首页期刊导航|连铸
期刊信息/Journal information
连铸
连铸

王浦江

双月刊

1005-4006

010-83587696

100053

北京市白广路4号

连铸/Journal Continuous Casting
查看更多>>中国金属学会、连续铸钢分会会刊。
正式出版
收录年代

    2025年《连铸》、《钢铁研究学报》中英文版征订单

    69页

    大方坯连铸坯表面夹渣热-力耦合分析

    韩璇刘增勋肖鹏程朱立光...
    70-74页
    查看更多>>摘要:铸坯夹渣对铸坯皮下温度、坯壳厚度、第一主应力和等效应力有着显著的影响.基于温度继承算法,运用ANSYS有限元软件建立了钢液凝固二维瞬态导热模型,解析了夹渣对铸坯传热和应力行为.在铸坯常见的距中心1/4位置镶嵌宽10 mm深4 mm的保护渣,研究表明夹渣铸坯皮下温度平均上升60 ℃,坯壳厚度变薄3.6 mm,受到夹渣的影响第一主应力分布不均,局部变小,等效应力整体变小.

    大方坯连铸数值模拟铸坯夹渣

    基于shapelet的连铸拉速时序中关键子序列识别方法

    杜学飞
    75-82页
    查看更多>>摘要:针对工业控制过程中高频时间序列是否存在某些关键特征形态子序列以及该子序列位于时间序列中具体位置的问题,提出了基于shapelet的工业时间序列中关键形态特征子序列的识别定位算法.其中shapelet为时间序列中最具辨别性的连续子序列,利用shapelet集可以适用于长度不一的子序列相似性计算,并且序列识别结果具有解释性.为了提高时间序列中关键形态特征子序列的识别定位速度和准确性,首先基于遗传算法从时间序列数据集中提取并筛选出具有形态特征的shapelet集,其次采用数据标准化和滑动欧式距离的方法计算shapelet与时间序列中子序列的相似性度量值,用来评估形态特征的相似性;然后定义了自适应相似性阈值以及滞后时间的概念,实现识别和定位时间序列中存在的特征形态子序列,提高了关键形态子序列的识别精度;最后利用公开标准数据集和连铸过程中拉速时间序列集验证了方法的可行性和准确性.

    shapelet遗传算法时间序列相似性度量形态特征连铸过程

    基于PSO-BP神经网络的保护渣性能预测

    张聪聪邓小旋刘洋李海波...
    83-90页
    查看更多>>摘要:保护渣是连铸生产中重要的功能材料,为了准确、快速和低成本地获得保护渣的理化性能,基于实验室检测获得的保护渣成分、熔点、熔速和黏度数据,采用BP神经网络结合粒子群优化算法(PSO)建立了保护渣理化性能预测模型.选取13个未进行训练的测试样本检验PSO-BP模型的预测精度,结果表明,与BP神经网络预测模型相比,熔点、熔速和黏度的平均绝对误差MAE分别由8.9 ℃、4.7 s和0.012 Pa·s降低至8.1 ℃、2.8 s和0.010 Pa·s,并且单个样本的误差波动降低,整体预测精度提高.基于此模型,研究了单一或多个保护渣成分改变对理化性能的影响,通过控制其它成分不变,当碱度由0.8增加至1.2,黏度值由0.23 Pa·s降低至0.18 Pa·s.此外,展示了 Al2O3和MgO单一变量调整以及同时变化对保护渣黏度性能的影响,模型计算结果与实际理论规律相符,表明基于PSO-BP神经网络的保护渣预测模型可应用于保护渣的开发与研究,缩短研发周期,降低成本.

    保护渣理化性能成分PSO-BP神经网络预测

    连铸板坯在线质量评级系统的开发与应用

    刘钊程绘兵万金同吴浩...
    91-96页
    查看更多>>摘要:基于炼钢—热轧—冷轧(热处理)工序全流程过程控制,利用现代数据通讯和数据库(数据云)技术创建了全过程质量管控数字化平台,并基于该平台开发了连铸板坯在线质量评级系统.该全过程质量管控数字化平台对炼钢过程中的原料、生产、工艺、设备等方面的参数进行实时监控和跟踪记录,并将跟踪结果以工艺事件的形式反馈到每一炉次和每块板坯上,通过制定相应的规则对连铸板坯进行分级评级,实现连铸板坯质量的在线实时预测评估,以确定连铸板坯分级修复处理方式.通过后工序轧制质量检验与判定,结果表明,该质量评级系统可以较为直观准确地分类筛选出具有不同质量风险等级的连铸板坯,降低了板坯缺陷发生比例,提高了连铸板坯质量.

    质量连铸板坯质量评级工艺事件质量风险

    《冶金自动化》征稿启事

    96页

    连铸2024年(1~6期)总目次

    后插1-后插8页