CN113263154B - 金属枝晶间距预测方法及装置、设备、存储介质 - Google Patents
金属枝晶间距预测方法及装置、设备、存储介质 Download PDFInfo
- Publication number
- CN113263154B CN113263154B CN202110529527.3A CN202110529527A CN113263154B CN 113263154 B CN113263154 B CN 113263154B CN 202110529527 A CN202110529527 A CN 202110529527A CN 113263154 B CN113263154 B CN 113263154B
- Authority
- CN
- China
- Prior art keywords
- real
- reduction
- spacing
- continuous casting
- dendritic crystal
- 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
Links
Images
Classifications
-
- 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
-
- 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
- B22D11/12—Accessories for subsequent treating or working cast stock in situ
- B22D11/1206—Accessories for subsequent treating or working cast stock in situ for plastic shaping of strands
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Continuous Casting (AREA)
Abstract
本发明公开了一种金属枝晶间距预测方法及装置、设备、存储介质,通过获取金属在连铸轻压下过程中连铸机的轻压下量、实时总压下量、实时凝固速度和实时温度梯度,并代入关系模型,获得金属的预测枝晶间距,其中,关系模型用于反映金属枝晶间距与连铸轻压下工艺参数的关系,从而可以反映连铸轻压下过程中金属枝晶间距与工艺参数的关系,进而可以对连铸轻压下过程中金属枝晶间距进行动态预测。
Description
技术领域
本发明属于金属连铸技术领域,具体涉及一种金属枝晶间距预测方法及装置、设备、存储介质。
背景技术
金属的凝固速度、凝固前沿固液两相区的温度梯度(由冷却速度决定)及凝固条件是影响其凝固组织(如枝晶)的重要因素,而枝晶间距是影响连铸钢坯质量的主要指标,即合金成分和凝固速度影响树枝晶细化程度,直接影响枝晶生长和显微偏析,最终影响钢材的机械性能。目前国内外很多学者对传统连铸工艺下金属的枝晶间距进行了不同层次的研究,并形成系统理论,认为一次枝晶间距λ1与凝固速度、温度梯度有关,二次枝晶间距λ2与凝固速度有关。
为了获得质量更好的钢材,很多学者探索枝晶间距与凝固速度、温度梯度及凝固条件的关系模型,反映凝固机理(如枝晶间距)与工艺参数的关系,用于确定合理工艺参数以减少缺陷。比如:
K.Nagai按照经验公式计算出低碳钢的二次枝晶间距λ2=688(60R)-0.36,靠测量低碳钢二次枝晶间距,计算出不同厚度的凝固冷却速度;
Han.Kim等研究高磷钢,得出枝晶间距与冷却速度的关系:λ1=0.371ε-0.329,λ2=688(60ε)-0.36;
J.E.Spinelli等根据二次枝晶间距与冷却速度的试验关系式,得出304钢的二次枝晶间距λ2=68ε-0.45[20],并靠测量不同位置的二次枝晶间距λ2,计算出不同厚度的凝固冷却速度。
但是,上述这些研究都是在传统连铸(无轻压下)工艺下进行的,已经不适应近几年发展起来并在国内外得到广泛应用的连铸轻压下新工艺。连铸轻压下新工艺是通过机械压力弥补、避免或焊合中心疏松,减少中心偏析,改善材料性能。其中,关键的工艺参数包括:总压下量、压下位置及指定区域的压下率和压下速率等。在连铸轻压下过程中很多工艺参数会发生变化,而以上模型均为静态模型,受限于技术和认知落后,在当今动态轻压下等新工艺的应用场景下,这些静态模型更显得与现实生产严重脱节,无法对连铸轻压下过程中金属枝晶间距进行动态预测。
发明内容
本发明的目的在于提供一种金属枝晶间距预测方法及装置、设备、存储介质,可以对连铸轻压下过程中金属枝晶间距进行动态预测。
本发明实施例第一方面公开一种金属枝晶间距预测方法,包括:
获取金属在连铸轻压下过程中连铸机的轻压下量、实时总压下量和实时冷却水参数;所述实时冷却水参数包括实时凝固速度和实时温度梯度;
