CN110261566B - 一种用于异钢种混浇坯的成分变化预测方法及其系统 - Google Patents

一种用于异钢种混浇坯的成分变化预测方法及其系统 Download PDF

Info

Publication number
CN110261566B
CN110261566B CN201910538778.0A CN201910538778A CN110261566B CN 110261566 B CN110261566 B CN 110261566B CN 201910538778 A CN201910538778 A CN 201910538778A CN 110261566 B CN110261566 B CN 110261566B
Authority
CN
China
Prior art keywords
mixed casting
casting blank
sample
mixed
function 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.)
Active
Application number
CN201910538778.0A
Other languages
English (en)
Other versions
CN110261566A (zh
Inventor
隋亚飞
徐刚军
周军军
刘彭
谢世正
刘文华
赵如
向利华
颜海波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lianyuan Iron & Steel Group Co ltd
Lysteel Co Ltd
Original Assignee
Lianyuan Iron & Steel Group Co ltd
Lysteel Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lianyuan Iron & Steel Group Co ltd, Lysteel Co Ltd filed Critical Lianyuan Iron & Steel Group Co ltd
Priority to CN201910538778.0A priority Critical patent/CN110261566B/zh
Publication of CN110261566A publication Critical patent/CN110261566A/zh
Application granted granted Critical
Publication of CN110261566B publication Critical patent/CN110261566B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
    • G01N21/72—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited using flame burners
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/20—Metals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/20—Metals
    • G01N33/202—Constituents thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Continuous Casting (AREA)

Abstract

本发明属于属于钢铁制造技术领域，尤其涉及一种用于异钢种混浇坯的成分变化预测方法及其系统，尤其涉及一种用于异钢种混浇坯的成分变化预测方法，包括以下步骤：采集混浇坯试样，分析所述混浇坯试样的成分变化；获取中间包余钢量和中间包过钢量，根据所述成分变化、所述中间包余钢量以及所述中间包过钢量，拟合混合度函数模型；获取连铸拉速和所述混浇坯试样的宽度，根据所述成分变化、所述连铸拉速以及所述宽度，拟合液芯冲击深度函数模型；根据所述混合度函数模型和所述液芯冲击深度函数模型，预测混浇坯的起始位置和终止位置，不依赖实验室数模计算或水模实验，建立的所述混合度函数模型和所述液芯冲击深度函数模型，其预测准确度高。

