CN116759033B - 基于夹杂物的合金质量判定方法、系统及计算机存储介质 - Google Patents
基于夹杂物的合金质量判定方法、系统及计算机存储介质 Download PDFInfo
- Publication number
- CN116759033B CN116759033B CN202311029575.1A CN202311029575A CN116759033B CN 116759033 B CN116759033 B CN 116759033B CN 202311029575 A CN202311029575 A CN 202311029575A CN 116759033 B CN116759033 B CN 116759033B
- Authority
- CN
- China
- Prior art keywords
- inclusion
- alloy
- information
- casting blank
- characteristic information
- 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
- 239000000956 alloy Substances 0.000 title claims abstract description 164
- 229910045601 alloy Inorganic materials 0.000 title claims abstract description 163
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000005266 casting Methods 0.000 claims abstract description 96
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 claims abstract description 22
- 239000000463 material Substances 0.000 claims abstract description 14
- 239000000523 sample Substances 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000003723 Smelting Methods 0.000 claims description 12
- 238000009628 steelmaking Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 229910003460 diamond Inorganic materials 0.000 claims description 7
- 239000010432 diamond Substances 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000005498 polishing Methods 0.000 claims description 6
- 239000012496 blank sample Substances 0.000 claims description 5
- 239000003822 epoxy resin Substances 0.000 claims description 4
- 229920000647 polyepoxide Polymers 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 239000012535 impurity Substances 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 2
- 229910000831 Steel Inorganic materials 0.000 abstract description 22
- 239000010959 steel Substances 0.000 abstract description 22
- 238000001514 detection method Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 description 8
- 238000003908 quality control method Methods 0.000 description 5