将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型,获得所述金属的预测枝晶间距;其中,所述关系模型用于反映金属枝晶间距与连铸轻压下工艺参数的关系。
在其中一个实施例中,所述预测枝晶间距包括一次枝晶间距和二次枝晶间距;所述关系模型通过以下公式表示:
式中,λ1代表所述一次枝晶间距,λ2代表所述二次枝晶间距,R代表所述实时凝固速度,G代表所述实时温度梯度,Δ代表所述实时总压下量,Z代表连铸机的轻压下量,n、p均为经验常数。
在其中一个实施例中,所述将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型获得所述金属的预测枝晶间距之前,所述方法还包括:
针对各种不同生产工艺,利用枝晶腐蚀法对无轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距平均值并代入雅可彼模型,计算出各个位置对应的凝固速度和温度梯度;
针对各种不同生产工艺,利用枝晶腐蚀法对有轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距并代入所述关系模型,同时将测得的连铸总压下量、连铸机的轻压下量以及所述雅可彼模型计算出的各个位置对应的凝固速度和温度梯度代入所述关系模型,求解出所述关系模型的经验常数的值。
在其中一个实施例中,所述求解出所述关系模型的经验常数的值之后,以及所述将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型获得所述金属的预测枝晶间距之前,所述方法还包括:
针对无轻压下和有轻压下两种情况,分别计算各种工艺下铸坯试样的凝固速度,若各种工艺在两种情况下所述凝固速度的差值均小于指定阈值,判定所述关系模型成立,并执行所述将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型获得所述金属的预测枝晶间距的步骤。
在其中一个实施例中,n=-0.45,p=-0.31。
本发明实施例第二方面公开一种金属枝晶间距预测装置,包括:
获取单元,用于获取金属在连铸轻压下过程中连铸机的轻压下量、实时总压下量和实时冷却水参数;所述实时冷却水参数包括实时凝固速度和实时温度梯度;
预测单元,用于将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型,获得所述金属的预测枝晶间距;其中,所述关系模型用于反映金属枝晶间距与连铸轻压下工艺参数的关系。
在其中一个实施例中,所述金属枝晶间距预测装置还包括:
计算单元,用于在所述预测单元将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型获得所述金属的预测枝晶间距之前,针对各种不同生产工艺,利用枝晶腐蚀法对无轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距平均值并代入雅可彼模型,计算出各个位置对应的凝固速度和温度梯度;
求解单元,用于针对各种不同生产工艺,利用枝晶腐蚀法对有轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距并代入所述关系模型,同时将测得的连铸总压下量、连铸机的轻压下量以及所述雅可彼模型计算出的各个位置对应的凝固速度和温度梯度代入所述关系模型,求解出所述关系模型的经验常数的值。
在其中一个实施例中,所述金属枝晶间距预测装置还包括:
验证单元,用于在所述求解单元求解出所述关系模型的经验常数的值之后,以及所述预测单元将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型获得所述金属的预测枝晶间距之前,针对无轻压下和有轻压下两种情况,分别计算各种工艺下铸坯试样的凝固速度;以及,在各种工艺在两种情况下所述凝固速度的差值均小于指定阈值时,判定所述关系模型成立,并触发所述预测单元执行所述将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型获得所述金属的预测枝晶间距的操作。
本发明实施例第三方面公开一种电子设备,包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行第一方面公开的金属枝晶间距预测方法。
本发明实施例第四方面公开一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行第一方面公开的金属枝晶间距预测方法。
本发明所提供的金属枝晶间距预测方法及装置、设备、存储介质,通过获取金属在连铸轻压下过程中连铸机的轻压下量、实时总压下量、实时凝固速度和实时温度梯度,并代入关系模型,获得金属的预测枝晶间距,其中,关系模型用于反映金属枝晶间距与连铸轻压下工艺参数的关系,从而可以反映连铸轻压下过程中金属枝晶间距与工艺参数的关系,进而可以对连铸轻压下过程中金属枝晶间距进行动态预测。