Description

一种用于异钢种混浇坯的成分变化预测方法及其系统
技术领域
本发明属于钢铁制造技术领域，尤其涉及一种用于异钢种混浇坯的成分变化预测方法及其系统。
背景技术
异钢种连浇过程中，由于前后两个钢种的成分差别较大，其生产的混浇坯往往既不符合前一个钢种成分要求，又不符合后一个钢种成分要求。一般情况下，对混浇坯需要进行降级、改判处理，有时候甚至只能作为废钢处理，降低了金属收得率。
为了判定混浇坯和正常坯，目前通常基于实验室的数模计算或水模实验建立数据模型，但是上述数据模型的建立过程较为复杂，且应用于实际生产预测时其准确度不高。
发明内容
有鉴于此，本发明实施例提供了一种用于异钢种混浇坯的成分变化预测方法及其系统，可以解决目前预测模型需依赖实验室数模计算或水模实验的问题。
本发明实施例的第一方面提供了一种用于异钢种混浇坯的成分变化预测方法，包括以下步骤：采集混浇坯试样，分析所述混浇坯试样的成分变化；获取中间包余钢量和中间包过钢量，根据所述成分变化、所述中间包余钢量以及所述中间包过钢量，拟合混合度函数模型；获取连铸拉速和所述混浇坯试样的宽度，根据所述成分变化、所述连铸拉速以及所述宽度，拟合液芯冲击深度函数模型；根据所述混合度函数模型和所述液芯冲击深度函数模型，预测混浇坯的起始位置和终止位置。
本发明实施例的第一方面的第一种可能实现的方式中，所述混合度函数模型满足公式：M＝(0.0057p+0.0714)*ln(T)+(0.0249p+0.546)；其中，M为混合度；T为中间包过钢量；p为中间包余钢量。
本发明实施例的第一方面的第二种可能实现的方式中，所述液芯冲击深度函数模型满足公式：H＝0.31768*S*W+1.34292*S+1.99694*W-3.33572；其中，H为液芯冲击深度；S为连铸拉速；W为混浇坯试样的宽度。
本发明实施例的第一方面的第三种可能实现的方式中，所述采集混浇坯试样，分析所述混浇坯试样的成分变化的步骤，包括，分别采集混浇前一炉的最后一块混浇坯试样以及混浇后一炉的第一块混浇坯试样；对采集的所述最后一块混浇坯试样以及所述第一块混浇坯试样设置数个角部采样点，对各个所述角度采样点进行角部试样；截取所述第一块混浇坯试样的头部的横截面，在所述横截面上设置数个板坯采样点，对各个所述板坯采样点进行板坯试样；基于角部试样和板坯试样的结果以获得所述混浇坯试样的成分变化趋势。
结合本发明实施例的第一方面的第三种可能实现的方式，在第四种可能实现的方式中，每隔预设的距离对采集的所述最后一块混浇坯试样以及所述第一块混浇坯试样设置角部采样点。优选地，所述预设的距离为0.5m～5m。
结合本发明实施例的第一方面的第三种可能实现的方式，在第五种可能实现的方式中，所述横截面上均布设置板坯采样点。
本发明实施例的第一方面的第六种可能实现的方式中，利用火花直读光谱仪分析混浇坯试样的成分。
本发明实施例的第二方面提供了一种用于异钢种混浇坯的成分变化预测系统，包括：采集模块，用于采集混浇坯试样，分析所述混浇坯试样的成分变化；混合度模块，用于获取中间包余钢量和中间包过钢量，根据所述成分变化、所述中间包余钢量以及所述中间包过钢量，拟合混合度函数模型；液芯冲击深度模块，用于获取连铸拉速和所述混浇坯试样的宽度，根据所述成分变化、所述连铸拉速以及所述宽度，拟合液芯冲击深度函数模型；预测模块，用于根据所述混合度函数模型和所述液芯冲击深度函数模型，预测混浇坯的起始位置和终止位置。