- 238000005096 rolling process Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000009749 continuous casting Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 244000137852 Petrea volubilis Species 0.000 description 2
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 description 2
- 229910010271 silicon carbide Inorganic materials 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 229910000861 Mg alloy Inorganic materials 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010884 ion-beam technique Methods 0.000 description 1
- 230000007246 mechanism Effects 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
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 150000004760 silicates Chemical class 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 150000003568 thioethers Chemical class 0.000 description 1
Classifications
-
- 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
- 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
-
- 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
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
Abstract
本发明提供一种基于夹杂物的合金质量判定方法、系统及计算机存储介质，所述方法构建了包括铸坯合金夹杂物特征信息和加工后合金夹杂物特征信息的夹杂物数据库，并在数据库中建立了两者之间的对应关系，从而能够基于数据库信息综合考虑夹杂物特征值和加工工艺参数对钢材性能的影响程度，制定基于夹杂物的质量分级判据，实现对铸坯材料的分级处置，起到有效降低夹杂物检测强度，优化生产流程，提高成品夹杂物的检测效率的作用。
Description
技术领域
本发明涉及合金技术领域，具体地涉及一种基于夹杂物的合金质量判定方法、系统及计算机存储介质。
背景技术
在帘线、弹簧、缆索等高端线材中，夹杂物是关键的技术指标，现有技术主要通过炼钢、连铸、轧钢等工艺优化来控制夹杂物，但存在炼/轧过程分开控制夹杂物、成品夹杂物判定周期长、检测强度大等问题，并且存在无法实现坯料的分类/分级处置等问题，影响产品合格率。
发明内容
本发明的目的在于提供一种基于夹杂物的合金质量判定方法、系统及计算机存储介质。
本发明提供基于夹杂物的合金质量判定方法，包括步骤：
制取铸坯合金样品和加工后合金样品，统计分析所述铸坯样品和加工后合金样品夹杂物特征信息，建立所述铸坯合金夹杂物特征信息与所述加工后合金夹杂物特征信息之间的对应关系，构建夹杂物数据库；
基于所述夹杂物数据库数据，制定基于夹杂物特征信息的分级判定条件；
基于所述分级判定条件对合金待判定铸坯进行分级。
作为本发明的进一步改进，所述统计分析所述铸坯样品和加工后合金样品夹杂物特征信息，具体包括：
收集并统计所述铸坯样品夹杂物和加工后合金样品夹杂物的特征信息，所述夹杂物特征信息至少包括夹杂物的种类信息、数量信息、尺寸信息、二维形貌信息、元素信息、三维形态信息。
作为本发明的进一步改进，所述建立所述铸坯合金夹杂物特征信息与所述加工后合金夹杂物特征信息之间的对应关系，构建夹杂物数据库，具体包括：
将统计得到的夹杂物特征信息与合金生产信息、合金加工工艺信息相结合，并建立几者之间的联系，构建包括合金冶炼工艺信息、铸坯合金夹杂物特征信息、合金加工工艺信息和加工后合金夹杂物特征信息的夹杂物数据库。
作为本发明的进一步改进，所述基于所述夹杂物数据库数据，制定基于夹杂物特征信息的分级判定条件，具体包括：
对所述夹杂物特征信息进行分类处理，综合加工工艺参数和夹杂物对加工后合金性能的影响程度，设定夹杂物不同特征值对于铸坯合金性能影响的权重；
对夹杂物特征值进行评分；
根据公式：P=∑权重×评分，计算得到P值，结合P值和生产数据，制定铸坯材料分级判定条件。