附图说明
此处的附图,示出了本发明所述技术方案的具体实例,并与具体实施方式构成说明书的一部分,用于解释本发明的技术方案、原理及效果。
除非特别说明或另有定义,不同附图中,相同的附图标记代表相同或相似的技术特征,对于相同或相似的技术特征,也可能会采用不同的附图标记进行表示。
图1是本发明实施例公开的一种金属枝晶间距预测方法的流程图;
图2是本发明实施例公开的无轻压下各种工艺下铸坯试样不同位置的凝固速度变化曲线图;
图3是本发明实施例公开的有轻压下各种工艺下铸坯试样不同位置的凝固速度变化曲线图;
图4是本发明实施例公开的一种金属枝晶间距预测装置的结构示意图。
图5是本发明实施例公开的一种电子设备的结构示意图。
附图标记说明:
401、获取单元;402、预测单元;403、计算单元;404、求解单元;405、验证单元;501、存储器;502、处理器。
具体实施方式
为了便于理解本发明,下面将参照说明书附图对本发明的具体实施例进行更详细的描述。
除非特别说明或另有定义,本文所使用的所有技术和科学术语与所属技术领域的技术人员通常理解的含义相同。在结合本发明的技术方案以现实的场景的情况下,本文所使用的所有技术和科学术语也可以具有与实现本发明的技术方案的目的相对应的含义。本文所使用的“第一、第二…”仅仅是用于对名称的区分,不代表具体的数量或顺序。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
需要说明的是,当元件被认为“固定于”另一个元件,它可以是直接固定在另一个元件上,也可以是存在居中的元件;当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件,也可以是同时存在居中元件;当一个元件被认为是“安装在”另一个元件,它可以是直接安装在另一个元件,也可以是同时存在居中元件。当一个元件被认为是“设在”另一个元件,它可以是直接设在另一个元件,也可以是同时存在居中元件。
除非特别说明或另有定义,本文所使用的“所述”、“该”为相应位置之前所提及或描述的技术特征或技术内容,该技术特征或技术内容与其所提及的技术特征或技术内容可以是相同的,也可以是相似的。
毫无疑义,与本发明的目的相违背,或者明显矛盾的技术内容或技术特征,应被排除在外。
如图1所示,本发明实施例公开一种金属枝晶间距预测方法,包括:
S101、获取金属在连铸轻压下过程中连铸机的轻压下量、实时总压下量和实时冷却水参数;其中,实时冷却水参数包括实时凝固速度和实时温度梯度。
S102、将连铸机的轻压下量、实时总压下量和实时冷却水参数代入关系模型,获得金属的预测枝晶间距;其中,关系模型用于反映金属枝晶间距与连铸轻压下工艺参数的关系。
可选地,预测枝晶间距包括一次枝晶间距和二次枝晶间距;该关系模型通过以下公式(1)表示:
式中,λ1代表一次枝晶间距,λ2代表二次枝晶间距,R代表实时凝固速度,G代表实时温度梯度,Δ代表实时总压下量,Z代表连铸机的轻压下量,n、p均为经验常数。
其中,公式(1)是在雅可彼模型的基础上进行架构的,如背景技术中所述,雅可彼模型用于反映枝晶间距与凝固速度、温度梯度的关系,当时还没有连铸轻压下新工艺的出现,因此,雅可彼模型无法反映连铸轻压下过程中金属枝晶间距与工艺参数的关系。
本发明实施例以低合金高强度Q460钢坯为例,在动态轻压下等新工艺、新技术背景下,在实验室及工业试验基础上获得大批量数据,通过数据挖掘等方法,对动态轻压下工艺下钢坯凝固过程的枝晶间距变化特征进行试验。
可以理解的是,除了连铸机的轻压下量对铸坯的收缩影响,铸坯在凝固过程中还存在自然收缩影响,即没有外力作用(如钢水静压力、辊子对铸坯的压力等),只由物体热胀冷缩原因引起的连铸坯断面的收缩。因此,连铸机的辊缝非自然收缩量,即总压下量Δ=A+Z,其中,Z代表连铸机的轻压下量,A代表铸坯自然收缩的辊缝值。
首先,通过统计大于10炉低合金高强度铸坯试样无轻压下时的辊缝值,得到低合金高强度铸坯自然收缩时对应辊缝值的平均值A平=4.11mm,进而根据连铸机的轻压下量Z样,可以获得连铸机的总压下量Δ样,将连铸机的总压下量Δ样与对应位置的枝晶间距进行多元回归,回归方程通过以下公式(2)表示,可得负相关系数为0.79,说明总压下量Δ样与枝晶间距密切相关。
Δi=-4.4628+2.8563λ1i+12.1796λ2i (2)
式中,Δi代表第i位置的辊缝收缩量,λ1i代表第i位置的一次枝晶间距,λ2i代表第i位置的二次枝晶间距。
在本发明实施例公开的关系模型的构建过程中,采用对传统连铸(无轻压下)和连铸轻压下两种生产工艺下的大批量生产试样进行检测分析,并对每块毛坯试样的厚度方向不同位置的枝晶间距与连铸机的轻压下量Z样的关系进行作图分析,发现铸坯的枝晶间距与压下量Z样的变化趋势基本一致;以及,枝晶间距与压下量Z样之间呈非直线性关系,特别是压下量Z样与λ2差别较大。