本发明实施例的第二方面的第一种可能实现的方式中，采集子模块，用于分别采集混浇前一炉的最后一块混浇坯试样以及混浇后一炉的第一块混浇坯试样；角部试样模块，用于对采集的所述最后一块混浇坯试样以及所述第一块混浇坯试样设置数个角部采样点，对各个所述角度采样点进行角部试样；板坯试样模块，用于截取所述第一块混浇坯试样的头部的横截面，在所述横截面上设置数个板坯采样点，对各个所述板坯采样点进行板坯试样；分析子模块，基于角部试样和板坯试样的结果以获得所述混浇坯试样的成分变化趋势。
本发明实施例与现有技术相比存在的有益效果是：
本发明实施例通过采集实际生产的混浇坯试样，分析其成分变化趋势，建立混合度函数模型和所述液芯冲击深度函数模型，可以更准确地预测混浇坯的起始位置和终止位置，准确地判断混浇坯和正常坯的交接位置。
本发明实施例根据实际的混浇坯成分数据，不依赖数模或水模实验，建立了混合度函数模型和所述液芯冲击深度函数模型。现场应用结果显示混浇坯混合度变化的预测偏差在5％以下，平均为2.9％，混浇坯中心部位冲击深度的预测偏差为6.14％，充分说明了预测模型的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明提供的用于异钢种混浇坯的成分变化预测方法的第一实施例的流程示意图；
图2示出了本发明提供的用于异钢种混浇坯的成分变化预测方法的第二实施例的流程示意图；
图3示出了本发明实施例中所述混浇坯试样的角部取样方法示意图；
图4示出了本发明实施例中所述混浇坯试样的横截面板坯取样方法示意图；
图5示出了本发明实施例混浇坯横截面Ni元素成分分布图；
图6示出了本发明实施例中间包过钢量和混合度M之间的关系图之一；
图7示出了本发明实施例中间包过钢量和混合度M之间的关系图之二；
图8示出了本发明实施例中间包过钢量和混合度M之间的关系图之三；
图9示出了本发明实施例中间包余钢量和公式系数a之间的关系图；
图10示出了本发明实施例中间包余钢量和公式系数b之间的关系图；
图11示出了本发明实施例中液芯冲击深度与连铸拉速、混浇坯试样的宽度关系图；
图12示出了本发明模型计算值和实际检测值的对比分析图；
图13示出了本发明实施例所述混浇坯角部的Mn元素含量变化图；
图14示出了本发明实施例所述混浇坯角部的Mn元素混合度变化图；
图15示出了本发明实施例所述混浇坯横截面的Mn元素成分变化图；
图16示出了本发明提供的所述的用于异钢种混浇坯的成分变化预测系统的第一实施例的结构示意图；
图17示出了本发明提供的所述的用于异钢种混浇坯的成分变化预测系统的第二实施例的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
一方面，本发明实施例公开了一种用于异钢种混浇坯的成分变化预测方法及其系统。
请参阅图1，图1示出了用于异钢种混浇坯的成分变化预测方法的第一实施例的流程示意图；具体地：
S101，采集混浇坯试样，分析所述混浇坯试样的成分变化；
其中，混浇坯试样是指实际生产的混浇坯试样，以实际生产的混浇坯试样为研究对象，分析其成分变化，建立模型，预测异钢种混浇过程中的混浇坯成分变化。
可选地，S101具体包括，
S1011，分别采集混浇前一炉的最后一块混浇坯试样以及混浇后一炉的第一块混浇坯试样；
混浇前一炉的最后一块混浇坯试样和混浇后一炉的第一块混浇坯试样为连续的混浇坯。
S1012，对采集的所述最后一块混浇坯试样以及所述第一块混浇坯试样设置数个角部采样点，对各个所述角度采样点进行角部试样；
角部采样点可以不均布设置，也可均布设置；
可选地，均布设置时，可以每隔预设的距离对采集的所述最后一块混浇坯试样以及所述第一块混浇坯试样设置角部采样点，进行角部试样；
其中，预设的距离可以为0.5m～5m，优选地，预设的距离可以为1m。