作为本发明的进一步改进，所述对夹杂物特征值进行评分，具体包括：
对于夹杂物种类信息，按照夹杂物易变形至不易变形进行多级评分，夹杂物越容易变形，得分越高；
对于夹杂物尺寸信息，按照夹杂物长宽比或等效圆直径进行多级评分，夹杂物尺寸越小，得分越高；
对于夹杂物数量信息，按照单位面积内夹杂物数量进行多级评分，夹杂物数量越少，得分越高；
对于夹杂物形态信息，按照球形、椭球形、长条形、不规则形态的顺序进行多级评分，夹杂物形状越圆润，得分越高。
作为本发明的进一步改进，所述结合P值和生产数据，制定铸坯材料分级判定条件，具体包括：
按照P值大小，将铸坯合金分为四级，分别为一级铸坯、二级铸坯、三级铸坯和四级铸坯，P值越大铸坯合金级别越低，其中，所述一级铸坯被定义为可加工为任意规格产品，且不需要开展成品夹杂物分析；所述二级铸坯被定义为可加工为部分规格产品，且不需要开展成品夹杂物分析；所述三级铸坯被定义为只能加工为指定规格产品，且须至少取部分加工后合金样品进行夹杂物分析，并根据杂物分析结果，进行炼钢工艺优化；所述四级铸坯被定义为不能进行加工，并需要进行炼钢工艺优化。
作为本发明的进一步改进，所述取铸坯合金样品和加工后合金样品，具体包括：
从同一合金不同铸坯上取100个尺寸为6mm×11mm×2.5mm的夹杂物分析样品，同时从对应加工后合金样品取100个尺寸为5.5mm×11mm×2.5mm的纵截面夹杂物分析样品；
采用环氧树脂镶嵌成直径30mm的镶样，依次使用220#、600#、1200#、1500#的金刚石磨盘进行研磨，然后依次使用9μm、3μm、1μm金刚石抛光液进行抛光，制成样品。
本发明还提供一种基于夹杂物的合金质量判定系统，其包括：
夹杂物数据库模块，其包括铸坯合金样品和加工后合金样品的夹杂物统计数据以及两者之间的对应关系；
合金质量分级判定模块，其被配置用于基于所述夹杂物数据库数据，制定基于夹杂物特征信息的分级判定条件，并基于所述分级判定条件对合金待判定铸坯进行分级。
作为本发明的进一步改进，所述夹杂物数据库模块包括合金冶炼工艺信息、铸坯合金夹杂物特征信息、合金加工工艺信息和加工后合金夹杂物特征信息，以及几者之间的对应关系，所述夹杂物特征信息至少包括夹杂物的种类信息、数量信息、尺寸信息、二维形貌信息、元素信息、三维形态信息。
作为本发明的进一步改进，所述合金质量分级判定模块被配置用于：
对所述夹杂物特征信息进行分类处理，综合加工工艺参数和夹杂物对加工后合金性能的影响程度，设定夹杂物不同特征值对于铸坯合金性能影响的权重；
对夹杂物特征值进行评分；
根据公式：P=∑权重×评分，计算得到P值，结合P值和生产数据，制定铸坯材料分级判定条件。
本发明还提供一种计算机存储介质，其中存储有计算机程序，该计算机程序用于执行上述的基于夹杂物的合金质量判定方法。
本发明的有益效果是：本发明构建了包括合金冶炼工艺信息、铸坯合金夹杂物特征信息、钢材加工工艺信息和加工后合金夹杂物特征信息的夹杂物数据库，并在数据库中建立了几者之间的对应关系，从而能够基于数据库信息综合考虑夹杂物特征值和加工工艺参数对钢材性能的影响程度，制定基于夹杂物的质量分级判据，实现对铸坯材料的分级处置，起到有效降低夹杂物检测强度，优化生产流程，提高成品夹杂物的检测效率的作用。
附图说明
图1是本发明一实施方式中的基于夹杂物的合金质量判定方法步骤示意图。
图2是本发明一实施方式中的基于夹杂物的合金质量判定方法步骤S2的具体步骤示意图。
图3是发明一实施方式中的基于夹杂物的合金质量判定系统的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施方式及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施方式仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
下面详细描述本发明的实施方式，实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
本实施方式通过构建夹杂物数据库和制定基于夹杂物的质量分级判据，实现了高效判定夹杂物和优化铸坯材料的目标。该方案综合考虑夹杂物特征信息及其与加工工艺参数之间的关系，实现了高效的铸坯合金分级判定方法，提高了产品合格率和铸坯利用率，同时降低了检测强度和周期。并且基于数据库中大量数据的支持，使得针对合金的夹杂物质量控制更科学、准确。
在本实施方式中，合金材料为钢材，在本发明的其他实施方式中，也可基于其他诸如铝合金、镁合金等采用此方法。
如图1所示，本实施方式提供一种基于夹杂物的合金质量判定方法，包括步骤：
S1：制取铸坯合金样品和加工后合金样品，统计分析铸坯样品和加工后合金样品夹杂物特征信息，建立铸坯合金夹杂物特征信息与加工后合金夹杂物特征信息之间的对应关系，构建夹杂物数据库。
S2：基于夹杂物数据库数据，制定基于夹杂物特征信息的分级判定条件。