式中,λ1代表一次枝晶间距,λ2代表二次枝晶间距,R代表实时凝固速度,G代表实时温度梯度,Δ代表实时总压下量,A代表铸坯自然收缩的辊缝值,n、p均为常数。
进一步地,公式(3)中,铸坯自然收缩的辊缝值A可以通过测量的实时总压下量Δ及连铸机的轻压下量Z来表示,即A=Δ-Z,从而获得公式(1)。
本发明实施例中,公式(1)中,n、p均为经验常数,在执行步骤S102之前,可以由开发人员根据实际情况取样试验进行确定。其中,根据取样和/或试验手段的不同,确定出的经验常数可以有所不同。可选地,可以采用以下试验过程进行确定:
S1、针对各种不同生产工艺,利用枝晶腐蚀法对无轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距平均值并代入雅可彼模型,计算出各个位置对应的凝固速度和温度梯度;
其中,通过对各种工艺(如4种不同拉坯速度和4种不同温度梯度,即8种不同工艺)下前半炉无轻压下的铸坯中间坯的不同位置分别进行取样,后半炉有轻压下的铸坯中间坯的不同位置再分别进行取样,以分析同一工艺下轻压下工艺参数的影响。
具体地,对于无轻压下的铸坯中间坯的各个不同位置的取样,可以采用特定的专用腐蚀剂对铸坯中间坯进行枝晶腐蚀显形,然后运用显微镜及图像分析仪等对各个不同位置的枝晶间距进行批量测量,其中枝晶间距包括一次枝晶间距、二次枝晶间距。具体测量方式可以包括针对每个试样的每个视场测量21对,并取平均获得各个位置的枝晶间距平均值,然后将无轻压下的铸坯中间坯的各个不同位置的枝晶间距平均值代入雅可彼模型,计算出各个位置对应的凝固速度和温度梯度。
其中,后半炉与前半炉对应的连铸坯除轻压下外其它工艺、设备等条件均相同,即除了轻压下工艺参数,其它工艺一样,因此凝固速度和温度梯度对铸坯枝晶间距的影响可视为相同,计算出的凝固速度和温度梯度的数值可应用于上述公式(1)。
S2、针对各种不同生产工艺,利用枝晶腐蚀法对有轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距并代入关系模型,同时将测得的连铸总压下量、连铸机的轻压下量以及步骤S1计算出的各个位置对应的凝固速度和温度梯度代入关系模型,求解出关系模型的经验常数的值。
对于有轻压下的铸坯中间坯的各个不同位置的取样,也同样可以采用特定的专用腐蚀剂对铸坯中间坯进行枝晶腐蚀显形,然后运用显微镜及图像分析仪等对各个不同位置的枝晶间距进行测量,获得各个位置的枝晶间距测量结果代入公式(1),同时将轻压下工艺参数(即后半炉所测得的连铸总压下量Δ样、连铸机的轻压下量Z样)、以及步骤S1计算出的各个位置对应的凝固速度和温度梯度一起代入公式(1),构建超额方程进行求解,计算出铸坯各个不同位置的ni、pi,将各个不同位置的ni、pi的平均值作为n、p的值,可得n=-0.45,p=-0.31。将n、p的值代入公式(1),相应的关系模型可通过下式(4)表示:
可选地,在求解出关系模型的经验常数的值,即执行步骤S2之后,还可以对关系模型进行验证。具体地,针对无轻压下和有轻压下两种情况,分别计算各种工艺下铸坯试样的凝固速度,若各种工艺在两种情况下凝固速度的差值均小于指定阈值,判定关系模型成立,其中该指定阈值的数值可人为设定。可选地,若关系模型成立,再执行步骤S102,可以提高枝晶间距的预测准确度。
本发明实施例中,考虑到在实际生产中,工艺不变时所对应的冷却条件是不会发生变化的,即同一炉钢坯在同一位置的凝固速度不变。因此,可以借助铸坯不同位置的凝固速度来对关系模型进行验证,验证过程如下:
重新取5种不同工艺下的铸坯试样3#~7#,对同一工艺下前半炉无轻压下的铸坯中间坯取样,对后半炉有轻压下的铸坯中间坯再取样。根据雅可彼模型计算出无轻压下各种工艺下铸坯试样不同位置的凝固速度,如图2所示。其中,横坐标表示位置,纵坐标表示凝固速度,R3#~R7#分别表示各种工艺下铸坯试样的不同位置的凝固速度变化曲线。以及,根据公式(4)计算出有轻压下各种工艺下铸坯试样不同位置的凝固速度,如图3所示。
分析图2和3可得,图2、3中铸坯3#~7#各自对应的两条凝固速度变化曲线的形状、大小值均基本没有改变。也即,针对每一种工艺下,根据雅可彼模型计算的无轻压下铸坯试样的凝固速度与根据公式(4)计算的有轻压下的铸坯试样的凝固速度几乎完全相同,证明了本发明实施例公开的关系模型与雅可彼模型的一致性。可见,本发明实施例公开的公式(1)基本能较准确的反映铸坯在轻压下工艺下,枝晶间距与凝固速度、温度梯度、总压下量及压下量的关系。
实施本发明实施例,通过获取金属在连铸轻压下过程中连铸机的轻压下量、实时总压下量、实时凝固速度和实时温度梯度,并代入关系模型,获得金属的预测枝晶间距,其中,关系模型用于反映金属枝晶间距与连铸轻压下工艺参数的关系,从而可以反映连铸轻压下过程中金属枝晶间距与工艺参数的关系,进而可以对连铸轻压下过程中金属枝晶间距进行动态预测,进而推测金属钢板性能。