结合图3，图3示出了本发明实施例中所述混浇坯试样的角部取样方法示意图；预设的距离为1m，每隔1m进行角部试样取样，从所述最后一块混浇坯试样以及所述第一块混浇坯试样，以此编号为1-1，1-2到1-11，2-1，2-2到2-11。
可采用火花直读光谱仪检测不同取样位置的成分。
S1013，截取所述第一块混浇坯试样的头部的横截面，在所述横截面上设置数个板坯采样点，对各个所述板坯采样点进行板坯试样；
板坯采样点，可均布设置，也可不均布设置。
结合图4，图4示出了本发明实施例中所述混浇坯试样的横截面板坯取样方法示意图；在横截面的横向和竖向不同位置处，取样分析。如在横截面的横向方向上，可以将横向方向均分，分别取A、B、C、D、E处的成分分析，其中A处、E处为边部，B处为1/4处，C处为中部，D处为3/4处；在横截面的竖向方向上，可以将竖向方向均分，在A处均分，分别取A-1，A-2，A-3，A-4，A-5处的成分分析，其中A-1和A-5为边部。
可采用火花直读光谱仪检测不同取样位置的成分。
结合图5，图5示出了本发明实施例混浇坯横截面Ni元素成分分布图，前一炉钢液大包中Ni元素含量高，后一炉钢液大包中Ni元素含量低。后一炉钢液大包打开时刻对应的混浇坯位置作为起始零点，混浇坯的边部和中心处成分差异显著，中心处的成分变化比边部快。尤其是在混浇坯的板坯厚度方向上，混浇坯的内外弧边部的成分与中心处成分差别最大，原因是混浇坯的宽度方向上冷却最快，此处边部的前一炉的Ni元素成分含量最多。如，横截面2.05m以后的混浇坯边部成分与此横截面的中心处成分一致，说明液芯冲击深度为2.05m。
S1014，基于角部试样和板坯试样的结果以获得所述混浇坯试样的成分变化趋势。
其中，可以定义M为混合度，代表混浇坯由前一炉成分转变为后一炉成分的程度。当M的值为0时，混浇坯全部由前一炉的钢液组成；当M的值为1时，混浇坯全部由后一炉的钢液组成。Mi为混浇坯任意位置i的混合度，Mi满足以下公式：
Figure BDA0002101995220000061
式中，Ci为混浇坯任意位置i的特征元素含量；C前为前一炉的特征元素含量；C后为后一炉的特征元素含量。其中，所述特征元素可以为Ni、Mn、C、Si、P、S元素等，但不限于上述元素。
S102，获取中间包余钢量和中间包过钢量，根据所述成分变化、所述中间包余钢量以及所述中间包过钢量，拟合混合度函数模型；
具体地，可以将后一炉的钢液大包打开时刻对应的混浇坯位置作为起始零点，根据连铸机两流的坯重计算中间包过钢量；
结合图6～图8，图6示出了本发明实施例中间包过钢量和混合度M之间的关系图之一；图7示出了本发明实施例中间包过钢量和混合度M之间的关系图之二；图8示出了本发明实施例中间包过钢量和混合度M之间的关系图之三；
固定中间包余钢量，通过采集生产现场的数据，结合图6～图8，可以看出，在后一炉的钢液大包打开后混浇坯的混合度急剧变化，随着中间包过钢量的增加，混合度变化趋势变缓。
混合度和中间包过钢量之间是非线性关系，对其关系进行函数拟合，符合对数函数的变化规律。
结合图6～图8，可看出本发明实施例中间包过钢量和混合度M之间的拟合结果示意图，混合度和中间包过钢量之间符合对数函数的关系，相关性系数R2的值最低为0.89，最高为0.98，其中混合度满足以下公式：
M＝a*ln(T)+b；
式中，T为中间包过钢量；a，b分别为公式系数。
采集不同中间包余钢量下的实验数据，分析中间包余钢量和公式系数a，b之间的关系；表1为不同中间包余钢量对应的公式系数a、b值；如表1所述，公式系数a、b的值受到中间包余钢量的影响，随着中间包余钢量的增加，a值逐渐增加，b值逐渐降低；
表1不同中间包余钢量对应的公式系数a、b值
Figure BDA0002101995220000081
