超高速激光熔覆M2+MnS涂层高温摩擦磨损性能研究

通过对比在干摩擦条件下超高速激光熔覆M2+MnS耐磨自润滑涂层与H13基体的高温摩擦磨损性能,深入探讨了温度和载荷对涂层摩擦磨损性能的影响以及磨损机理。采用SEM、EDS、维氏硬度计、摩擦磨损试验机和白光干涉仪等多种仪器对自润滑涂层试样进行了全面的试验表征。结果表明,室温下,涂层平均摩擦因数基本保持稳定;在一定载荷下,随温度升高,涂层平均摩擦因数呈现下降趋势;与基体相比,相同条件下涂层的平均摩擦因数始终较低。M2+MnS涂层的磨损体积随载荷增大近似呈线性增加,且随测试温度的升高先增大后减小。在300℃时,磨损体积达到最大值,而在600℃时最小;涂层在相同条件下磨损体积始终小于基体,室温下为基体的61.96%,而在600℃时为基体的9.48%。研究还揭示了M2+MnS涂层的磨损机理与温度密切相关。温度较低时,主要表现为磨粒磨损,而温度升高时则主要由氧化磨损和磨粒磨损共同作用。

弓长岭某磁铁矿高效制备超级铁精矿研究

超级铁精矿作为一种高附加值的新型材料,具有巨大的发展潜力。弓长岭某磁铁矿TFe品位45.62%,SiO_(2)是其主要的脉石成分,含量为33.21%,有害元素P、S含量较低。矿石中的铁主要赋存在磁铁矿中,占全铁的95.05%。矿石中磁铁矿粒度较粗,主要分布在+0.074mm,分布率为82.37%。磁铁矿主要以单体形式产出,部分微细粒石英以包裹、反包裹和细脉状嵌布于磁铁矿中,较难完全解离。为实现该矿石的高值化利用,开展了超级铁精矿制备工艺研究。结果表明,采用阶段磨矿—阶段磁选—反浮选工艺处理该磁铁矿石,在一段磨矿细度为-0.074mm占65%、二段磨矿细度为-0.025mm占90%、反浮选工艺中粗选和精选的捕收剂用量均为25g/t的条件下,可以获得TFe品位72.35%、回收率为81.03%、SiO_(2)含量为0.17%、酸不溶物为0.19%、其他杂质含量微量的高品质超级铁精矿,以及TFe品位71.37%、回收率为6.07%的高纯铁精矿和TFe品位60.26%、回收率为6.71%的普通铁精矿,为磁铁矿的高附加值和梯级化利用提供了技术依据。

鞍钢大孤山球团厂内配碳工业实践研究

球团内配碳可以改善球团质量,降低燃料消耗,实现高炉增产节焦,节能减排。鞍钢大孤山球团厂通过实验室造球及焙烧实验确定适宜煤粉配比,将煤粉按比例混入膨润土后参与配料,进行工业实践研究。结果发现:当煤粉配比小于0.3%时,对生球指标未产生明显影响,而预热球抗压强度有明显提高,成品球抗压强度略有降低。在煤粉配比为0.2%时,各项指标满足了球团生产工艺要求,煤耗降低了1 kg·t^(-1)球团矿,NOx排放量减少了25%。

工艺条件对40 kg焦炉试验结果的影响研究

40 kg试验焦炉是评价炼焦煤成焦特性的常用设备,利用40 kg焦炉通过正交实验考察炼焦、备煤、熄焦工艺条件对试验结果的影响,结果发现:炼焦初温800℃、炼焦终温1050℃、恒温时间6 h为较优的炼焦工艺条件;<3 mm粒级比例为85%~90%、<0.5 mm粒级比例不高于30%、入炉煤水分10%、堆密度800 kg/m^(3)为较优的备煤工艺条件;熄焦水用量13.5 kg、熄焦时间5 min为较优的熄焦操作条件。

新疆主要煤田关键煤质特征及利用途径分析研究

分析新疆主要煤田关键煤质特征及其与利用途径的适配关系,并对新疆煤炭资源开发及利用提出建议。研究结果表明,新疆主要煤田的煤质特征具有多样性,导致部分新疆煤的煤种判断极易发生偏差;煤中矿物含量及赋存状态导致煤灰成分、煤灰熔融性温度及黏温特性波动较大,极易对煤炭加工及利用产生不利的影响。新疆东部矿区以煤炭外运为主,准南煤田及南疆各煤田以满足当地用煤需求为主,准东、伊犁及准北煤田适宜建设大型煤电、煤化工基地。在利用过程中应建立商品煤质量与煤灰化学调控技术,建立煤化工项目用煤与地勘煤质数据的跟踪校正机制,保障煤质稳定。