基于此,可以将所建立的动态的关系模型用于实际生产,为金属材料性能提高及轻压下工艺参数优化提供理论和技术支持,并为进一步探讨产品质量前馈预警做好铺垫,进而形成指导生产操作的文件,更加规范地指导生产,在实际生产中,可以通过控制连铸机的总压下量和冷却水参数,来达到缩小枝晶间距的目的,有利于实现细化晶粒,最大限度地提升钢板性能质量,具有重要的实际意义。
如图4所示,本发明实施例公开一种金属枝晶间距预测装置,包括获取单元401和预测单元402,其中,
获取单元401,用于获取金属在连铸轻压下过程中连铸机的轻压下量、实时总压下量和实时冷却水参数;其中,实时冷却水参数包括实时凝固速度和实时温度梯度。
预测单元402,用于将连铸机的轻压下量、实时总压下量和实时冷却水参数代入关系模型,获得金属的预测枝晶间距;其中,关系模型用于反映金属枝晶间距与连铸轻压下工艺参数的关系。
可选地,预测枝晶间距包括一次枝晶间距和二次枝晶间距;关系模型通过上述公式(1)表示。本实施例关于关系模型的详细内容在以上已有描述,此处不再赘述。
可选地,图4所示的金属枝晶间距预测装置还可以包括计算单元403和求解单元404,其中,
计算单元403,用于在预测单元402将连铸机的轻压下量、实时总压下量和实时冷却水参数代入关系模型获得金属的预测枝晶间距之前,针对各种不同生产工艺,利用枝晶腐蚀法对无轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距平均值并代入雅可彼模型,计算出各个位置对应的凝固速度和温度梯度;
求解单元404,用于针对各种不同生产工艺,利用枝晶腐蚀法对有轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距并代入关系模型,同时将测得的连铸总压下量、连铸机的轻压下量以及雅可彼模型计算出的各个位置对应的凝固速度和温度梯度代入关系模型,求解出关系模型的经验常数的值。
可选地,图4所示的金属枝晶间距预测装置还可以包括验证单元405,用于在求解单元404求解出关系模型的经验常数的值之后,以及预测单元402将连铸机的轻压下量、实时总压下量和实时冷却水参数代入关系模型获得金属的预测枝晶间距之前,针对无轻压下和有轻压下两种情况,分别计算各种工艺下铸坯试样的凝固速度;以及,在各种工艺在两种情况下凝固速度的差值均小于指定阈值时,判定关系模型成立,并触发预测单元402执行将连铸机的轻压下量、实时总压下量和实时冷却水参数代入关系模型获得金属的预测枝晶间距的操作。
如图5所示,本发明实施例公开一种电子设备,包括存储有可执行程序代码的存储器501以及与存储器501耦合的处理器502;
其中,处理器502调用存储器501中存储的可执行程序代码,执行上述各实施例中描述的金属枝晶间距预测方法。
本发明实施例还公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行上述各实施例中描述的金属枝晶间距预测方法。
以上实施例的目的,是对本发明的技术方案进行示例性的再现与推导,并以此完整的描述本发明的技术方案、目的及效果,其目的是使公众对本发明的公开内容的理解更加透彻、全面,并不以此限定本发明的保护范围。
以上实施例也并非是基于本发明的穷尽性列举,在此之外,还可以存在多个未列出的其他实施方式。在不违反本发明构思的基础上所作的任何替换与改进,均属本发明的保护范围。
Claims (7)
1.金属枝晶间距预测方法,其特征在于,包括:
获取金属在连铸轻压下过程中连铸机的轻压下量、实时总压下量和实时冷却水参数;所述实时冷却水参数包括实时凝固速度和实时温度梯度;
将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型,获得所述金属的预测枝晶间距;其中,所述关系模型用于反映金属枝晶间距与连铸轻压下工艺参数的关系;
其中,所述预测枝晶间距包括一次枝晶间距和二次枝晶间距;所述关系模型通过以下公式表示:
式中,λ1代表所述一次枝晶间距,λ2代表所述二次枝晶间距,R代表所述实时凝固速度,G代表所述实时温度梯度,Δ代表所述实时总压下量,Z代表连铸机的轻压下量,n、p均为经验常数;
其中,所述经验常数的求解过程包括:
针对各种不同生产工艺,利用枝晶腐蚀法对无轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距平均值并代入雅可彼模型,计算出各个位置对应的凝固速度和温度梯度;
针对各种不同生产工艺,利用枝晶腐蚀法对有轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距并代入所述关系模型,同时将测得的连铸总压下量作为所述实时总压下量、连铸机的轻压下量以及所述雅可彼模型计算出的各个位置对应的凝固速度和温度梯度分别作为所述实时凝固速度和所述实时温度梯度,代入所述关系模型,求解出所述关系模型的经验常数的值。