结合图9～图10，图9示出了本发明实施例中间包余钢量和公式系数a之间的关系图；图10示出了本发明实施例中间包余钢量和公式系数b之间的关系图；a值、b值随中间包余钢量的变化呈线性关系，其相关性系数R2的值为0.95以上。其中，中间包余钢量满足公式：
a＝0.0057p+0.0714；
b＝0.0249p+0.546；
其中，p为中间包余钢量。
将公式a＝0.0057p+0.0714，b＝0.0249p+0.546代入公式M＝a*ln(T)+b；可以得出混合度与中间包过钢量、中间包余钢量之间的关系式：
M＝(0.0057p+0.0714)*ln(T)+(0.0249p+0.546)。
S103，获取连铸拉速和所述混浇坯试样的宽度，根据所述成分变化、所述连铸拉速以及所述宽度，拟合液芯冲击深度函数模型；
在固定连铸拉速时，液芯冲击深度随着混浇坯试样的宽度增加而增加；在固定混浇坯试样的宽度时，液芯冲击深度随着连铸拉速的增加而增加。液芯冲击深度受到连铸拉速和混浇坯试样的宽度的交互影响。
根据采集的现场数据，获取连铸拉速和所述混浇坯试样的宽度，结合图11，图11示出了本发明实施例中液芯冲击深度与连铸拉速、混浇坯试样的宽度关系图；拟合液芯冲击深度与连铸拉速、混浇坯试样的宽度之间的关系，液芯冲击深度满足以下公式：
Figure BDA0002101995220000082
其中，H为液芯冲击深度；S为连铸拉速；W为混浇坯试样的宽度；β、
Figure BDA0002101995220000091
δ、λ为公式系数。根据拟合的公式，可以具体得知，β＝0.31768，
Figure BDA0002101995220000092
δ＝1.99694，λ＝-3.33572，将公式系数β、
Figure BDA0002101995220000093
δ、λ的值代入公式
Figure BDA0002101995220000094
可得到液芯冲击深度具体满足的公式为：
H＝0.31768*S*W+1.34292*S+1.99694*W-3.33572。
S104，根据所述混合度函数模型和所述液芯冲击深度函数模型，预测混浇坯的起始位置和终止位置。
通过判断混合度的变化趋势，以及液芯冲击深度的变化趋势，可以预测混浇坯的起始位置和终止位置，即混浇坯的总长度和位置，准确地预测混浇坯和正常坯的交接位置。
具体地，在将混合度函数模型和所述液芯冲击深度函数模型应用于实际生产预测时，可以记后一炉的钢液大包打开时间对应的混浇坯位置为零点，混浇坯总长度是中间包钢液混合导致的混浇坯长度和混浇坯液芯冲击深度之和。
结合图12和表2分析，其中表2为混浇坯模型预测结果相对误差表，图12示出了本发明模型计算值和实际检测值的对比分析图。
可以看出，由于中间包钢液混合造成的混浇坯，模型预测值和实际检测值的偏差都在10％以内，混浇坯的混合度为0.5以上的位置预测偏差小于5％，平均预测偏差值为2.9％。本实验中实际的液芯冲击深度为1.14m，液芯冲击深度函数模型预测的液芯冲击深度为1.07m，其误差为6.14％。
上述结果充分说明了本发明所述的混合度函数模型和所述液芯冲击深度函数模型的预测结果准确度较高。
表2混浇坯模型预测结果相对误差
Figure BDA0002101995220000101
本发明实施例通过采集实际生产的混浇坯试样，分析其成分变化趋势，建立混合度函数模型和所述液芯冲击深度函数模型，可以更准确地预测混浇坯的起始位置和终止位置，准确地判断混浇坯和正常坯的交接位置。
本发明实施例根据实际的混浇坯成分数据，不依赖数模或水模实验，建立了混合度函数模型和所述液芯冲击深度函数模型。现场应用结果显示混浇坯混合度变化的预测偏差在5％以下，平均为2.9％，混浇坯中心部位冲击深度的预测偏差为6.14％，充分说明了预测模型的准确性。
