Содержание к диссертации
Введение
Глава 1. Анализ современных направлений повышения эффективности процесса непрерывной разливки стали (НРС) 8
1.1. Информационная интеграция процесса непрерывной разливки стали в управление качеством готовой продукции и СУБД производства 8
1.2. Применение интеллектуальных технологий в непрерывной разливке стали.
Принцип работы и основные направления эффективного использования нейронных сетей 12
Понижение размерности 17
Распознавание образов 18
Классификация или кластеризация 18
Аппроксимация функций 19
Прогноз 20
Оптимизация 20
Ассоциативная память 21
Управление : 22
1.3. Методы обеспечения качества непрерывнолитых заготовок 22
Использование регламентирования технологических параметров 24
Автоматизированные системы управления качеством 26
Базовые направления совершенствования МНЛЗ и развития технологии непрерывной разливки стали 29
1.4. Анализ современного состояния технологии разливки и проблем повышения эффективности производства. 41
Физические условия формирования бездефектного непрерывнолитого слитка 41
Анализ методов подвода металла в кристаллизаторы 50
Основные проблемы производства непрерывнолитых заготовок из хромоникелевых сталей типа 18-8 59
Формирование поверхности заготовки в условиях качания кристаллизатора 67
Выводы по обзору литературы, постановка цели и задач исследования 77
Глава 2. Исследование и формирование технологической базы процесса непрерывной разливки стали 83
2.1. Исследование влияния технико-технологических факторов разливки на эффективность процесса. 83
Пораженность непрерывнолитых слябов сетчатыми трещинами при повышенной скорости разливки 83
Качество поверхности листового слитка при увеличении стойкости кристаллизатора 86
Исследование температуры рабочих стенок сборного круглого кристаллизатора 91
Оптимизация свойств шлакообразующих смесей 96
Исследование механизма поступления шлакового расплава в зону контакта между оболочкой слитка и стенками кристаллизатора 102
2.2. Разработка технологического регламента разливки различного марочного и размерного сортамента стали на различных типах МНЛЗ. 108
Формирование литой структуры аустенитной стали 108
Непрерывная разливка стали 12Х18Н10Т на горизонтальной МНЛЗ с двусторонним вытягиванием слитка без зачистки литого металла 119
Непрерывная разливка стали 12Х18Н10Т на слябовой МНЛЗ вертикального типа 122
Повышение качества сортового проката из непрерывнолитой заготовки стали ШХ 15.125
Производство непрерывнолитых слябов толщиной 0,3 м 128
Разработка технологии непрерывной разливки полуспокойной стали для производства жести 146
Опыт непрерывной разливки на горизонтальных машинах в сортовом производстве. 149
Затвердевание слябов на радиальных участках МНЛЗ 157
Формирование слитка в наклонно-криволинейной МНЛЗ 164
2.3. Опробование и отработка технологических режимов и конструктивных решений повышения эффективности МНЛЗ. 172
Повышение эффективности электромагнитного перемешивания при непрерывной разливке стали 172
Отработка режимов "мягкого обжатия" 179
Поточное вакуумирование стали разливаемой на МНЛЗ 181
Разливка стали с предварительным охлаждением 186
Исследование и промышленное опробование режима подачи частиц твердого металла в жидкую фазу слитка 189
Улучшение качества непрерывнолитого слитка при разливке стали с погружными водоохлаждаемыми холодильниками 195
Исследование особенностей водовоздушного охлаждения на МНЛЗ 200
Промышленное опробование безнапорных разливочных стаканов 203
Глава З. Исследование и формирование базы аналитических, физических и эмпирических методов анализа для управления технологическими режимами процесса непрерывной разливки стали 222
3.1. Исследование условий кристахіизации непрерывнолитого слитка 222
Теоретическая проработка принципов управления динамическим режимом затвердевания и процесса "мягкого обжатия" кристаллизующегося непрерывнолитого слитка 222
Исследование хзоны контакта слитка и стенки кристаллизатора МНЛЗ 228
Кристаллизация слитка на МНЛЗ криволинейного типа 244
Применение радиоактивных изотопов для исследования кинетики затвердевания и характеристик направленного движения металла при кристаллизации непрерывных полых слитков 252
Влияние условий затвердевания на образование и распределение сульфидных включений в литом металле 256
Особенности кристаллизации стальных слитков при непрерывном литье на установке ЛИТПАСТ 266
3.2. Методы исследования способов подвода металла в кристаллизатор. 272
Физическое (гидравлическое) моделирование 274
Моделирование массопереноса примесей в жидкой лунке 282
Масштабы моделирования и структура модельного и промышленного экспериментов284
Влияние гидродинамики разливки на условия образования плавающей корочки на поверхности расплава 295
