CN111950132A - 一种基于凝固过程数值模拟的连铸坯质量预测系统 - Google Patents

一种基于凝固过程数值模拟的连铸坯质量预测系统 Download PDF

Info

Publication number
CN111950132A
CN111950132A CN202010720831.1A CN202010720831A CN111950132A CN 111950132 A CN111950132 A CN 111950132A CN 202010720831 A CN202010720831 A CN 202010720831A CN 111950132 A CN111950132 A CN 111950132A
Authority
CN
China
Prior art keywords
module
continuous casting
numerical simulation
solidification process
quality prediction
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.)
Pending
Application number
CN202010720831.1A
Other languages
English (en)
Inventor
张焕鑫
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.)
Metallurgy Intelligent Technology Zhangjiagang Co ltd
Original Assignee
Metallurgy Intelligent Technology Zhangjiagang 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 Metallurgy Intelligent Technology Zhangjiagang Co ltd filed Critical Metallurgy Intelligent Technology Zhangjiagang Co ltd
Priority to CN202010720831.1A priority Critical patent/CN111950132A/zh
Publication of CN111950132A publication Critical patent/CN111950132A/zh
Pending legal-status Critical Current

Links

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
    • B22D11/16—Controlling or regulating processes or operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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
    • G06F2119/08—Thermal analysis or thermal optimisation
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Continuous Casting (AREA)

Abstract

本发明公开了一种基于凝固过程数值模拟的连铸坯质量预测系统，包括连铸坯质量预测系统，连铸坯质量预测系统包括参数采集模块、模型建立模块、温度场计算模块、应力场、浓度场分布模块、定量预测模块和下线检测模块,参数采集模块的输出端与模型建立模块的输入端连接，本发明涉及冶金连铸坯质量预测技术领域。该基于凝固过程数值模拟的连铸坯质量预测系统，根据实时的生产工艺参数通过传热传质和力学模型进行温度场、浓度场、应力场的数值模拟计算，然后基于计算的结果定量地给出铸坯质量的预测结果，避免传统质量预测的各项初始加权系数不够准确、参数更改后需要重新设定的问题，提高了连铸坯质量预测的效率，准确性较好。