鞍钢单绕组螺旋电磁搅拌技术研发进展

介绍了鞍钢单绕组螺旋电磁搅拌技术的自主研发进展,通过对圆锭、扁锭、大方坯、大圆坯等多物理场耦合模拟计算,结合试验研究对该技术的效果进行验证。结果表明,单绕组螺旋电磁搅拌技术有助于促进金属液在三维方向的传质传热,降低液芯的温度梯度,促进金属液同时凝固,减轻铸坯的中心疏松、偏析,铸坯、铸锭C元素的统计偏析度可以降低30%以上。

鞍钢高炉孪生驾驶舱与操作评价平台的建设与应用

为了有效利用钢铁企业的数字资源,提高资源和能源的利用效率、降低炼铁冶炼成本,探索性提出了适用于钢铁行业的高炉孪生驾驶舱与操作评价平台。该平台基于数字化安全预警标准体系、高炉顺行状态评价体系、高炉操作评价体系和高炉数据分析体系,通过高炉及其附属系统的“动态感知”与实时监控,完成高炉海量数据的采集。利用实时高炉数据采集进行驱动,构建了高炉数字孪生驾驶舱。在高炉数字孪生驾驶舱应用“专家经验+冶炼机理+智能算法”,开发了基于布料智能分析模型等8个操作评价模型的操作评价平台。后续借助鞍钢高炉孪生驾驶舱与操作评价平台和数据机器学习技术,定周期对高炉进行多维度的解析与优化。同时与人工操作相互评价对比,将操作经验和冶炼机理充分结合,推进了炼铁向数字化、网络化、智能化、标准化的转变。

菱铁矿含量对铁矿石浮选指标的影响研究

眼前山铁矿中菱铁矿含量高,难以直接分选利用。为了实现眼前山铁矿石合理利用,采用化学分析、XRD等手段查明眼前山铁矿石与配矿用齐大山低菱铁矿石的矿物组成及铁物相。通过磨矿—磁选、浮选试验研究了眼前山铁矿石与齐大山铁矿石在不同配矿比例下精矿指标的变化规律。结果表明,眼前山配矿量低于45%、磨矿细度为-74μm占90%、混磁精矿中菱铁矿含量低于5.41%时,浮选过程基本不会受到影响,仍可以获得TFe品位大于65%、TFe回收率高于60%的精矿;当眼前山配矿量在45%~50%、混磁精矿中菱铁矿含量在5.41%~6.05%时,浮选环境已被菱铁矿严重恶化,精矿TFe品位若达到65%,TFe回收率则大幅下降;当眼前山配矿量高于50%、混磁精矿中菱铁矿含量高于6.05%时,出现精尾不分的现象,难以通过浮选进行选别。激光粒度测试分析结果表明,菱铁矿在磨矿过程中易泥化,产生的大量细泥容易罩盖在大颗粒矿物表面,阻碍浮选药剂的吸附,使得脉石矿物与铁矿物的疏水性差异变小,恶化浮选效果。

限定晶粒取向差的多晶马氏体相变行为的相场法研究

基于Welch-Powell算法限定多晶体取向,采用相场法研究了晶粒取向差对多晶马氏体相变的影响。结果表明:大晶粒较小晶粒马氏体的板条形貌更规则,晶界降低了马氏体的生长速度;晶粒取向角比晶粒尺寸对马氏体相变体积分数的影响更大。马氏体相变初期ω值越大,马氏体生长速度越快,ω=60°时的平衡马氏体体积分数高于其他ω值下的平衡马氏体体积分数,随ω值的增大平衡马氏体体积分数减小。

焦炭光学组织与微晶结构之间的关系研究

利用5种不同变质程度的炼焦煤及4种沥青分别进行6组二元配煤炭化试验以及12组炼焦煤与沥青共炭化试验,研究5种单种炼焦煤、6种配煤以及12种共炭化制备焦炭的光学组织指数(OTI)与晶面间距和微晶高度之间的关系。结果表明:单种炼焦煤制备焦炭的OTI指数与晶面间距和微晶高度呈规律性变化,与炼焦煤的变质程度相关。配煤及共炭化制备焦炭的OTI指数与晶面间距和微晶高度之间无明显规律。当OTI<1时,相当于光学各向同性组织向细粒镶嵌状组织转变阶段,中间相小球体流动并发生融并,微晶结构缺陷得以消除,焦炭微晶结构的定向化程度提高;当OTI>2时,晶面间距的降低程度以及微晶高度的增大程度均趋缓。

