水口底部形状对高拉速板坯连铸结晶器液面特征的影响

采用1∶1的水模型和工业试验研究了水口底部形状(凹底、平底和凸底)和凹底水口井深(井深分别为0、10和20 mm)对结晶器流场与自由液面特征的影响.在拉速为1.8 m·min-1时,凹底水口和平底水口下结晶器内流场的对称性要优于凸底水口.三种水口条件下结晶器液面的表面流速变化规律为凸底水口>平底水口>凹底水口.对比不同井深凹底水口的液面特征发现:井深为10 mm的凹底水口可以有效降低结晶器的液面波动与表面流速,防止卷渣的发生.工业试验对比了凹底与凸底水口在实际生产中的使用效果,发现凸底水口下的液面波动显著大于凹底水口.凸底水口下结晶器液面波动变化的功率(频率为0.003~0.05 Hz)比凹底水口大约10倍,这与水模型的结果吻合较好.     

高品质IF钢连铸中间包降低残钢量的水模型研究

为解决某钢厂生产高品质IF钢中间包死区较大,夹杂物不能充分上浮,浇注结束时残钢量过多等问题,通过中间包水模拟实验对挡坝结构进行了优化.结果表明:增加挡坝高度,并开向上角度通钢孔,可有效提高钢液向钢液面的运动趋势,延长钢液运动路径,钢液滞止时间提高12.5%,死区减少36%;浇注结束时部分钢水从通钢孔流出,避免了挡坝间残留大量钢液而渣全部进入浇注区现象的发生,理论残钢量从9 t降到4.5 t,金属收得率提高.     

凝固坯壳对高拉速板坯连铸结晶器液面特征的影响

采用1:1的水模型研究了高拉速条件下凝固坯壳对结晶器内的流场与液面特征的影响.结果表明:考虑凝固坯壳时结晶器内的流场出现了轻微的不对称现象,在高拉速条件下(2.4m·min^-1),有坯壳时结晶器液面最大平均波高与表面流速比没有坯壳时分别大31%和35%.对比有/无坯壳条件下自由液面形状可知:考虑凝固坯壳之后的液面变形程度比没有考虑时更大,更易导致卷渣的发生.液面波动的功傅里叶变换分析表明:考虑坯壳之后结晶器液面的高频率波动的振幅大于无坯壳的情形,所以考虑坯壳之后由于结晶器下部内腔变小,更多的流股能量集中在上回流区,使得上回流的湍流程度比无坯壳时要大,进而导致了液面波动与表面流速的增大.因此,为了缩小与实际连铸过程的差别,在高拉速的物理模拟中有必要考虑凝固坯壳的影响.     

双辊薄带连铸柱状晶组织模拟

鉴于双辊薄带连铸等轴晶区半固态铸轧组织对产品性能的重要性,应用Calcosoft软件中的FE-CA方法对薄带柱状晶组织进行模拟,模拟结果与实验结果基本吻合,实现了柱状晶区的可视化. 应用建立的微观组织模型,研究了三种工艺参数对柱状晶区宽度的影响. 结果表明:随着熔池液面高度的增加,薄带柱状晶区宽度增加;随着浇铸温度和铸辊转速的增加,薄带柱状晶区宽度减小.     

IF钢生产过程非金属夹杂物行为研究

对首钢京唐生产IF钢的同一浇次前2炉的RH精炼、镇静和中间包浇铸过程进行了系统取样,并利用Aspex自动扫描电子显微镜分析统计了钢中夹杂物的成分、尺寸等信息.研究发现,Al2O3-TixO复合夹杂物在Ti合金化和二次氧化的情况下都会生成,并随着精炼的进行逐渐转变为Al2O3,这与热力学计算的结果一致;而Al2O3可以作为Al2O3-TixO的形核核心,形成Al2O3-TixO包裹Al2O3的夹杂物,并且在Al2O3-TixO转变为Al2O3的过程中会导致钢滴进入夹杂物内部,从而形成Al2O3包裹钢滴的夹杂物.     

RH纯循环对Ti-IF钢洁净度的影响

利用金属原位分析仪定量分析了过程Al系夹杂的数量,并用一种深度侵蚀的方法观察了夹杂物的三维真实形貌.对过程全氧（T.O）、[N]含量变化进行了跟踪.通过延长RH合金化后的纯循环时间对过程洁净度进行了评价.结果表明：RH在合金化后保持8～10 min的纯循环时间T.O可降低到30×10-6以下;废钢加入会极大影响钢液的洁净度,合金化完毕后应避免废钢加入;加Al 5min后夹杂物数量达到最大,为7.02mm-2,主要为大型的团簇状夹杂,经过纯循环后,夹杂物数量、尺寸均有较大的降低.     

交换钢包过程对IF钢连铸板坯表层洁净度的影响

采用ASPEX扫描电镜中的自动特征分析功能研究了交换钢包过程(取样浇次第4、5炉)对IF钢连铸板坯表层的洁净度的影响,且对比研究了交换钢包过程浇铸铸坯(交接坯)与正常浇铸铸坯(正常坯)的表层洁净度.结果表明:正常坯与交接坯中尺寸大于20μm的表层夹杂物可分为三类:(1)簇群状Al2O3(包括气泡+簇群状Al2O3);(2)簇群状TiOx--Al2O3夹杂物;(3)保护渣夹杂物.正常坯表层的大型夹杂物主要为簇群状Al2O3,没有检测到保护渣夹杂物.换包开浇后铸坯总氧质量分数从14×10-6增至17×10-6,交接坯表层检测到较多的第2夹杂物,说明钢包开浇后钢水被轻微氧化.此外,钢包开浇后剧烈的液面波动也导致了保护渣的卷入.在当前工艺下,换包对IF钢铸坯表层洁净度的影响长度约为11m.     

脱磷转炉脱磷渣FeO预报模型

为提高"全三脱"工艺脱磷转炉的脱磷效率、降低钢铁料的消耗,基于氧平衡机理模型,采用Levenberg-Marquardt神经网络优化算法,建立了脱磷转炉脱磷渣FeO预报模型。将氧平衡机理模型计算的氧化物(FeO,CaO,SiO_2,MgO,MnO,P_2O_5,Al_2O_3)质量和出钢温度作为输入项导入神经网络工具箱,训练成误差最小化的网络。结果表明,FeO预测值与实测值相对误差在10%以内的炉次达到85%。建立的模型具有较高的预报命中率,可为现场生产提供理论依据。