基于数据驱动的转炉耗氧量模型研究

基于45 t转炉炼钢实际生产数据,通过数据预处理和互信息(MI)法进行特征选择,采用贝叶斯算法(BOA)优化BP神经网络模型、支持向量回归机(SVR)模型和LGBM模型的参数,预测转炉吹炼的耗氧量。用1176炉的实际生产数据对模型进行训练,504炉的数据用于验证模型的预测效果。结果表明,在预测的氧气体积偏差分别为±50、±40、±30 m^(3)的范围下,LGBM模型的预测命中率分别为94.04%、85.91%、76.58%。与SVR模型和BP神经网络模型相比较,LGBM模型有着更高的预测精度和稳定性以及更强的泛化能力。

浅谈高职数学教学改革

高职学生自身特点和教学现状，结合作者自身的教学实践，构建“学习态度、应用能力、团队意识、创新意识和基础知识”五位一体的评价体系。新的教学模式，不仅保持了原有模式的优点，而且在提高学生的实际应用能力和培养创新意识方面有着显著的优势。高职数学教学必须向培养学生运用数学分析及应用方法去提升解决实际问题的综合能力方面转变，近年来随着经济社会的迅速发展，高职教育也面临着历史性的机遇和挑战，面对新形势、新挑战和新要求。

非直接测量变量对转炉热平衡计算的影响和评估

为进一步提高转炉热平衡计算的精度、提升终点温度控制水平,基于210 t转炉自动炼钢工业实践,通过工业试验测定、数据回归方法研究了非直接测量变量(铁水温度变化、铁水碳含量、转炉生产过程中的铁水装入、补炉、空炉以及炉衬热状态等因素)对热平衡计算的影响,并提出了具体的算法和经验公式。结果表明,使用铁水中碳的饱和溶解度对直接化验碳含量进行修正,可以更真实地反映铁水碳含量水平,减小热平衡计算过程中总耗氧量的误差。生产中可根据前炉次的平均出钢温度来评估炉衬蓄热能力,从而实现对下炉次热平衡计算的修正,减小热力学理论计算偏差。经过持续优化后,转炉炼钢过程热平衡计算误差显著降低,终点温度命中率由70%提升至90%以上,实现了转炉自动炼钢出钢温度的精准控制。

浇铸过程底吹氩流量对金属液温度与凝固的影响

采用低熔点Pb_(18)Sn_(12)In_(21)Bi_(49)(质量分数)合金,在不锈钢的锭模中进行浇铸过程底吹氩试验。利用热电偶测定模内不同位置的温度,并采用扫描电镜(SEM)对凝固试样进行铸态相组织观察,研究了浇铸过程底吹氩对合金液温度与合金凝固相组织的影响。试验结果表明,浇铸过程无底吹时,水平方向中心测温点的温度下降很缓慢,浇铸结束后该点的温度骤降到凝固等温平台温度。当浇铸过程底吹氩时,中心点温度以较快的温降速率降低到凝固温度。无底吹氩时,在竖直方向,合金液从下自上依次开始凝固,而底吹氩时,各监测点几乎同时开始凝固。在相同的冷却条件下,浇铸过程底吹氩显著延迟模型下部的开始凝固时间。无底吹氩时检测截面上富Sn相平均直径在2.58μm,当进行底吹氩时,可以有效改善凝固相组织粒径分布,细化合金铸态相组织,截面上富Sn相平均直径约为1.89~2.20μm,较无底吹时降低了26.7%~14.7%。