Description

一种基于凝固过程数值模拟的连铸坯质量预测系统
技术领域
本发明涉及冶金连铸坯质量预测技术领域，具体为一种基于凝固过程数值模拟的连铸坯质量预测系统。
背景技术
在现代连铸坯生产过程中，钢水通过钢包流入中间罐，从中间罐注入结晶器，经过一次冷却、二次冷却最终凝固成连铸坯；在整个凝固过程中，钢水温度、保护浇铸状态、结晶器振动参数、保护渣类型、一冷二冷水量、扇形段辊缝等一系列工艺参数对最终的铸坯质量都产生重要的影响，因此急需一种将各项工艺参数与铸坯质量联系起来的铸坯质量预测系统；
目前部分钢铁企业正在使用的铸坯质量预测系统，是通过统计规律，给与各项工艺参数一个阈值和加权系数；在连铸生产过程中，将连铸坯划分为很多层薄片进行分析，在某个薄片铸坯凝固的过程中，如果某项连铸工艺参数超出阈值范围，则在铸坯质量预测系统中按加权系数增加一项，最终通过各项相加，得出铸坯的质量预测值，当预测值大于一定界限值时，对铸坯给出下线检测或降等处理、判废等处理建议；
目前的连铸坯质量预测系统，是基于生产统计数据，质量预测的各项初始加权系数不够准确，没有物理意义，需要经过长期大量的样本学习才能起到真正的预测作用；当更换铸坯断面、铸机参数后，各项加权系数需要重新设定和学习，效率低，准确性差，为此，本发明提出了一种基于凝固过程数值模拟的连铸坯质量预测系统。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于凝固过程数值模拟的连铸坯质量预测系统，解决了目前的连铸坯质量预测系统，质量预测各项初始加权系数不够准确，更换铸坯断面、铸机参数后，需要重新设定和学习的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于凝固过程数值模拟的连铸坯质量预测系统，包括连铸坯质量预测系统，所述连铸坯质量预测系统包括参数采集模块、模型建立模块、温度场计算模块、应力场、浓度场分布模块、定量预测模块和下线检测模块。
优选的，所述参数采集模块的输出端与模型建立模块的输入端连接，所述模型建立模块的输出端与温度场计算模块的输入端连接。
优选的，所述温度场计算模块的输出端与应力场、浓度场分布模块的输入端连接，所述所述应力场、浓度场分布模块的输出端与定量预测模块的输入端连接。
优选的，所述定量预测模块的输出端与下线检测模块的输入端连接。
优选的，所述基于凝固过程数值模拟的连铸坯质量预测方法，具体包括以下步骤：
S1、首先建立连铸机一冷、二冷温度场计算模型，
计算铸坯温度分布的能量守恒控制方程为：
Figure BDA0002598807730000021
计算铸坯浓度分布的控制方程为：
Figure BDA0002598807730000031
计算铸坯应力场的公式为：
Figure BDA0002598807730000032
S2、将实时的钢种成分、过热度、拉速、一冷二冷水量等物性参数代入方程中，通过牛顿-拉普森法迭代求解式，获得铸坯在整个凝固过程中的动态温度场；
S3、然后根据动态的温度场结果计算铸坯坯壳的应力场、铸坯内部的浓度场分布，当应力值超过坯壳的高温抗拉强度，则在质量预测模型中判断该处铸坯出现裂纹；
S4、当铸坯内部碳浓度计算值超出中心偏析规定标准值，则在质量预测模型中判断该处铸坯出现偏析。
优选的，所述S1式中：Vcast为拉坯速度，m/s；ρ为密度，kg/m3；ρs为固相密度，kg/m3；ρ1为液相密度，kg/m3。
优选的，所述S1式中：cp为定压比热，J/(kg·K)；T为温度，K；keff为有效导热系数，W/(m·K)；S1为内热源，W/m3。
优选的，所述S1式中：C为浓度；D为溶质扩散系数(m2s-1)；下标1表示液相。
(三)有益效果
本发明提供了一种基于凝固过程数值模拟的连铸坯质量预测系统。与现有技术相比，具备以下有益效果：该基于凝固过程数值模拟的连铸坯质量预测系统，通过在，S1、首先建立连铸机一冷、二冷温度场计算模型，计算铸坯温度分布的能量守恒控制方程，计算铸坯浓度分布的控制方程，计算铸坯应力场，S2、将实时的钢种成分、过热度、拉速、一冷二冷水量等物性参数代入方程中，通过牛顿－拉普森法迭代求解式，获得铸坯在整个凝固过程中的动态温度场；S3、然后根据动态的温度场结果计算铸坯坯壳的应力场、铸坯内部的浓度场分布，当应力值超过坯壳的高温抗拉强度，则在质量预测模型中判断该处铸坯出现裂纹；S4、当铸坯内部碳浓度计算值超出中心偏析规定标准值，则在质量预测模型中判断该处铸坯出现偏析，根据实时的生产工艺参数通过传热传质和力学模型进行温度场、浓度场、应力场的数值模拟计算，然后基于计算的结果定量地给出铸坯质量的预测结果，避免传统质量预测的各项初始加权系数不够准确、参数更改后需要重新设定的问题，提高了连铸坯质量预测的效率，准确性较好。
附图说明
图1为本发明的系统原理框图；
图2为本发明动态计算的温度曲线结果；
图3为本发明浓度场计算的结果；
图4为本发明应力场计算的结果；
图5为本发明实际中心偏析的照片。
图中，1-连铸坯质量预测系统、11-参数采集模块、12-模型建立模块、13-温度场计算模块、14-应力场、浓度场分布模块、15-定量预测模块、16-下线检测模块。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
请参阅图1-5，本发明实施例提供一种技术方案：一种基于凝固过程数值模拟的连铸坯质量预测系统，包括连铸坯质量预测系统1，连铸坯质量预测系统1包括参数采集模块11、模型建立模块12、温度场计算模块13、应力场、浓度场分布模块14、定量预测模块15和下线检测模块16。