3.3. Методика расчета режима вторичного охлаждения непрерывнолитых слитков 306
3.5. Разработка математических моделей систем прогнозирования качества заготовкиЗ23
Статистические методы исследования зависимостей между технологическими параметрами УНРС и показателями качества заготовки. Регрессионные методы 323
Математические модели прогноза качества непрерывнолитой заготовки 327
Алгоритм выбора наиболее значимых параметров процесса для данного вида дефекта заготовок с использованием непараметрического дискриминантного анализа 338
Выбор параметров для регрессионного анализа по осевым трещинам заготовки 340
Система автоматического прогнозирования процесса формирования непрерывнолитых слитков 345
3.6. Разработка концепции модели автоматизированной системы управления качеством непрерывнолитой заготовки 358
Глава 4. Регламентация параметров процесса и качества непрерывнолитой заготовки 367
4.1. Структура информационной аналитической базы данных процесса непрерывной рахшвки 367
Обеспечение единой структуры информационной среды производства 369
Структуризация технологических показателей производства непрерывнолитой заготовки 370
Аналитическая база данных для проведения расчетов на ЭВМ 375
Систематизация основных показателей расхода материалов и энергоресурсов на УНРС
для формирования СУБД производства 379
4.2. Дефекты поверхности и макроструктуры непрерывнолитых заготовок 400
Основные дефекты и причины их образования 400
Количественная оценка дефектов 403
Систематизация причин дефектообразования и трансформации дефектов при последующей прокатке 404
Глава 5. Разработка и внедрение систем многофакторного прогноза качества заготовки в промышленных условиях 457
5.1. Организация сбора, накопления и предварительной обработки информации 458
Статистическая обработка базы данных 460
Метод оптимального дендрита. 461
5.2. Математические модели, прогнозирующие качество на 1-ом (поплавочном) у ровне. 472
Для продольных трещин 472
Для поперечных трещин 472
Для неметаллических включений 472
5.3. Математические модели, прогнозирующие качество на 2-ом (послябовом) уровне .472
Для продольных трещин 472
Для поперечных трещин 473
Для неметаллических включений 473
Алгоритм адаптации коэффициентов моделей. 473
Технологические алгоритмы управления процессом непрерывкойрахчивки стали. 476
Заключение
- Классификация или кластеризация
- Пораженность непрерывнолитых слябов сетчатыми трещинами при повышенной скорости разливки
- Применение радиоактивных изотопов для исследования кинетики затвердевания и характеристик направленного движения металла при кристаллизации непрерывных полых слитков
- Структура информационной аналитической базы данных процесса непрерывной рахшвки
Введение к работе
Важнейшей проблемой, стоящей перед отечественной металлургией, является повышение эффективности производства и коренное улучшение качества выпускаемой металлопродукции. В области непрерывной разливки стали это, прежде всего, создание современных конкурентоспособных МНЛЗ, расширение типоразмерного и марочного сортамента непрерывнолитой заготовки, по форме и профилю близкой к конечной продукции и обеспечение гарантированного качества металла при наименьших затратах по переделу. Разработка комплекса мер по реализации поставленной задачи требует решения широкого спектра вопросов, включающих в себя исследование роли и регламентацию характеристик процесса во всем значимом диапазоне изменения конструктивных и технологических параметров МНЛЗ. На базе всестороннего исследования влияния технологических и конструктивных параметров процесса на его эффективность необходимо разработать комплексный базовый регламент производства бездефектной непрерывнолитой заготовки, обеспечивающий воспроизводимость достигаемых результатов в условиях различных комбинаций параметров. Системная регламентация конструктивных и технологических факторов процесса, исследование их взаимосвязи и ранжирование допустимых диапазонов изменения позволит создавать конкурентоспособные МНЛЗ на базе обоснованных технологических заданий (ТЛЗ) на их проектирование и строительство, а также разработать типовую технологическую инструкцию на промышленную реализацию технологии получения непрерывнолитой заготовки заданного качества.
Процесс создания современных конкурентоспособных МНЛЗ требует постоянного совершенствования методов прогноза получаемых результатов и теоретического анализа эффективности принимаемых технологических и технических решений. Прорыв в области разработки передовых технологий и конструктивных решений в непрерывной разливке невозможен без математического моделирования процесса на базе современных средств вычислительной техники.
