CN113761477B - 一种熔渣黏度预测与成分控制模型的构建方法 - Google Patents

一种熔渣黏度预测与成分控制模型的构建方法 Download PDF

Info

Publication number
CN113761477B
CN113761477B CN202111005376.8A CN202111005376A CN113761477B CN 113761477 B CN113761477 B CN 113761477B CN 202111005376 A CN202111005376 A CN 202111005376A CN 113761477 B CN113761477 B CN 113761477B
Authority
CN
China
Prior art keywords
slag
viscosity
component
constructing
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.)
Active
Application number
CN202111005376.8A
Other languages
English (en)
Other versions
CN113761477A (zh
Inventor
赵忠宇
郭秀键
田文杰
倪晓明
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.)
Chongqing CISDI Thermal and Environmental Engineering Co Ltd
CISDI Research and Development Co Ltd
Original Assignee
Chongqing CISDI Thermal and Environmental Engineering Co Ltd
CISDI Research and Development 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 Chongqing CISDI Thermal and Environmental Engineering Co Ltd, CISDI Research and Development Co Ltd filed Critical Chongqing CISDI Thermal and Environmental Engineering Co Ltd
Priority to CN202111005376.8A priority Critical patent/CN113761477B/zh
Publication of CN113761477A publication Critical patent/CN113761477A/zh
Application granted granted Critical
Publication of CN113761477B publication Critical patent/CN113761477B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
    • G01N11/10—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by moving a body within the material
    • G01N11/14—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by moving a body within the material by using rotary bodies, e.g. vane
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Analytical Chemistry (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Optimization (AREA)
  • Biochemistry (AREA)
  • Mathematical Analysis (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Carbon Steel Or Casting Steel Manufacturing (AREA)
  • Treatment Of Steel In Its Molten State (AREA)

Abstract

本发明涉及一种熔渣黏度预测与成分控制模型的构建方法，属于冶金炉渣性能检测领域，包括S1.选定熔渣成分范围，针对熔渣成分范围设计二次回归正交试验方案，各成分质量分数范围为：CaF2：25％～65％，CaO：6％～35％，SiO2：5％～20％，Al2O3：15％～30％，MgO：1％～10％；S2.使用分析纯试剂配制上述成分的熔渣，并采用旋转柱体法测试熔渣黏度，得到黏度值；S3.依据上述熔渣成分与黏度值，依据Arrhenius方程搭建黏度参数方程，构建熔渣黏度预测模型，并绘制黏度等值图；S4.结合熔渣挥发特性，对熔渣取样做XRF(X射线荧光光谱仪)成分分析，并对上述黏度预测模型和等值图做修正，得到修正后的黏度参数方程。本发明充分考虑了熔渣挥发特性，最终实现对熔渣黏度与成分的有效控制。