S3：基于分级判定条件对合金待判定铸坯进行分级。
在步骤S1中，先从铸坯合金和对应的加工后合金样品中分别取样。铸坯合金样品可在连铸坯上取样，而加工后合金样品则需从对应的线材等产品中取样。之后按照夹杂物分析仪器的要求对样品进行制样，以便后续的夹杂物统计分析和检测。
在步骤S1中，夹杂物特征信息至少包括：夹杂物的种类信息、数量信息、尺寸信息、二维形貌信息、元素信息、三维形态信息。
在本实施方式中，夹杂物的种类信息即指钢材中存在的不同种类的夹杂物，如氧化物、硫化物、硅酸盐等，不同种类的夹杂物对钢材的性能影响有显著差异，因此，了解夹杂物的种类可以帮助钢铁生产过程中进行有针对性的控制和优化。
夹杂物的数量信息即钢材中存在的夹杂物数量，通常以单位面积或体积中的夹杂物个数来表示，夹杂物数量多少直接关系到钢材的质量，数量过多可能导致钢材的强度和韧性下降，因此需要控制夹杂物的数量。
夹杂物的尺寸信息即表示夹杂物的大小，通常以长度、宽度或直径等尺寸参数来表示，夹杂物尺寸对钢材的性能影响显著，较大的夹杂物可能导致钢材出现脆性断裂。
夹杂物的二维形貌信息用于描述夹杂物在钢材截面上的形貌特征，如形状、分布等，二维形貌信息可以帮助确定夹杂物的位置和分布规律。
夹杂物的元素信息用于描述夹杂物的组成成分，如含氧量、含硫量等，夹杂物的元素组成会对夹杂物的性质产生影响。
夹杂物的三维形态信息用于描述夹杂物在钢材内的三维形状和位置分布，三维形态信息可以帮助深入了解夹杂物的空间分布特征，从而优化钢材的生产工艺。
统计上述夹杂物特征信息可以全面了解钢材中夹杂物的关键特征。将铸坯与加工后样品之间的夹杂物特征信息建立对应关系，可以得到铸坯夹杂物在加工过程中的演变规律，为钢材的设计和生产提供重要数据支持，提前制定合适的质量控制策略。并且，可以追溯生产过程中夹杂物的来源和变形机理，进一步提高对夹杂物的认识。
具体的，取样、制样和样品分析过程如下：
取样可以从同一合金不同铸坯上取100个尺寸为 6mm×11mm×2.5mm的夹杂物分析样品，同时从对应加工后合金样品取100个尺寸为5.5mm×11mm×2.5mm的纵截面夹杂物分析样品。这样的取样方式能够充分比较铸坯和加工后合金样品中的夹杂物情况，掌握夹杂物在生产过程中的演变规律。
制样过程中，采用环氧树脂镶嵌成直径30mm的镶样，依次使用220#、600#、1200#、1500#的金刚石磨盘进行研磨，然后依次使用9μm、3μm、1μm金刚石抛光液进行抛光，制成样品。采用金刚石磨盘进行研磨，而不使用常规的氧化铝砂纸和碳化硅砂纸，可以防在样品中带入氧化铝、碳化硅等，避免影响夹杂物统计的准确性。
将制备好的样品从环氧树脂中取出来，根据夹杂物统计数据分类结果，定位到每个类别的典型夹杂物，对夹杂物进行二维的形貌观察及能谱仪元素分析；选取各类别的典型夹杂物进行聚焦离子束系列切片，采集切片过程中带有夹杂物特征信息的电子图像，并利用三维重构软件进行夹杂物的三维重构，得到铸坯到盘条中夹杂物形态的演变数据。
对于不同合金，上述取样、制样和样品分析过程可根据合金性能做适配性调整。
将统计得到的夹杂物特征信息与合金生产信息、合金加工工艺相结合，构建包括合金冶炼工艺信息、铸坯合金夹杂物特征信息、合金加工工艺信息和加工后合金夹杂物特征信息的夹杂物数据库。合金冶炼工艺信息包括合金生产的具体工艺流程和参数，如炼钢温度、连铸速度等相关信息，合金加工工艺信息包括如轧制工艺参数、轧制温度、轧制速度等相关信息。
通过将以上信息整合，构建了一个全面的夹杂物数据库，能够提供完整和细致的夹杂物数据支持，并全面地反映夹杂物在铸坯和加工后的演变情况，以及夹杂物与冶炼条件、加工条件之间的关系，为夹杂物质量控制提供更多的参考数据。从而为制定更准确的质量控制方案和材料处置方案提供更有力的依据，同时，也有助于更深入地了解夹杂物的演变规律，进一步优化质量控制策略，提高产品合格率和生产效率。
如图2所示，在步骤S2中，其具体包括：
S21：对夹杂物特征信息进行分类处理，综合加工工艺参数和夹杂物对加工后合金性能的影响程度，设定夹杂物不同特征值对于铸坯合金性能影响的权重。
S22：对夹杂物特征值进行评分。
S23：根据公式：P=∑权重×评分，计算得到P值，结合P值和生产数据，制定铸坯材料分级判定条件。
在步骤S21中，如果某种夹杂物对合金性能的影响更为显著，那么其权重会较高；相反，对合金性能影响较小的夹杂物的权重则会相对较低。通过对夹杂物特征信息分类处理和权重设定，可以更加准确地反映夹杂物对合金性能的贡献。
在步骤S22中，对于每个夹杂物特征值，根据其所属类别和对合金性能影响的程度进行相应的评分，具体的，对于常见夹杂物特征采取以下评分规则：
对于夹杂物种类信息，按照夹杂物易变形至不易变形进行多级评分，夹杂物越容易变形，得分越高。
对于夹杂物尺寸信息，按照夹杂物长宽比或等效圆直径进行多级评分，夹杂物尺寸越小，得分越高。