眼前山磁铁矿石选别试验研究

为促进眼前山铁矿的合理开发利用,以该地区矿石为研究对象在工艺矿物学分析的基础上进行了选别试验研究。结果表明:矿石含铁矿物以磁铁矿为主,主要脉石矿物为石英,并存在绿泥石、角闪石等易泥化矿物。采用阶段磨矿阶段选别工艺进行分选,各段工艺参数分别为一段-2 mm下进行磁选,磁选场强为279 kA/m;一段磨矿细度为-75μm含量80%,磁选场强为159 kA/m;二段磨矿细度为-45μm占90%,磁选场强为95 kA/m,最终可获得铁品位66.50%、铁回收率95.90%的磁选精矿。研究结果为该地区铁矿资源的开发利用提供了参考依据。

鞍钢大孤山球团厂内配碳的试验研究

以铁精矿球团为研究对象,在实验室进行了内配碳的试验研究。结果表明:添加适量固体燃料可以提高球团矿强度,降低焙烧燃耗,同时能改善球团矿的冶金性能;在备选燃料中优选出0.2%的煤粉进行内配,生球的落下强度有所提高,但是抗压强度随着配煤量的增加略有降低,而爆裂温度则变化不明显。当配煤量为0.2%时,焙烧球的强度最高。配煤量对焙烧球强度的影响比较显著,过少或过多都对强度有不利影响。在预热温度为950℃,焙烧温度为1 250℃的条件下,随着焙烧温度和预热温度的逐渐提高,抗压强度也逐渐增强。

基于ABAQUS的EH36海工钢气电立焊数值模拟研究

为研究EH36海工钢气电立焊过程,以有限元软件ABAQUS为平台,建立了用于计算气电立焊焊接温度场和应力场的有限元模型。采用椭球体热源与高斯面热源的组合热源模型并通过DFLUX子程序实现,通过生死单元技术来控制焊缝的填充加载,通过实测得到EH36钢的热物理性能参数,模拟了气电立焊焊接过程。进行了焊接试验,并通过热电偶测得了焊板典型位置的热循环曲线。结果表明:焊后横向残余应力在立板的中间区域为拉应力,在其余区域为压应力。纵向残余应力在焊缝及其附近区域表现为较大的拉应力,而远离焊缝拉应力迅速衰减并过渡为压应力;计算得到的热循环曲线和焊缝形状与实际基本一致,表明了本文建立的气电立焊焊接模型的准确性。

矿石品位在线检测技术发展研究

矿石品位是衡量矿产经济价值的核心指标,相应在线检测能力事关矿山企业经济效益、环境影响和生产智能化水平。本文论述了矿石品位在线检测技术的应用价值及分类情况,从放射性检测、光学检测、电磁检测、机器视觉检测等技术方向出发,梳理了矿石品位在线检测技术研究与应用进展;辨识了相关技术发展面临的挑战,涵盖技术研究层面的精度瓶颈与干扰因素、信号解析与优化难题、模型构建与数据依赖关系,实际应用层面的辐射安全与成本效益考量、适应多样矿石特性的技术突破、恶劣环境下稳定运行与即时反馈。进一步阐述了矿石品位在线检测技术未来发展方向,包括多模态融合与智能感知技术前沿探索、智能感知与数据处理算法迭代升级、微型化/远程化/智能化设备研发、实时动态监测网络系统构建与优化等关键技术攻关突破内容,深度学习促进微观与宏观特征融合分析、量子计算与生物启发算法、智能传感器网络与物联网技术等新兴技术前瞻探索内容。建议在技术创新与设备升级、标准制定与规范建设、“产学研用”合作机制深化、人才培养与队伍建设、国际合作与资源共享等方面积极行动,以矿石品位在线检测技术提升促进矿产资源开发利用的智能化、高效化发展。

露天矿全流程智能开采架构与关键技术研究

针对目前大型金属露天矿智能建设过程中存在的系统规划难、系统智能难和系统协同难三大难题,开展了大型金属露天矿全流程智能开采架构与关键技术研究及应用。基于大型金属露天矿智能安全开采的全工艺流程,构建了包括“三大平台、四大层次和四大板块”在内的大型金属露天矿智能矿山的总体架构,设计了穿孔、爆破、采装、运输和排卸五大生产工序全流程智能安全开采框架,提出了涵盖设备状态及运行环境智能感知、智能导航与设备行为规划和智能装备核心控制等在内的多环节、系列化的智能开采关键技术。研究成果成功应用于齐大山露天铁矿,分别以齐大山矿智能生产中的三维模拟仿真系统、智能指挥调度系统和钻机远程遥控系统为例进行了相关技术的阐述与应用效果分析。最终在齐大山矿实现了多场景、多环节、多工序的智能安全应用,形成了“全流程规划—多工序智能—多场景联动”的大型金属露天矿智能开采模式,解决了露天矿智能开采关键共性理论和技术难题,对我国露天矿智能化建设具有一定的参考意义。