Description

一种熔渣黏度预测与成分控制模型的构建方法
技术领域
本发明属于冶金炉渣性能检测领域，涉及一种熔渣黏度预测与成分控制模型的构建方法。
背景技术
炼钢过程熔渣的流动性对精炼反应、制定冶炼温度制度、渣金传热(传质)以及产品质量控制等均具有重要影响。黏度是影响熔渣流动性的主要因素，为此，诸多学者对各类炉渣的黏度影响以及控制机理作出分析，并希望建立一种普遍适用的炉渣黏度模型来预测不同组成的炉渣黏度随温度变化，但对含有挥发组元的炉渣，由于高温下熔渣成分不断变化，导致黏度预测结果与实验检测值相差较大。为此，如何获得更为准确的炉渣黏度参数以供炼钢工艺参考备受人们关注。
发明内容
有鉴于此，本发明的目的在于提供一种熔渣黏度预测与成分控制模型的构建方法，解决当前熔渣黏度模型对含有挥发性成分的熔渣黏度预测不准确的问题。
为达到上述目的，本发明提供如下技术方案：
一种熔渣黏度预测与成分控制模型的构建方法，包括以下步骤：
S1.选定熔渣成分范围，针对熔渣成分范围设计二次回归正交试验方案，各成分质量分数范围为：CaF2：25％～65％，CaO：6％～35％，SiO2：5％～20％，Al2O3：15％～30％，MgO：1％～10％；
S2.使用分析纯试剂配制上述成分的熔渣，并采用旋转柱体法测试熔渣黏度，得到黏度值；
S3.依据上述熔渣成分与黏度值，依据Arrhenius方程搭建黏度参数方程，构建熔渣黏度预测模型，并绘制黏度等值图；
S4.结合熔渣挥发特性，对熔渣取样做XRF(X射线荧光光谱仪)成分分析，并对上述黏度预测模型和等值图做修正，得到修正后的黏度参数方程。
进一步，步骤S1中，对熔渣设计正交试验，其中试验因素m＝5，两水平实验次数mc＝2m＝32，典型渣系实验次数mr＝4m＝20，零水平实验次数m0＝2，共计n＝mc+2m+m0＝54组。
进一步，步骤S2中，采用RTW-10型熔体物性综合测定仪对炉渣黏度检测，测试过程采用钼制坩埚和钼制测头，升温速率10℃·min-1，温度达到1500℃后以5℃/min降温，并记录黏度变化数据，检测过程通入高纯氩气保护，流量设置50ml/min。
进一步，步骤S3中，依据Arrhenius方程式1和式2，分别对黏度参数lnA和B＝E/R作非线性回归分析，得到关于熔渣成分与黏度参数的非线性回归方程式3和式4；
其中，x1、x2、x3、x4、x5分别表示CaF2、CaO、SiO2、Al2O3、MgO质量分数。
进一步，步骤S4中，修正后的黏度参数方程为式5和式6；
本发明的有益效果在于：
一方面，基于黏度检测和Arrhenius方程建立熔渣黏度预测模型，另一方面，综合考虑熔渣挥发特性，对熔渣成分进行修正，最终实现对熔渣黏度与成分的有效控制。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1a为熔渣黏度等值图的预测模型；图1b为熔渣黏度等值图的修正模型；
图2a为熔渣黏度检测与预测图的Riboud模型；图2b为熔渣黏度检测与预测图的Iida模型；图2c为熔渣黏度检测与预测图的Mills模型；图2d为熔渣黏度检测与预测图的本发明模型。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本实施例提供一种熔渣黏度预测与成分控制模型的构建方法，包括以下步骤：
S1.选定熔渣成分范围，针对熔渣成分范围设计二次回归正交试验方案，各成分质量分数范围为：CaF2：25％～65％，CaO：6％～35％，SiO2：5％～20％，Al2O3：15％～30％，MgO：1％～10％；对熔渣设计正交试验，其中试验因素m＝5，两水平实验次数mc＝2m＝32，典型渣系实验次数mr＝4m＝20，零水平实验次数m0＝2，共计n＝mc+2m+m0＝54组。
S2.使用分析纯试剂配制上述成分的熔渣，采用RTW-10型熔体物性综合测定仪对炉渣黏度检测，测试过程采用钼制坩埚和钼制测头，升温速率10℃·min-1，温度达到1500℃后以5℃/min降温，并记录黏度变化数据，检测过程通入高纯氩气保护，流量设置50ml/min。
S3.依据上述熔渣成分与黏度值，依据Arrhenius方程式1和式2，分别对黏度参数lnA和B＝E/R作非线性回归分析，得到关于熔渣成分与黏度参数的非线性回归方程式3和式4，构建熔渣黏度预测模型，并绘制黏度等值图；其中：
lnA＝-27.27+2.83x1+1.88x2-1.66x3-4.50x4+1.53x5-0.04x1x2-0.03x1x3+0.01x1x4-
0.02x1x5-0.09x2x3-0.14x2x5+0.11x3x4+0.19x3x5-0.04x4x5-0.03x1 2+0.15x3 2+0.10x4 2+0.31x5 2 (式3)
B＝812429.8-7713.1x1-9116.8x2-13672.2x3-7614.4x4+10.9x1x2+72.5x1x3-
16.6x1x4-122.8x1x5+96.2x2x3+29.8x2x4-73.6x2x5+37.4x3x4+26.5x3x5-102.2x4x5(式4)