本发明中，参数采集模块11的输出端与模型建立模块12的输入端连接，模型建立模块12的输出端与温度场计算模块13的输入端连接。
本发明中，温度场计算模块13的输出端与应力场、浓度场分布模块14的输入端连接，应力场、浓度场分布模块14的输出端与定量预测模块15的输入端连接。
本发明中，定量预测模块15的输出端与下线检测模块16的输入端连接。
本发明中，基于凝固过程数值模拟的连铸坯质量预测方法，具体包括以下步骤：
S1、首先建立连铸机一冷、二冷温度场计算模型，
计算铸坯温度分布的能量守恒控制方程为：
Figure BDA0002598807730000051
计算铸坯浓度分布的控制方程为：
Figure BDA0002598807730000061
计算铸坯应力场的公式为：
Figure BDA0002598807730000062
S2、将实时的钢种成分、过热度、拉速、一冷二冷水量等物性参数代入方程中，通过牛顿-拉普森法迭代求解式，获得铸坯在整个凝固过程中的动态温度场；
S3、然后根据动态的温度场结果计算铸坯坯壳的应力场、铸坯内部的浓度场分布，当应力值超过坯壳的高温抗拉强度，则在质量预测模型中判断该处铸坯出现裂纹；
S4、当铸坯内部碳浓度计算值超出中心偏析规定标准值，则在质量预测模型中判断该处铸坯出现偏析。
本发明中，S1式中：Vcast为拉坯速度，m/s；ρ为密度，kg/m3；ρs为固相密度，kg/m3；ρ1为液相密度，kg/m3。
本发明中，S1式中：cp为定压比热，J/(kg·K)；T为温度，K；keff为有效导热系数，W/(m·K)；S1为内热源，W/m3。
本发明中，S1式中：C为浓度；D为溶质扩散系数(m2s-1)；下标1表示液相。
工作时，先根据该连铸机实时生产的钢种、过热度、一冷二冷水量、振动、热坯压力等工艺参数，代入数值模拟系统进行温度场计算；根据温度场计算的结果，计算浓度场和应力场，根据计算结果定量给出铸坯内部存在中心偏析和裂纹的程度与位置，指导铸坯下线检测；经过现场检测，发现计算给出的铸坯内部中心偏析状态与裂纹位置与预测位置相符。
同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于凝固过程数值模拟的连铸坯质量预测系统，包括连铸坯质量预测系统(1)，其特征在于：所述连铸坯质量预测系统(1)包括参数采集模块(11)、模型建立模块(12)、温度场计算模块(13)、应力场、浓度场分布模块(14)、定量预测模块(15)和下线检测模块(16)。
2.根据权利要求1所述的一种基于凝固过程数值模拟的连铸坯质量预测系统，其特征在于：所述参数采集模块(11)的输出端与模型建立模块(12)的输入端连接，所述模型建立模块(12)的输出端与温度场计算模块(13)的输入端连接。
3.根据权利要求1所述的一种基于凝固过程数值模拟的连铸坯质量预测系统，其特征在于：所述温度场计算模块(13)的输出端与应力场、浓度场分布模块(14)的输入端连接，所述所述应力场、浓度场分布模块(14)的输出端与定量预测模块(15)的输入端连接。
4.根据权利要求1所述的一种基于凝固过程数值模拟的连铸坯质量预测系统，其特征在于：所述定量预测模块(15)的输出端与下线检测模块(16)的输入端连接。
5.一种基于凝固过程数值模拟的连铸坯质量预测方法，其特征在于：具体包括以下步骤：
S1、首先建立连铸机一冷、二冷温度场计算模型，
计算铸坯温度分布的能量守恒控制方程为：
Figure FDA0002598807720000011
计算铸坯浓度分布的控制方程为：
Figure FDA0002598807720000021
计算铸坯应力场的公式为：
Figure FDA0002598807720000022
S2、将实时的钢种成分、过热度、拉速、一冷二冷水量等物性参数代入方程中，通过牛顿－拉普森法迭代求解式，获得铸坯在整个凝固过程中的动态温度场；
S3、然后根据动态的温度场结果计算铸坯坯壳的应力场、铸坯内部的浓度场分布，当应力值超过坯壳的高温抗拉强度，则在质量预测模型中判断该处铸坯出现裂纹；
S4、当铸坯内部碳浓度计算值超出中心偏析规定标准值，则在质量预测模型中判断该处铸坯出现偏析。
6.根据权利要求5所述的一种基于凝固过程数值模拟的连铸坯质量预测方法，其特征在于：所述S1式中：Vcast为拉坯速度，m/s；ρ为密度，kg/m3；ρs为固相密度，kg/m3；ρ1为液相密度，kg/m3。
7.根据权利要求5所述的一种基于凝固过程数值模拟的连铸坯质量预测发明，其特征在于：所述S1式中：cp为定压比热，J/(kg·K)；T为温度，K；keff为有效导热系数，W/(m·K)；S1为内热源，W/m3。
8.根据权利要求5所述的一种基于凝固过程数值模拟的连铸坯质量预测方法，其特征在于：所述S1式中：C为浓度；D为溶质扩散系数(m2s-1)；下标l表示液相。
CN202010720831.1A 2020-07-23 2020-07-23 一种基于凝固过程数值模拟的连铸坯质量预测系统 Pending CN111950132A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010720831.1A CN111950132A (zh) 2020-07-23 2020-07-23 一种基于凝固过程数值模拟的连铸坯质量预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010720831.1A CN111950132A (zh) 2020-07-23 2020-07-23 一种基于凝固过程数值模拟的连铸坯质量预测系统