2.如权利要求1所述的金属枝晶间距预测方法,其特征在于,所述求解出所述关系模型的经验常数的值之后,以及所述将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型获得所述金属的预测枝晶间距之前,所述方法还包括:
针对无轻压下和有轻压下两种情况,分别计算各种工艺下铸坯试样的凝固速度,其中,针对无轻压下的情况,利用枝晶腐蚀法对无轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距平均值并代入雅可彼模型,计算出各个位置对应的凝固速度;
针对有轻压下的情况,利用枝晶腐蚀法对有轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距,将各个不同位置的枝晶间距、测得的连铸总压下量作为所述实时总压下量、以及连铸机的轻压下量代入所述关系模型,计算出各种工艺下铸坯试样不同位置的凝固速度;
若各种工艺在两种情况下所述凝固速度的差值均小于指定阈值,判定所述关系模型成立,并执行所述将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型获得所述金属的预测枝晶间距的步骤。
3.如权利要求1或2所述的金属枝晶间距预测方法,其特征在于,n=-0.45,p=-0.31。
4.金属枝晶间距预测装置,其特征在于,包括:
计算单元,用于针对各种不同生产工艺,利用枝晶腐蚀法对无轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距平均值并代入雅可彼模型,计算出各个位置对应的凝固速度和温度梯度;
求解单元,用于针对各种不同生产工艺,利用枝晶腐蚀法对有轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距并代入关系模型,同时将测得的连铸总压下量作为实时总压下量、连铸机的轻压下量以及所述雅可彼模型计算出的各个位置对应的凝固速度和温度梯度分别作为实时凝固速度和实时温度梯度,代入关系模型,求解出所述关系模型的经验常数的值;
获取单元,用于获取金属在连铸轻压下过程中连铸机的轻压下量、实时总压下量和实时冷却水参数;所述实时冷却水参数包括实时凝固速度和实时温度梯度;
预测单元,用于将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入所述关系模型,获得所述金属的预测枝晶间距;其中,所述关系模型用于反映金属枝晶间距与连铸轻压下工艺参数的关系;
其中,所述预测枝晶间距包括一次枝晶间距和二次枝晶间距;所述关系模型通过以下公式表示:
式中,λ1代表所述一次枝晶间距,λ2代表所述二次枝晶间距,R代表所述实时凝固速度,G代表所述实时温度梯度,Δ代表所述实时总压下量,Z代表连铸机的轻压下量,n、p均为经验常数。
5.如权利要求4所述的金属枝晶间距预测装置,其特征在于,还包括:
验证单元,用于在所述求解单元求解出所述关系模型的经验常数的值之后,以及所述预测单元将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型获得所述金属的预测枝晶间距之前,针对无轻压下和有轻压下两种情况,分别计算各种工艺下铸坯试样的凝固速度;其中,针对无轻压下的情况,利用枝晶腐蚀法对无轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距平均值并代入雅可彼模型,计算出各个位置对应的凝固速度;
针对有轻压下的情况,利用枝晶腐蚀法对有轻压下铸坯中间坯进行枝晶腐蚀显形,然后测量各个不同位置的枝晶间距,将各个不同位置的枝晶间距、测得的连铸总压下量作为所述实时总压下量、以及连铸机的轻压下量代入所述关系模型,计算出各种工艺下铸坯试样不同位置的凝固速度;
以及,所述验证单元,还用于在各种工艺在两种情况下所述凝固速度的差值均小于指定阈值时,判定所述关系模型成立,并触发所述预测单元执行所述将所述连铸机的轻压下量、所述实时总压下量和所述实时冷却水参数代入关系模型获得所述金属的预测枝晶间距的操作。
6.电子设备,其特征在于,包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行权利要求1至3任一项所述的金属枝晶间距预测方法。