对于夹杂物数量信息，按照单位面积内夹杂物数量进行多级评分，夹杂物数量越少，得分越高。
对于夹杂物形态信息，按照球形、椭球形、长条形、不规则形态进行多级评分，夹杂物形状越圆润，得分越高。
在本发明的其他实施方式中，也可根据设计需求及工艺条件，制定其他评分条件。
在步骤S23中，P值代表了铸坯合金夹杂物特征信息的综合评估情况，P值越大，说明铸坯夹杂物的级别越低，对加工后合金性能的影响程度越小；反之，P值越小，说明铸坯夹杂物的级别越高，对加工后合金性能的影响程度越大。
具体的，在本实施方式中，按照P值大小，将铸坯合金分为四级，分别为一级铸坯、二级铸坯、三级铸坯和四级铸坯，P值越大铸坯合金级别越低，一级铸坯被定义为可加工为任意规格产品，且不需要开展成品夹杂物分析；二级铸坯被定义为可加工为部分规格产品，且不需要开展成品夹杂物分析；三级铸坯被定义为只能加工为指定规格产品，且须至少取部分加工后合金样品进行夹杂物分析，并根据杂物分析结果，进行炼钢工艺优化；四级铸坯被定义为不能进行加工，并需进行炼钢工艺优化。
在本发明的其他实施方式中，也可根据其他判定标准，制定不同级别条件。
示例性的，对于直径5.5mm的82A帘线钢采用上述判定方法，统计得到所有夹杂物中易变形的夹杂物所占比例约为70%，评分为7分；尺寸在15μm以下的夹杂物占比达90%，评分为9分；单位面积夹杂物个数约为4.9个/mm2，评分为8分；铸坯中夹杂物以球形和长条形为主，且长条形后续为易变形，评分9分。
具体如下表所示：
| 种类 | 尺寸 | 数量 | 形态 | |
| 权重/% | 40% | 30% | 20% | 10% |
| 评分 | 7 | 9 | 8 | 9 |
计算表中帘线钢铸坯的P值，P=8。根据P值，判定铸坯为1级，可轧制所有规格，且不需要开展成品夹杂物分析，铸坯利用率为100%，成品合格率为100%。
综上，本实施方式构建了包括合金冶炼工艺信息、铸坯合金夹杂物特征信息、钢材加工工艺信息和加工后合金夹杂物特征信息的夹杂物数据库，并在数据库中建立了几者之间的对应关系，从而能够基于数据库信息综合考虑夹杂物特征值和加工工艺参数对钢材性能的影响程度，制定基于夹杂物的质量分级判据，实现对铸坯材料的分级处置，起到有效降低夹杂物检测强度，优化生产流程，提高成品夹杂物的检测效率的作用。
本实施方式还提供一种基于夹杂物的合金质量判定系统，结合图3，其包括：
夹杂物数据库模块1，其包括铸坯合金样品和加工后合金样品的夹杂物统计数据以及两者之间的对应关系；
合金质量分级判定模块2，其被配置用于基于夹杂物数据库数据，制定基于夹杂物特征信息的分级判定条件，并基于分级判定条件对合金待判定铸坯进行分级。
进一步的，夹杂物数据库模块1包括合金冶炼工艺信息、铸坯合金夹杂物特征信息、合金加工工艺信息和加工后合金夹杂物特征信息，以及几者之间的对应关系，夹杂物特征信息至少包括夹杂物的种类信息、数量信息、尺寸信息、二维形貌信息、元素信息、三维形态信息。
进一步的，合金质量分级判定模块2被配置用于：对夹杂物特征信息进行分类处理，综合加工工艺参数和夹杂物对加工后合金性能的影响程度，设定夹杂物不同特征值对于铸坯合金性能影响的权重；对夹杂物特征值进行评分；根据公式：P=∑权重×评分，计算得到P值，结合P值和生产数据，制定铸坯材料分级判定条件。
本实施方式还提供一种计算机存储介质，其中存储有计算机程序，该计算机程序用于执行上述的基于夹杂物的合金质量判定方法。
应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于夹杂物的合金质量判定方法，其特征在于，包括步骤：
制取铸坯合金样品和加工后合金样品，统计分析所述铸坯样品和加工后合金样品夹杂物特征信息，建立所述铸坯合金夹杂物特征信息与所述加工后合金夹杂物特征信息之间的对应关系；
将统计得到的夹杂物特征信息与合金生产信息、合金加工工艺信息相结合，构建包括合金冶炼工艺信息、铸坯合金夹杂物特征信息、合金加工工艺信息和加工后合金夹杂物特征信息的夹杂物数据库，所述数据库包括上述信息之间的对应联系关系；
基于所述夹杂物数据库数据，制定基于夹杂物特征信息的分级判定条件，其具体包括：对所述夹杂物特征信息进行分类处理，综合加工工艺参数和夹杂物对加工后合金性能的影响程度，设定夹杂物不同特征值对于铸坯合金性能影响的权重；对夹杂物特征值进行评分；根据公式：P=∑权重×评分，计算得到P值，结合P值和生产数据，制定铸坯材料分级判定条件；
基于所述所述分级判定条件P值的大小对合金待判定铸坯进行分级。
2.根据权利要求1所述的基于夹杂物的合金质量判定方法，其特征在于，所述统计分析所述铸坯样品和加工后合金样品夹杂物特征信息，具体包括：
收集并统计所述铸坯样品夹杂物和加工后合金样品夹杂物的特征信息，所述夹杂物特征信息至少包括夹杂物的种类信息、数量信息、尺寸信息、二维形貌信息、元素信息、三维形态信息。