Publications (1)

Publication Number Publication Date
CN111950132A true CN111950132A (zh) 2020-11-17

Family

ID=73341676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010720831.1A Pending CN111950132A (zh) 2020-07-23 2020-07-23 一种基于凝固过程数值模拟的连铸坯质量预测系统

Country Status (1)

Country Link
CN (1) CN111950132A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528432A (zh) * 2020-12-04 2021-03-19 东北大学 一种考虑非均匀二次冷却的连铸坯凝固传热计算方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528432A (zh) * 2020-12-04 2021-03-19 东北大学 一种考虑非均匀二次冷却的连铸坯凝固传热计算方法
CN112528432B (zh) * 2020-12-04 2023-10-10 东北大学 一种考虑非均匀二次冷却的连铸坯凝固传热计算方法

Similar Documents

Publication Publication Date Title
CN107229803A (zh) 一种预测连铸生产的铸坯微观组织的方法
Muhin et al. Simulation of accelerated strip cooling on the hot rolling mill run-out roller table
Zhao et al. The Position Study of Heavy Reduction Process for Improving Centerline Segregation or Porosity With Extra‐T hickness Slabs
Smirnov et al. Producing structural-steel bar from continuous-cast billet
CN104331629A (zh) 一种连铸结晶器保护渣液态、固态渣膜与气隙厚度非均匀分布的计算方法
El-Bealy On the formation of macrosegregation and interdendritic cracks during dendritic solidification of continuous casting of steel
CN111950132A (zh) 一种基于凝固过程数值模拟的连铸坯质量预测系统
Kumar et al. Development of intelligent mould for online detection of defects in steel billets
CN102847901B (zh) 一种连铸生产中控制铁素体不锈钢板坯宽度的方法
CN1641356B (zh) 硬线产品显微组织与力学性能预报系统
RU2301129C2 (ru) Способ непрерывного литья
CN110472342B (zh) 一种预测微合金钢连铸坯奥氏体静态再结晶行为的方法
CN115401178B (zh) 一种改善齿轮钢内部质量的压下工艺确定方法
CN111985655A (zh) 基于凝固过程数值模拟的连铸机设备智能运维方法
MACHOVCAK et al. The utilization of numerical modeling to optimize the production of heavy forging ingots in Vitkovice heavy machinery AS
CN113523216A (zh) 连铸单辊重压下控制方法及系统
CN114247863A (zh) 改善连铸坯质量的二冷装置控制方法、系统、设备及介质
Gao et al. Development of a Novel Strand Reduction Technology for the Continuous Casting of Homogeneous High‐Carbon Steel Billet
Thomas et al. Online dynamic control of cooling in continuous casting of thin steel slabs
CN113263154B (zh) 金属枝晶间距预测方法及装置、设备、存储介质
US9764379B2 (en) Modelling of a cast rolling device
CN111985085A (zh) 一种连铸机在线工艺优化模型系统
CN115351256B (zh) 确定表面淬冷系统最优淬冷时间的方法
Chernomas et al. Optimization of Technological Parameters of the Process for Obtaining a Strip by the Combined Method of Metal Casting and Deformation
CN117548639A (zh) 一种厚板坯连铸生产的过程监控方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20201117