其中，x1、x2、x3、x4、x5分别表示CaF2、CaO、SiO2、Al2O3、MgO质量分数。
S4.结合熔渣挥发特性，对熔渣取样做XRF成分分析，并对上述黏度预测模型和等值图做修正，得到修正后的黏度参数方程式5和式6；其中：
lnA＝-20.33-18.54x1-12.32x2-13.28x3-9.84x4-14.13x5-14.49x1x2-10.34x1x3-10.47x1x4-
13.95x1x5-7.59x2x3-6.87x2x5-8.63x3x4-7.23x3x5-9.99x4x5-5.82x1 2-9.42x2 2-6.91x3 2-13.73x4 2-5.88x5 2 (式5)
B＝29153.6-2722x1+15717.2x2+178.1x3-1169.8x4+1839.8x5+19.4x1x2+12.6x1x3+134x1x4-189.3x1x5
+110x2x3+97x2x4-126.1x2x5+10.1x3x4+151x3x5+79.5x4x5+13.4x1 2+8197.9x4 2+76.9x5 2 (式6)。
步骤S3建立的熔渣黏度预测模型(即式3和式4)与黏度等值图(图1a)表示熔渣初始成分对应下的实际黏度值，适用于工业混合型熔渣渣；步骤S4建立的修正后的黏度预测模型(即式5和式6)与黏度等值图(图1b)表示不同黏度值对应的实际熔渣成分，适用于工业预熔型熔渣。该构建方法适用于所有含挥发性成分的熔渣，包括含铅、锌渣，含轻金属(钾、钠)渣，以及含卤素(氟、氯)渣。
分别将国际上广泛应用的熔渣黏度预测模型：Riboud模型(基于Weymann-Frenkel公式)(图2a)，Iida模型(基于结晶温度分析)(图2b)以及Mills模型(基于光学碱度分析)(图2c)，与本发明的黏度预测模型(图2d)对熔渣黏度预测值的偏差率(式7)大小进行对比，对比结果如下：
式中，(ηn)est表示第n组熔渣试样黏度预测值，(ηn)mea表示第n组熔渣试样黏度检测值，N表示黏度实验总次数。
请参阅图2a～2d，对比可见，通过本发明黏度预测模型得出的黏度预测值与检测值更接近，即本发明模型具备更优的熔渣黏度预测值与可信度。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种熔渣黏度预测与成分控制模型的构建方法，其特征在于：包括以下步骤：
S1.选定熔渣成分范围，针对熔渣成分范围设计二次回归正交试验方案，各成分质量分数范围为：CaF2：25%~65%，CaO：6%~35%，SiO2：5%~20%，Al2O3：15%~30%，MgO：1%~10%；
S2.使用分析纯试剂配制上述成分的熔渣，并采用旋转柱体法测试熔渣黏度，得到黏度值；
S3.依据上述熔渣成分与黏度值，依据Arrhenius方程搭建黏度参数方程，构建熔渣黏度预测模型，并绘制黏度等值图；
步骤S3中，依据Arrhenius方程式1和式2，分别对黏度参数lnA和B=E/R作非线性回归分析，得到关于熔渣成分与黏度参数的非线性回归方程式3和式4；其中：
（式1）；
（式2）；
（式3）；
（式4）；
其中：
x 1、x 2、x 3、x 4、x 5分别表示CaF2、CaO、SiO2、Al2O3、MgO质量分数；
S4.结合熔渣挥发特性，对熔渣取样做XRF成分分析，并对上述黏度预测模型和等值图做修正，得到修正后的黏度参数方程。
2.根据权利要求1所述的熔渣黏度预测与成分控制模型的构建方法，其特征在于：步骤S1中，对熔渣设计正交试验，其中试验因素m=5，两水平实验次数mc=2m=32，典型渣系实验次数mr=4m=20，零水平实验次数m0=2，共计n=mc+2m+m0=54组。
3.根据权利要求1所述的熔渣黏度预测与成分控制模型的构建方法，其特征在于：步骤S2中，采用RTW-10型熔体物性综合测定仪对炉渣黏度检测，测试过程采用钼制坩埚和钼制测头，升温速率10℃·min-1，温度达到1500℃后以5℃/min降温，并记录黏度变化数据，检测过程通入高纯氩气保护，流量设置50ml/min。
4.根据权利要求1所述的熔渣黏度预测与成分控制模型的构建方法，其特征在于：步骤S4中，修正后的黏度参数方程为式5和式6；
（式5）；
（式6）。
CN202111005376.8A 2021-08-30 2021-08-30 一种熔渣黏度预测与成分控制模型的构建方法 Active CN113761477B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111005376.8A CN113761477B (zh) 2021-08-30 2021-08-30 一种熔渣黏度预测与成分控制模型的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111005376.8A CN113761477B (zh) 2021-08-30 2021-08-30 一种熔渣黏度预测与成分控制模型的构建方法