3.根据权利要求2所述的基于夹杂物的合金质量判定方法，其特征在于，所述对夹杂物特征值进行评分，具体包括：
对于夹杂物种类信息，按照夹杂物易变形至不易变形进行多级评分，夹杂物越容易变形，得分越高；
对于夹杂物尺寸信息，按照夹杂物长宽比或等效圆直径进行多级评分，夹杂物尺寸越小，得分越高；
对于夹杂物数量信息，按照单位面积内夹杂物数量进行多级评分，夹杂物数量越少，得分越高；
对于夹杂物形态信息，按照球形、椭球形、长条形、不规则形态的顺序进行多级评分，夹杂物形状越圆润，得分越高。
4.根据权利要求3所述的基于夹杂物的合金质量判定方法，其特征在于，所述结合P值和生产数据，制定铸坯材料分级判定条件，具体包括：
按照P值大小，将铸坯合金分为四级，分别为一级铸坯、二级铸坯、三级铸坯和四级铸坯，P值越大铸坯合金级别越低，其中，所述一级铸坯被定义为可加工为任意规格产品，且不需要开展成品夹杂物分析；所述二级铸坯被定义为可加工为部分规格产品，且不需要开展成品夹杂物分析；所述三级铸坯被定义为只能加工为指定规格产品，且须至少取部分加工后合金样品进行夹杂物分析，并根据杂物分析结果，进行炼钢工艺优化；所述四级铸坯被定义为不能进行加工，并需要进行炼钢工艺优化。
5.根据权利要求1所述的基于夹杂物的合金质量判定方法，其特征在于，所述取铸坯合金样品和加工后合金样品，具体包括：
从同一合金不同铸坯上取100个尺寸为6mm×11mm×2.5mm的夹杂物分析样品，同时从对应加工后合金样品取100个尺寸为5.5mm×11mm×2.5mm的纵截面夹杂物分析样品；
采用环氧树脂镶嵌成直径30mm的镶样，依次使用220#、600#、1200#、1500#的金刚石磨盘进行研磨，然后依次使用9μm、3μm、1μm金刚石抛光液进行抛光，制成样品。
6.一种基于夹杂物的合金质量判定系统，其特征在于，包括：
夹杂物数据库模块，所述夹杂物数据库模块包括合金冶炼工艺信息、铸坯合金夹杂物特征信息、合金加工工艺信息和加工后合金夹杂物特征信息，以及几者之间的对应联系关系，所述夹杂物特征信息至少包括夹杂物的种类信息、数量信息、尺寸信息、二维形貌信息、元素信息、三维形态信息；
合金质量分级判定模块，其被配置用于基于所述夹杂物数据库数据，制定基于夹杂物特征信息的分级判定条件，其具体包括：对所述夹杂物特征信息进行分类处理，综合加工工艺参数和夹杂物对加工后合金性能的影响程度，设定夹杂物不同特征值对于铸坯合金性能影响的权重；对夹杂物特征值进行评分；根据公式：P=∑权重×评分，计算得到P值，结合P值和生产数据，制定铸坯材料分级判定条件；并基于所述P值大小对合金待判定铸坯进行分级。
7.一种计算机存储介质，其特征在于，其中存储有计算机程序，该计算机程序用于执行所述权利要求1至4任一项所述的基于夹杂物的合金质量判定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311029575.1A CN116759033B (zh) | 2023-08-16 | 2023-08-16 | 基于夹杂物的合金质量判定方法、系统及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311029575.1A CN116759033B (zh) | 2023-08-16 | 2023-08-16 | 基于夹杂物的合金质量判定方法、系统及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116759033A CN116759033A (zh) | 2023-09-15 |
| CN116759033B true CN116759033B (zh) | 2023-10-31 |
Family
ID=87949998
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311029575.1A Active CN116759033B (zh) | 2023-08-16 | 2023-08-16 | 基于夹杂物的合金质量判定方法、系统及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116759033B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101373184A (zh) * | 2008-09-19 | 2009-02-25 | 山西太钢不锈钢股份有限公司 | 铸坯夹杂物纯净度分析方法 |
| CN110133031A (zh) * | 2019-05-06 | 2019-08-16 | 山东钢铁股份有限公司 | 一种铸坯中夹杂物检测及图谱库建立方法 |
| CN110702716A (zh) * | 2019-09-26 | 2020-01-17 | 汇鸿智能科技(辽宁)有限公司 | 一种基于炼钢工艺进行夹杂物分析的方法 |