7.计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1至3任一项所述的金属枝晶间距预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110529527.3A CN113263154B (zh) | 2021-05-14 | 2021-05-14 | 金属枝晶间距预测方法及装置、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110529527.3A CN113263154B (zh) | 2021-05-14 | 2021-05-14 | 金属枝晶间距预测方法及装置、设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113263154A CN113263154A (zh) | 2021-08-17 |
CN113263154B true CN113263154B (zh) | 2022-11-25 |
Family
ID=77231216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110529527.3A Active CN113263154B (zh) | 2021-05-14 | 2021-05-14 | 金属枝晶间距预测方法及装置、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113263154B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005111544A (ja) * | 2003-10-09 | 2005-04-28 | Mitsubishi Materials Corp | 鋳物の凝固解析方法、凝固解析プログラム、記録媒体、マイクロポロシティの発生予測方法、マイクロポロシティ発生予測プログラム及び記録媒体 |
CN103729511A (zh) * | 2013-12-30 | 2014-04-16 | 上海交通大学 | 一种复杂结构铸件铸造过程中成分偏析程度的预测方法 |
CN108171008A (zh) * | 2018-01-23 | 2018-06-15 | 东北大学 | 一种连铸坯枝晶生长方向的预测方法 |
CN111570741A (zh) * | 2020-04-21 | 2020-08-25 | 河钢乐亭钢铁有限公司 | 一种连铸工艺与轻压下技术相结合的铸坯质量控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8942462B2 (en) * | 2012-04-12 | 2015-01-27 | GM Global Technology Operations LLC | Method for automatic quantification of dendrite arm spacing in dendritic microstructures |
-
2021
- 2021-05-14 CN CN202110529527.3A patent/CN113263154B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005111544A (ja) * | 2003-10-09 | 2005-04-28 | Mitsubishi Materials Corp | 鋳物の凝固解析方法、凝固解析プログラム、記録媒体、マイクロポロシティの発生予測方法、マイクロポロシティ発生予測プログラム及び記録媒体 |
CN103729511A (zh) * | 2013-12-30 | 2014-04-16 | 上海交通大学 | 一种复杂结构铸件铸造过程中成分偏析程度的预测方法 |
CN108171008A (zh) * | 2018-01-23 | 2018-06-15 | 东北大学 | 一种连铸坯枝晶生长方向的预测方法 |
CN111570741A (zh) * | 2020-04-21 | 2020-08-25 | 河钢乐亭钢铁有限公司 | 一种连铸工艺与轻压下技术相结合的铸坯质量控制方法 |
Non-Patent Citations (3)
Title |
---|
Predicting dendrite arm spacing and their effect on microporosity formation in directionally solidified Al-Cu alloy;M. L. N. M. MELO et al.;《Journal of Materials Science》;20051231;第1509-1609页 * |
Prediction of dendrite arm spacing for low alloy steel casting processes;M. EL-BEALY et al.;《Metallurgical and Materials Transactions B》;19961231;第689-693页 * |