作为本发明一具体实施例，
S201，对SAPH370和SAPH440进行混浇，SAPH370为混浇前一炉的钢液，SAPH440为混浇后一炉的钢液；其中，SAPH440钢液大包打开时，中间包余钢量为55.20t，其主要工艺参数和混浇模型预测值如表3所示；
表3混浇工艺参数表
Figure BDA0002101995220000102
S202，分别对混浇坯进行角部试样和横截面试样；
分别采集混浇前一炉的最后一块混浇坯试样以及混浇后一炉的第一块混浇坯试样；
每隔1m进行角部试样取样，从所述最后一块混浇坯试样以及所述第一块混浇坯试样，采用火花直读光谱仪检测不同取样位置的成分。
截取所述第一块混浇坯试样的头部的横截面，在所述横截面的不同位置进行板坯试样；在横截面的横向和竖向不同位置处，采用火花直读光谱仪检测不同取样位置的成分。
混浇前后炉次中间包钢液的主要成分如表4所示，因为Mn元素含量差别较大，所以重点分析混浇坯中Mn元素含量的变化。
表4混浇前后炉次中间包钢液主要成分(wt％)
Figure BDA0002101995220000111
S203、混浇坯的角部Mn元素含量及相应的混合度变化如图13～14所示，大包打开对应的混浇起始位置为4.3m；图13示出了本发明实施例所述混浇坯角部的Mn元素含量变化图；图14示出了本发明实施例所述混浇坯角部的Mn元素混合度变化图；其终点混合度为0.82时，实际混浇坯的长度约为15m。两块混浇坯交接处，Mn元素质量百分数的变化速率是0.0354/m。
S204、混浇坯横截面处的Mn元素成分如图15所示，图15示出了本发明实施例所述混浇坯横截面的Mn元素成分变化图；其中心部位元素含量比边部平均高出0.0511wt％。根据Mn元素含量的变化速率，此处混浇坯中心部位元素变化比边部快1.44m，即液芯冲击深度为1.44m。
S205，混浇坯混合度变化的预测偏差在5％以下，平均为2.9％，混浇坯中心部位液芯冲击深度的预测偏差为6.14％，充分说明了预测模型的准确性。
另一方面，本发明实施例提供了一种用于异钢种混浇坯的成分变化预测系统，结合图16，图16示出了本发明提供的所述的用于异钢种混浇坯的成分变化预测系统第一实施例的结构示意图，所述用于异钢种混浇坯的成分变化预测系统2，包括：
采集模块21，用于采集混浇坯试样，分析所述混浇坯试样的成分变化；
混合度模块22，用于获取中间包余钢量和中间包过钢量，根据所述成分变化、所述中间包余钢量以及所述中间包过钢量，拟合混合度函数模型；
液芯冲击深度模块23，用于获取连铸拉速和所述混浇坯试样的宽度，根据所述成分变化、所述连铸拉速以及所述宽度，拟合液芯冲击深度函数模型；
预测模块24，用于根据所述混合度函数模型和所述液芯冲击深度函数模型，预测混浇坯的起始位置和终止位置。
具体地，结合图17，图17示出了本发明提供的所述的用于异钢种混浇坯的成分变化预测系统的第二实施例结构示意图，所述采集模块21包括：
采集子模块211，用于分别采集混浇前一炉的最后一块混浇坯试样以及混浇后一炉的第一块混浇坯试样；
角部试样模块212，用于对采集的所述最后一块混浇坯试样以及所述第一块混浇坯试样设置数个角部采样点，对各个所述角度采样点进行角部试样；
板坯试样模块213，用于截取所述第一块混浇坯试样的头部的横截面，在所述横截面上设置数个板坯采样点，对各个所述板坯采样点进行板坯试样；
分析子模块214，基于角部试样和板坯试样的结果以获得所述混浇坯试样的成分变化趋势。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (9)