| CN115660273A (zh) * | 2022-09-30 | 2023-01-31 | 首钢集团有限公司 | 钢板表面质量等级的预测方法 |
-
2023
- 2023-08-16 CN CN202311029575.1A patent/CN116759033B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101373184A (zh) * | 2008-09-19 | 2009-02-25 | 山西太钢不锈钢股份有限公司 | 铸坯夹杂物纯净度分析方法 |
| CN110133031A (zh) * | 2019-05-06 | 2019-08-16 | 山东钢铁股份有限公司 | 一种铸坯中夹杂物检测及图谱库建立方法 |
| CN110702716A (zh) * | 2019-09-26 | 2020-01-17 | 汇鸿智能科技(辽宁)有限公司 | 一种基于炼钢工艺进行夹杂物分析的方法 |
| CN115660273A (zh) * | 2022-09-30 | 2023-01-31 | 首钢集团有限公司 | 钢板表面质量等级的预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116759033A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6499159B2 (ja) | 銅合金線材及びその製造方法 | |
| CN107132244B (zh) | 一种钢中夹杂物定量评价方法 | |
| US20190284672A1 (en) | Method for designing multi-component high-strength titanium alloy | |
| CN103707016B (zh) | 粉末高温合金涡轮盘榫槽的拉削加工方法 | |
| CN116759033B (zh) | 基于夹杂物的合金质量判定方法、系统及计算机存储介质 | |
| JP2003027171A (ja) | 耐摩耗性アルミニウム合金長尺体およびその製造方法ならびにカーエアコンディショナ用ピストン | |
| CN107153728A (zh) | 一种基于双谱幅值分布熵的砂轮磨损状态特征提取方法 | |
| CN115011894A (zh) | 一种紧固件用tb3钛合金冷轧丝材的生产方法 | |
| CN117300132A (zh) | 一种超细超强钨丝的制备及加工方法 | |
| CN117415262A (zh) | 高超声波探伤等级tc18钛合金模锻件制备方法及产品 | |
| CN107784015B (zh) | 一种基于电力系统在线历史数据的数据约简方法 | |
| CN108620518B (zh) | 一种降低卷取机卷筒用拱形板锻件重量的锻造方法 | |
| CN108364095B (zh) | 基于数据挖掘的炼钢生产过程钢水质量诊断方法 | |
| Yuan et al. | Finite element analysis of the deformation distribution during multi-pass rotary-die ECAP | |
| KR20230002031A (ko) | 마그네슘 합금 휠 허브의 제작방법 | |
| CN203556636U (zh) | 铝硅合金轧制系统 | |
| US3290936A (en) | Metal processing | |
| CN112285143A (zh) | 一种高洁净度齿轮钢夹杂物评价的方法 | |
| CN112547293A (zh) | 一种棒磨机负荷智能控制的方法 | |
| CN112415091A (zh) | 一种线材检测分析方法、装置、计算机设备及存储介质 | |
| CN117282507B (zh) | 一种通过识别球磨机内惰性区面积选择最优的磨矿介质配比方法 | |
| Gao et al. | Resarch on Microstructure and Property of Zirconium alloy in the Rotary forging process by GNN-FEM | |
| US3131472A (en) | Method of making blanks for coining | |
| JPH10272536A (ja) | 鍛造スクロール部品の製造方法 | |
| CN114764067A (zh) | 基于铸态组织的连铸小方坯表面奥氏体晶界裂纹预测方法 |
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 |