轧制法6.5%Si钢薄带组织与性能关系研究

以温轧工艺制备6.5%Si钢薄带为研究背景,在不同退火温度下对添加Nb、B元素的温轧板进行组织调控。结果表明,750℃退火晶粒尺寸为22.2μm,样品冷轧后可轧制出宽度为100 mm表面质量良好的0.10 mm薄带,在1 200℃退火1 h后磁感应强度B_8为1.29 T,铁损P_(10/400)为5.46 W/kg,综合磁性能优于同规格的JNEX产品。

900℃常化态无取向硅钢织构演化的原位EBSD研究

借助背散射电子衍射(EBSD)以及场发射扫描电镜内原位拉伸试验机对高牌号常化态无取向硅钢进行织构演化研究。研究结果表明:高牌号常化态无取向硅钢晶粒取向主要由(011)[100]构成,在原位拉伸力作用下,晶粒取向不断向(233)[3-1-1]、(112)[2-41]、(001)[110]和(455)[5-22]等晶体取向转变。从ODF的变化上,高牌号常化态无取向硅钢织构类型由最初的{011}〈100〉高斯织构逐渐向面织构转化,织构取向密度随拉伸变形不断下降,并最终形成{113}〈631〉织构和{100}〈011〉旋转立方织构。无取向硅钢中的AlN由于和基体的位相关系,在原位拉伸过程中,对常化态初始晶粒取向的滑移和变化产生阻碍,防止其成为主要取向,对最终形成{113}〈631〉织构和{100}〈011〉旋转立方织构的晶粒具有重要作用。

辽宁某磁赤混合铁矿选矿工艺优化研究

辽宁某磁赤混合铁矿选矿厂为了解决原矿中磁性铁含量急剧增加的问题,针对现有工艺流程已经很难适应新的矿石性质的问题,进行了磁、赤分选新工艺选别效果研究。研究结果表明:采用磨矿—阶段磁选—磁赤分离—赤铁矿反浮选的磁、赤分选新工艺选别,可获得全铁品位67.41%的铁精矿,磁、赤分选新工艺流程能实现铁矿物与脉石矿物的有效分离,获得理想的试验指标。

大热输入焊接用EH40船板静态再结晶行为模拟研究

在厚板热轧生产中通过形变奥氏体再结晶行为细化晶粒是提高钢板性能的主要途径,为探究轧制工艺对大热输入焊接用钢EH40静态再结晶的影响规律,以有限元软件ABAQUS为平台,建立了二维的有限元轧制模型;基于静态再结晶动力学模型使用FORTRAN语言完成了VUSDFLD子程序的开发,实现了轧后的静态再结晶百分数的计算,并分析了不同轧制工艺对其静态再结晶百分数的影响。较于微观尺度的晶粒形核及生长、组织演变的模拟计算,这一模型实现了轧制过程中宏观尺度上钢板内部组织演变过程的数值模拟,这对于实际工业生产中相关轧制参数的确定具有非常高的应用价值。

基于人工智能图像识别的输电线路巡检研究

为了准确、及时地发现输电线路中的缺陷,研究基于人工智能图像识别技术的输电线路立体化巡检模式。具体地,以人工智能图像识别技术为支持,借助K-means算法对立体巡检图像进行聚类处理,同时,采用人工神经网络对图像中输电线路缺陷进行智能识别。经测试,在相同工作量下,未采用本文所提技术的输电线路缺陷识别需要5个分析员持续工作15 d,平均每分钟进行2~3张图片的识别,图像识别速度为20~30 s/张;采用人工智能识别技术,识别速度高达0.25 s/张,仅需3.6 h便可以将识别任务完成。在弱光环境下,经过增强处理的图像边缘更加清晰,目标图像与背景实现明显分界,且现阶段可利用输电线路中相同部件不同角度的7张图片实现高于90%的识别准确率。另外,通过对相同条件下其他几种方法影响模型实际收敛情况的比较发现,所有方法的重构误差均呈现出逐渐降低之势,最终都趋于稳定。结果表明本文技术在立体化线路图像缺陷检测中有一定普适性,有利于工作效率的显著提升。