高锂钾铝电解质的初晶温度

为了研究Na_(3)AlF_(6)-AlF_(3)-Al_(2)O_(3)-CaF_(2)-LiF-KF体系的初晶温度,基于130组高可靠性铝电解质初晶温度的文献数据,采用非线性拟合法得到了适用于计算高锂钾复杂铝电解质体系初晶温度的经验公式.采用差热分析法测定了32组铝电解质的初晶温度,与本文中的公式计算值进行对比分析,结果表明,计算值与实验值之间的最大绝对误差仅为2.7℃.该经验公式可用于预测高锂钾铝电解质的初晶温度.

电弧炉智能炼钢的研究进展

电弧炉炼钢因具备消纳城市废钢和低碳环保的优势而备受关注,随着人工智能、大数据技术在钢铁工业的应用和发展,以及电弧炉绿色、高效生产的需要,智能炼钢成为电弧炉未来发展的主要趋势。围绕近年来电弧炉智能炼钢核心技术,对电弧炉电气控制、温度控制、成分控制以及配料优化4个方面的研究进展进行了综述。目前,电弧炉智能炼钢研究已经取得了一定的进展,实现了电极自动调节、电能质量智能预测、电能消耗智能预测、温度和成分自动预测、泡沫渣自动控制、废钢自动评级、配料和成本优化等技术,但仍存在控制精度较低、预测模型的鲁棒性较差等缺点。而随着生产数据的不断积累以及智能制造车间精益生产需求的提高,未来电弧炉炼钢将向生产全流程数字化监控、全自动设备控制、高精度智能预测和控制、精细化生产管控和优化等方面发展。同时,还需要进一步耦合各个环节的智能技术,提高智能炼钢技术在不同电弧炉上的适配性,降低其在生产现场的实施难度和成本,实现电弧炉生产全流程的智能控制,从而提高生产安全性、减少废气废物排放、提高生产效率、降低生产成本,实现可持续发展。

基于e-FCNN的电弧炉终点温度预报

发展电弧炉炼钢短流程是实现钢铁工业绿色发展的重要战略途经,电弧炉炼钢的终点控制决定了出钢质量和冶炼效率,尤其是终点温度控制。建立电弧炉终点温度预测模型,提前预测终点温度,有助于及时调整冶炼工艺,实现快速、高效的出钢操作。电弧炉终点温度预测模型主要分为机理模型和数据驱动模型,数据驱动模型是目前的主要研究方向,但现有的数据驱动模型建模过程依赖大量历史数据,难以适用于在小样本数据条件下实现终点温度的准确预报。对此,紧密结合冶金机理,以人工智能算法为核心,建立了高适应性的电弧炉终点温度预报模型。通过冶金机理和皮尔逊数据相关性分析得到了模型的输入参数。以FCNN算法为基础,引入提前停止策略,提出了e-FCNN算法,防止了FCNN算法的过拟合现象,并基于e-FCNN算法建立了电弧炉终点温度预报模型。仿真结果表明,终点温度预报误差在±5℃以内,e-FCNN模型的命中率可以达到93.33%。另外,在小样本历史数据条件下,使用超参数随机网格搜索,建立了CART、RF、ε-SVR和v-SVR终点温度预报模型,结果表明,基于e-FCNN终点温度预报模型的精度明显优于其他机器学习模型。使用e-FCNN模型连续跟踪实际生产的30炉次,预报误差为±6℃时,命中率达到了96.7%,可以有效指导生产。未来,进一步提升机理和数据驱动的结合程度是电弧炉终点温度预报模型的发展方向。

氢冶金炼钢技术的研究现状与展望

提出了“氢气炼钢”代替“氧气炼钢”的观点,对“氢气炼钢”的研究现状进行了总结和评价。氢冶金炼钢在节能降耗和改善产品质量方面具有独特优势。一方面,“氢”具有高效熔炼作用,能够有效降低炼钢能耗。等离子体态的“氢”具有高温、高热导率的优势,可作为高效热源实现炉料熔化与钢液加热,在电弧炉、转炉以及中间包等炼钢设备中得到初步应用。喷吹气态“氢”能够加速成分和温度均匀,且氢气泡运动能粘附和加快其他非金属夹杂物上浮;同时与钢液中的氧等反应释放大量热量,改善了熔池反应的热力学与动力学条件。此外,“氢”通过营造还原性气氛,抑制氧化,降低Cr、Mn等合金元素的损耗。另一方面,“氢”具有无污染精炼的作用,能够显著提高钢液洁净度。基于“氢”的高活性和高还原性,“氢”能够有效去除钢中O、C、N、S和P等杂质元素,尤其是等离子态“氢”,可直接与杂质元素反应生成H_(2)O、CH_(4)、NH_(3)、H_(2)S和PH_(3)等极易挥发去除的气体产物,避免非金属夹杂物形成,实现“零夹杂物”的高效高洁净度炼钢。因而,发展以“氢”代“碳”的氢冶金新一代绿色近零碳“零夹杂物”无污染钢铁冶金流程,将加速钢铁工业绿色高质量可持续发展,助力中国实施“双碳”与“制造强国”战略。