Publications (2)

Publication Number Publication Date
CN113761477A CN113761477A (zh) 2021-12-07
CN113761477B true CN113761477B (zh) 2023-07-18

Family

ID=78791811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111005376.8A Active CN113761477B (zh) 2021-08-30 2021-08-30 一种熔渣黏度预测与成分控制模型的构建方法

Country Status (1)

Country Link
CN (1) CN113761477B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030054558A (ko) * 2001-12-26 2003-07-02 주식회사 포스코 고로 조업방법
CN104408287A (zh) * 2014-10-27 2015-03-11 重庆大学 一种连铸结晶器保护渣粘度预测方法
CN112509642A (zh) * 2020-11-17 2021-03-16 中冶南方工程技术有限公司 一种高炉炉渣粘度的在线预测方法
CN112561182A (zh) * 2020-12-21 2021-03-26 东北大学 一种基于熔体结构解析的熔渣黏度预测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180230390A1 (en) * 2017-02-10 2018-08-16 United States Department Of Energy Slag management toolset for determining optimal gasification temperatures

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030054558A (ko) * 2001-12-26 2003-07-02 주식회사 포스코 고로 조업방법
CN104408287A (zh) * 2014-10-27 2015-03-11 重庆大学 一种连铸结晶器保护渣粘度预测方法
CN112509642A (zh) * 2020-11-17 2021-03-16 中冶南方工程技术有限公司 一种高炉炉渣粘度的在线预测方法
CN112561182A (zh) * 2020-12-21 2021-03-26 东北大学 一种基于熔体结构解析的熔渣黏度预测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Al_2O_3对钒钛高炉渣冶金性能的影响及黏度预测模型;梁海丽;冯聪;储满生;唐珏;王挽平;;中南大学学报(自然科学版)(第03期);24-30 *
Predicting slag viscosities in metallurgical systems;Kondratiev, A., Jak, E. & Hayes, P.C.;The Journal of The Minerals;41-45 *
含氟连铸保护渣黏度检测与预测模型;赵忠宇等;工程科学学报;第43卷(第4期);529-536 *
基于BP神经网络的高炉熔渣黏度预测;成日金;倪红卫;李先旺;朱文渊;熊敬超;何环宇;张华;;武汉科技大学学报(06);13-16 *
炉渣黏度测量与计算模型的研究进展;白晨光等;钢铁;第55卷(第8期);27-37 *

Also Published As

Publication number Publication date
CN113761477A (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN102253030B (zh) 一种测定高钛渣中杂质含量的方法
Jak Integrated experimental and thermodynamic modelling research methodology for metallurgical slags with examples in the copper production field
CN102539207B (zh) 用于测定硬质合金成分的标准样品的制备方法和测定方法
CN109358080A (zh) 一种测定钼铁合金主次成分的熔融制样—x荧光光谱法
CN103149074A (zh) X射线荧光光谱分析钼、锰、钒或铬铁合金样品的熔融制样方法
CN103149073A (zh) X射线荧光光谱分析硅铁、硅钙钡、硅锰、铝铁或钛铁合金样品的熔融制样方法
CN102507624A (zh) 一种铌铁合金中铌铁铝钛含量的测量方法
CN113761477B (zh) 一种熔渣黏度预测与成分控制模型的构建方法
CN103674983B (zh) 一种灵敏可靠的铬质引流砂中多组分同步检测方法
CN105651799A (zh) 一种x荧光检测石英砂中杂质含量的方法
CN108918563A (zh) 用于x射线荧光分析法测量硅锰合金中锰硅磷含量的试样的制备方法
CN110646452A (zh) X荧光熔片法测定铬铁合金中主量元素的方法
Chen et al. Measurement of minor element distributions in complex copper converting slags using quantitative microanalysis techniques
CN108414558A (zh) 一种用于x射线荧光谱分析法测定铬铁化学成分的熔融制样方法
CN105699364A (zh) 一种连续快速测定铌钽精矿中常规及微量元素的方法
CN106290438B (zh) 一种x射线荧光光谱熔融法测定萤石中氟化钙含量的方法
CN114486967B (zh) 一种x荧光对埋弧渣钙、硅、镁、铁测定的方法
CN111323444A (zh) 一种铌铁合金中铌钽磷锰硅铝铜含量的测定方法
EP0281037B1 (en) Method of measuring oxygen in silicon
CN111239172A (zh) 一种测定煤中磷含量的方法
KR102261801B1 (ko) 알루미늄 스크랩의 알루미늄 회수율 측정 방법
JPS6362695B2 (zh)
CN105784746A (zh) 石墨坩埚熔样与x射线荧光结合测定硅铁合金元素的方法
CN113155879A (zh) 一种测定萤石中二氧化硅和氟化钙含量的方法
CN110346392A (zh) 一种用于测定钒铁合金主次成分的方法

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