间来反推，2支以上底枪之间的作用系数λi计算如下：
其中，τmin指同一组实验数据，最小的最低混匀时间；θi指同组实验中任意一个方案的底枪夹角，θmin-time为同一组实验中最低混匀时间最小的方案的底枪夹角，τi为2支以上底枪之间的作用系数。
4.根据权利要求3所述的针对钢包最低混匀时间的预测方法，其特征在于，当底枪数量为1支时，θ为0；当底枪数量为2时，θ按实际取值；当底枪数量为3时，取最大值。
5.根据权利要求2所述的针对钢包最低混匀时间的预测方法，其特征在于，步骤S3中，总的底枪搅拌能供给计算如下：
其中，Hi-j为某一支底枪距液面深度；
为某支底枪的流量，T为热力学温度；W为冶金容器内液体总重。
6.根据权利要求5所述的针对钢包最低混匀时间的预测方法，其特征在于，底枪的搅拌能供给强度Ebottom计算如下：
其中，ε1…εi表示每一只底枪输入的搅拌能。
7.根据权利要求1所述的针对钢包最低混匀时间的预测方法，其特征在于，步骤S4中，熔池内的自然流动能量和前期底枪供给搅拌能的残余能量相加的总搅拌能Edes的拟合公式如下：
其中，a、b、c为需要拟合得到的系数，QBi为某个方案的总底吹流量。
8.根据权利要求1所述的针对钢包最低混匀时间的预测方法，其特征在于，混匀时间τ计算公式：
其中，Ebottom指底枪的搅拌能供给强度，λi为2支以上底枪之间的作用系数，i为底枪数量，β表示混匀时间的趋势指数，
为所有R的平均值，R为几何影响系数，均为无量纲数。
9.根据权利要求8所述的针对钢包最低混匀时间的预测方法，其特征在于，R＝L/R钢包，L<Rx；R＝R钢包/L，L>Rx；0.6R钢包<Rx<0.7R钢包，通过统计数据确定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811340333.3A CN109472090B (zh) | 2018-11-12 | 2018-11-12 | 一种针对钢包最低混匀时间的预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811340333.3A CN109472090B (zh) | 2018-11-12 | 2018-11-12 | 一种针对钢包最低混匀时间的预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109472090A CN109472090A (zh) | 2019-03-15 |
| CN109472090B true CN109472090B (zh) | 2022-10-11 |
Family
ID=65671890
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811340333.3A Expired - Fee Related CN109472090B (zh) | 2018-11-12 | 2018-11-12 | 一种针对钢包最低混匀时间的预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109472090B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114298400A (zh) * | 2021-12-27 | 2022-04-08 | 辽宁丰德耐磨新材料制品有限公司 | 一种预测热处理加热炉内耐磨钢球温度的方法 |
| CN116083680B (zh) * | 2022-10-27 | 2024-08-23 | 东北大学 | 一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009003364A1 (fr) * | 2007-07-03 | 2009-01-08 | Northeastern University | Procédé de fabrication d'acier dans un convertisseur à lances supérieure, inférieures et latérale |
| CN106484968A (zh) * | 2016-09-23 | 2017-03-08 | 西安交通大学 | 一种基于响应面的换热压降关联式的快速预测方法 |
-
2018
- 2018-11-12 CN CN201811340333.3A patent/CN109472090B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009003364A1 (fr) * | 2007-07-03 | 2009-01-08 | Northeastern University | Procédé de fabrication d'acier dans un convertisseur à lances supérieure, inférieures et latérale |
| CN106484968A (zh) * | 2016-09-23 | 2017-03-08 | 西安交通大学 | 一种基于响应面的换热压降关联式的快速预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 邯钢250吨转炉吹炼参数对钢水均混时间影响的研究;邓建军等;《金属材料与冶金工程》;20151028(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109472090A (zh) | 2019-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pook | Why Metal Fatigue Matters | |
| RU2674185C2 (ru) | Способ определения состояния огнеупорной футеровки, в частности металлургического сосуда для расплавленного металла | |
| CN109472090B (zh) | 一种针对钢包最低混匀时间的预测方法 | |
| CN104778361B (zh) | 改进型EMD‑Elman神经网络预测铁水硅含量的方法 | |
| CN104267610B (zh) | 高精度的高炉冶炼过程异常数据检测及修补方法 | |
| CN109754137B (zh) | 确定钢铁材料产品的质量和/或等级的方法及设备 | |
| CN110989510A (zh) | 一种热镀锌产品全流程质量控制与等级自动判断系统 | |
| CN105677949A (zh) | Tc6钛合金锻件微观组织参数的预测方法 | |
| CN109214137B (zh) | 一种针对转炉流场最低混匀时间的预测方法 | |
| CN104894328A (zh) | 一种转炉终点磷含量预报方法 | |
| JP2008155230A (ja) | 鋳造方案設計方法 | |
| CN107679659A (zh) | 新型工业用电量预测方法 | |
| da Silva et al. | Goal programming and multiple criteria data envelopment analysis combined with optimization and Monte Carlo simulation: An application in railway components | |
| CN112461715B (zh) | 一种基于熔体结构解析的熔渣表面张力预测方法 | |
| JP2001294928A (ja) | 転炉吹錬の終点制御方法 | |
| Dong et al. | The converter steelmaking end point prediction model based on RBF neural network | |
| KR102034423B1 (ko) | 용융물의 장입 높이 산출 방법 | |
| CN117472111B (zh) | 基于多源数据驱动的大体积混凝土智能温控方法及系统 | |
| Liu et al. | Predicting Alloying Element Yield in Converter Steelmaking Using t-SNE-WOA-LSTM | |
| TWI805501B (zh) | 基於機器學習模型預判耐火材可用性的方法 | |
| Kavička et al. | Numerical models of solidification and their application in metal and ceramic technology | |
| CN107608207A (zh) | 一种基于机器学习的铝型材落砂检测方法 | |
| Reterski et al. | Energy efficiency improvement in steelmaking processes by applying CFD methods | |
| Xue et al. | Prediction of Converter Tapping Weight Based on Principal Component Analysis–Whale Optimization Algorithm–Backpropagation Algorithm Neural Network Model | |
| RU2334262C1 (ru) | Способ контроля и управления состоянием неопределенности системы |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221011 |