1.一种用于异钢种混浇坯的成分变化预测方法，其特征在于，包括以下步骤：
采集混浇坯试样，分析所述混浇坯试样的成分变化；
获取中间包余钢量和中间包过钢量，根据所述成分变化、所述中间包余钢量以及所述中间包过钢量，拟合混合度函数模型；
获取连铸拉速和所述混浇坯试样的宽度，根据所述成分变化、所述连铸拉速以及所述宽度，拟合液芯冲击深度函数模型，所述液芯冲击深度函数模型满足公式：
H＝0.31768*S*W+1.34292*S+1.99694*W-3.33572，其中，H为液芯冲击深度，S为连铸拉速，W为混浇坯试样的宽度；
根据所述混合度函数模型和所述液芯冲击深度函数模型，预测混浇坯的起始位置和终止位置；
所述根据所述混合度函数模型和所述液芯冲击深度函数模型，预测混浇坯的起始位置和终止位置，具体包括：
根据所述混合度函数模型确定混合度的变化趋势；
根据所述液芯冲击深度函数模型确定液芯冲击深度的变化趋势；
根据所述混合度的变化趋势和所述液芯冲击深度的变化趋势，预测混浇坯的起始位置和终止位置。
2.根据权利要求1所述的用于异钢种混浇坯的成分变化预测方法，其特征在于，所述混合度函数模型满足公式：
M＝(0.0057p+0.0714)*ln(T)+(0.0249p+0.546)；
其中，M为混合度；T为中间包过钢量；p为中间包余钢量。
3.根据权利要求1所述的用于异钢种混浇坯的成分变化预测方法，其特征在于，所述采集混浇坯试样，分析所述混浇坯试样的成分变化的步骤，包括，
分别采集混浇前一炉的最后一块混浇坯试样以及混浇后一炉的第一块混浇坯试样；
对采集的所述最后一块混浇坯试样以及所述第一块混浇坯试样设置数个角部采样点，对各个所述角部 采样点进行角部试样；
截取所述第一块混浇坯试样的头部的横截面，在所述横截面上设置数个板坯采样点，对各个所述板坯采样点进行板坯试样；
基于角部试样和板坯试样的结果以获得所述混浇坯试样的成分变化趋势。
4.根据权利要求3所述的用于异钢种混浇坯的成分变化预测方法，其特征在于，每隔预设的距离对采集的所述最后一块混浇坯试样以及所述第一块混浇坯试样设置角部采样点。
5.根据权利要求4所述的用于异钢种混浇坯的成分变化预测方法，其特征在于，所述预设的距离为0.5m～5m。
6.根据权利要求3所述的用于异钢种混浇坯的成分变化预测方法，其特征在于，所述横截面上均布设置板坯采样点。
7.根据权利要求1所述的用于异钢种混浇坯的成分变化预测方法，其特征在于，利用火花直读光谱仪分析混浇坯试样的成分。
8.一种用于异钢种混浇坯的成分变化预测系统，其特征在于，包括：
采集模块，用于采集混浇坯试样，分析所述混浇坯试样的成分变化；
混合度模块，用于获取中间包余钢量和中间包过钢量，根据所述成分变化、所述中间包余钢量以及所述中间包过钢量，拟合混合度函数模型；
液芯冲击深度模块，用于获取连铸拉速和所述混浇坯试样的宽度，根据所述成分变化、所述连铸拉速以及所述宽度，拟合液芯冲击深度函数模型，所述液芯冲击深度函数模型满足公式：
H＝0.31768*S*W+1.34292*S+1.99694*W-3.33572，其中，H为液芯冲击深度，S为连铸拉速，W为混浇坯试样的宽度；
预测模块，用于根据所述混合度函数模型和所述液芯冲击深度函数模型，预测混浇坯的起始位置和终止位置；
预测模块具体用于：
根据所述混合度函数模型确定混合度的变化趋势；
根据所述液芯冲击深度函数模型确定液芯冲击深度的变化趋势；
根据所述混合度的变化趋势和所述液芯冲击深度的变化趋势，预测混浇坯的起始位置和终止位置。
9.根据权利要求8所述的用于异钢种混浇坯的成分变化预测系统，其特征在于，所述采集模块包括：
采集子模块，用于分别采集混浇前一炉的最后一块混浇坯试样以及混浇后一炉的第一块混浇坯试样；
角部试样模块，用于对采集的所述最后一块混浇坯试样以及所述第一块混浇坯试样设置数个角部采样点，对各个所述角部 采样点进行角部试样；
板坯试样模块，用于截取所述第一块混浇坯试样的头部的横截面，在所述横截面上设置数个板坯采样点，对各个所述板坯采样点进行板坯试样；
分析子模块，基于角部试样和板坯试样的结果以获得所述混浇坯试样的成分变化趋势。
CN201910538778.0A 2019-06-20 2019-06-20 一种用于异钢种混浇坯的成分变化预测方法及其系统 Active CN110261566B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910538778.0A CN110261566B (zh) 2019-06-20 2019-06-20 一种用于异钢种混浇坯的成分变化预测方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910538778.0A CN110261566B (zh) 2019-06-20 2019-06-20 一种用于异钢种混浇坯的成分变化预测方法及其系统