提高中厚板连铸坯内部质量的工艺优化研究;刘小军等;《宽厚板》;20141231;第20卷(第06期);第26-29页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113263154A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106413942B (zh) | 连续铸造的铸造状态的判定方法、装置以及程序 | |
CN102998324B (zh) | 镁合金熔体凝固晶粒尺寸的热分析检测方法 | |
CN108132277B (zh) | 一种预测过共晶成分蠕墨铸铁蠕化率的方法 | |
Dong et al. | Shrinkage porosity and its alleviation by heavy reduction in continuously cast strand | |
CN103157772B (zh) | 一种连铸坯内部质量的预报方法 | |
JP7027536B2 (ja) | 解析システム及び解析方法 | |
CN110851997B (zh) | 一种测量和预测结晶器内真实初凝坯壳厚度的系统和方法 | |
TW200806984A (en) | Rolling line material quality prediction and control apparatus | |
Zappulla et al. | Effect of grade on thermal–mechanical behavior of steel during initial solidification | |
Li et al. | Prediction of internal crack initiation in continuously cast blooms | |
Ye et al. | Real-time quality prediction of casting billet based on random forest algorithm | |
CN113263154B (zh) | 金属枝晶间距预测方法及装置、设备、存储介质 | |
Cheng et al. | Comparison of porosity alleviation with the multi-roll and single-roll reduction modes during continuous casting | |
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 | |
CN111299534B (zh) | 连铸轻重压下基准辊缝确定方法及装置 | |
Duvvuri et al. | Correlation for mold heat flux measured in a thin slab casting mold | |
Duan et al. | Modeling of breakout prediction approach integrating feature dimension reduction with K-means clustering for slab continuous casting | |
Li et al. | Temperature Influence on Section Uniformity of Casting Steel Rolled with the Hot-Core Heavy Reduction Rolling Process and Traditional Hot Rolling Process | |
CN111950132A (zh) | 一种基于凝固过程数值模拟的连铸坯质量预测系统 | |
Sołek et al. | Thermo-Mechanical model of steel continuous casting process | |
CN106021860A (zh) | 一种球墨铸铁原铁水冶金状态综合评价方法 | |
JPH0550128A (ja) | 熱間圧延における鋼板の圧延温度予測方法 | |
CN106979899B (zh) | 结晶器镀层高温摩擦磨损性能评价实验机 | |
JP2008183606A (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 | |
Ning et al. | Effect of Rolling Pass on Porosity Void Closure of Bloom during Hot-Core Heavy Reduction Rolling |
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 |