Publications (2)

Publication Number Publication Date
CN110261566A CN110261566A (zh) 2019-09-20
CN110261566B true CN110261566B (zh) 2021-11-02

Family

ID=67919919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910538778.0A Active CN110261566B (zh) 2019-06-20 2019-06-20 一种用于异钢种混浇坯的成分变化预测方法及其系统

Country Status (1)

Country Link
CN (1) CN110261566B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112903955B (zh) * 2021-01-21 2023-03-31 柳州钢铁股份有限公司 一种连铸过程异钢种混浇的物理模拟试验方法及装置
CN113182500B (zh) * 2021-06-30 2021-10-15 北京科技大学 基于物理模型的混浇坯长度及成分变化预测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1152267A (zh) * 1995-03-29 1997-06-18 新日本制铁株式会社 连铸板坯的质量预测和质量控制
CN1358591A (zh) * 2001-06-20 2002-07-17 日铁建材工业株式会社 钢的连铸方法
KR20120087532A (ko) * 2011-01-28 2012-08-07 현대제철 주식회사 이강종 연속주조시 강종 예측방법
CN105665674A (zh) * 2016-02-03 2016-06-15 首钢总公司 异钢种连浇成分预报方法
CN107282906A (zh) * 2016-04-01 2017-10-24 南京梅山冶金发展有限公司 确定连铸混浇过程的混浇率和时间的实验方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1152267A (zh) * 1995-03-29 1997-06-18 新日本制铁株式会社 连铸板坯的质量预测和质量控制
CN1358591A (zh) * 2001-06-20 2002-07-17 日铁建材工业株式会社 钢的连铸方法
KR20120087532A (ko) * 2011-01-28 2012-08-07 현대제철 주식회사 이강종 연속주조시 강종 예측방법
CN105665674A (zh) * 2016-02-03 2016-06-15 首钢总公司 异钢种连浇成分预报方法
CN107282906A (zh) * 2016-04-01 2017-10-24 南京梅山冶金发展有限公司 确定连铸混浇过程的混浇率和时间的实验方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
A Practical Model for Predicting Intermixed Zone During Grade Transition;Myung Jong CHO等;《ISIJ International》;20100831;第1175–1179页 *
Simple Tundish Mixing Model of Continuous Casting during a Grade Transition;Myung Jong CHO等;《ISIJ International》;20061031;第1416–1420页 *
不同宽度板坯结晶器浸入式水口优化的水模研究;李俊桥等;《连铸》;20110915;第170-176页 *
异钢种连浇交接坯长度与位置预测模型;毕经汉等;《过程工程学报》;20120430;第12卷(第2期);第271-276页 *
异钢种连浇工艺参数对交接坯长度的影响;毕经汉等;《钢铁钒钛》;20121031;第33卷(第5期);第46-49页 *
板坯连铸生产实践分析与工艺控制;陈振文等;《连铸》;20181015(第05期);第9-12页 *
连铸板坯结晶器液面波动及冲击深度水模型研究;刘红军等;《特殊钢》;20130601(第03期);第1-3页 *

Also Published As

Publication number Publication date
CN110261566A (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
CN110261566B (zh) 一种用于异钢种混浇坯的成分变化预测方法及其系统
US5884685A (en) Quality prediction and quality control of continuous-cast steel
EP3100802A1 (en) Method, device and program for determining casting state in continuous casting
CN110991916A (zh) 一种铸坯质量判定系统和方法
CN108733959B (zh) 一种基于数值模拟的铸锭质量评价方法
CN104931332A (zh) 一种基于时间的薄板成形极限确定方法
CN104359735A (zh) 一种高碳不锈钢标样的制备方法
Da Rocha et al. Evaluation of secondary steelmaking slags and their relation with steel cleanliness
CN101105456B (zh) 一种合金钢样品夹杂含量快速测定的分析方法
CN112232703A (zh) 铸坯质量判定方法及系统
CN105466961A (zh) 一种连铸钢坯合金元素微观偏析的评价方法
CN112304801B (zh) 一种高品位渣钢铁中金属铁含量的测定方法
CN103163079B (zh) 一种低碳含铝硅钢标准样品及其制备方法
Karnasiewicz et al. Observational study of clogging specimens from the tundish well showing origin and growth of a clog in an Al-Killed Ti-Alloyed steel cast
CN104155161B (zh) 一种耐蚀合金板坯解剖分析方法
Chinese Society for Metals (CSM) and The Minerals, Metals & Materials Society (TMS) et al. Automatic measurement of centreline segregation in continuously cast line pipe steel slabs
JP4882769B2 (ja) 連続鋳造鋳片の中心偏析予測方法及び連続鋳造鋳片の製造方法
KR20010057093A (ko) 연속주조주편의 내부 품질 평가 방법
Zhu Low Cost Production of High Quality Clean Steel by the Implementation of Automated Inclusion Analysis Technology
CN114561509B (zh) 一种电弧炉终点碳含量预测方法
CN113916924B (zh) 复合钢材结合面界定方法、评价方法、装置及存储介质
RU2787109C1 (ru) Устройство для оценки толщины затвердевшей корочки в кристаллизаторе и способ оценки толщины затвердевшей корочки в кристаллизаторе
TWI461947B (zh) 預測連鑄鋼胚是否具有表面橫向裂縫的方法
CN108342538B (zh) 一种提高tso转炉副枪探头的精确测量碳含量的方法
JP4464583B2 (ja) ビレットおよび線材の偏析評価方法

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