За последние годы на ряде отечественных и зарубежных УНРС введен контроль качества литых заготовок, позволяющий в ряде случаев приблизиться к созданию систем управления качеством. Как правило, автоматизированный контроль направлен на своевременное выявление дефектов поверхности и реже на определение дефектов макроструктуры. Поверхностные и внутренние-дефекты возникают в непрерывнолитых слитках по целому ряду причин, которые нередко комбинируются и усиливают взаимодействие друг друга. Часть таких причин связана с недостатками в работе УНРС: износ и механическая несоосность оборудования, неадекватная конусность кристаллизатора и т.д. В то время как другие причины связаны с особенностями химического состава разливаемых сталей, их прочностныими и пластическими характеристиками или теплофизическими условиями затвердевания слитков. Для исключения возможности образования дефектов, обусловленных характером работы УНРС, требуется анализ влияния металлургических факторов на качество непрерывнолитых слитков. Последнее не может быть реализовано без существенного совершенствования методов и средств, позволяющих в автоматическом режиме получать, накапливать и обрабатывать информацию о влиянии технологических параметров процесса непрерывной разливки стали на качество непрерывнолитых заготовок и готовой продукции.
Одним из важнейших современных направлений развития и совершенствования непрерывной разливки стали является установление непосредственной связи между УНРС и станами горячей прокатки путем «горячего посада» или «прямой прокатки», что позволяет существенно сократить расход энергии, а длительность цикла производства при «горячем посаде» сократить в 3 раза, а при «прямой прокатке» в 10 раз. Однако на настоящее время не существует такой технологии, которая гарантировала бы получение достаточно высококачественных заготовок. Практическая реализация «горячего посада» или «прямой прокатки» возможна только при условии оснащения УНРС автоматизированной системой контроля качества непрерывнолитых заготовок, способной в режиме реального времени без дополнительной проверки и обработки определять в горячем слитке наличие дефектов, недопустимых для дальнейшей прокатки.
Существует два основных подхода к созданию автоматизированной системы контроля качества заготовок. Первый подход связан с созданием аппаратурных дефектоскопов, способных определять наличие дефектов в заготовке при температурах поверхности порядка 800-1000°С, а второй базируется на использовании математических моделей, устанавливающих взаимосвязи между параметрами процесса разливки, характеризующими условия формирования заготовки и бальными оценками дефектов. Эти подходы не исключают друг друга, совместное их использование в практике непрерывной разливки значительно повысит ее эффективность. Особое внимание уделено второму подходу, ввиду появления в последние годы совершенно новых методов решения многофакторных задач, называемых системами искусственного интеллекта или нейронными сетями. Они находят успешное применение в самых различных областях - бизнесе, медицине, технике, геологии, физике и т.д. Нейронные сети вошли в практику везде, где нужно решать задачи прогнозирования, классификации или управления. Нейронные сети применимы практически в любом многофакторном процессе, когда существует причинно-следственная связь между переменными-предикторами (входами) и прогнозируемыми переменными (выходами), даже если эта связь имеет очень сложную природу, которую обычно трудно выразить в терминах корреляций и различий между рассматриваемыми группами параметров. Использование нейронных сетей, как и применение методов математической статистики, требует предварительной систематизации и накопления базы данных большого объема, состоящих из отдельных записей, каждая из которых включает в себя значения технологических или конструктивных параметров УНРС с возможностью увязки по ключевым полям с базами данных смежных переделов от сырья до реализации готовой продукции..
Энерго - и материалосбережение являются одним из основных направлений развития современной металлургической технологии, поскольку повышают конкурентоспособность металлопродукции. Вопросы управления качеством непрерывнолитой заготовки рассматриваются в аспекте номинальных расходов основных материалов и энергоресурсов.
Классификация или кластеризация
Обычно задачи классификации практически очень плохо алгоритмизуются. Кластеризация - это разбиение набора данных на несколько компактных областей (кластеров, например, Kohonen s Self Organizing Feature Map (SOFM) -самоорганизующаяся карта признаков Кохонена), причем число кластеров заранее неизвестно. Кластеризация обеспечивает применение для исследования каждого кластера различные методы. Например, нейронная сеть на основе методики использования МГУА (метод группового учета аргументов) дает возможность построить зависимость одного параметра от других в виде полинома. Такая сеть может мгновенно выявить фальсифицированные или ошибочные исходные данные, неверные показания контрольно-измерительной аппаратуры, вмешательство в технологический процесс и т.д. Обученная нейронная сеть может выступать как эксперт, обладающий очень большим опытом и способный дать ответ на сложный вопрос. Нейросетевой подход в задачах экспертной оценки сочетает в себе способность компьютера к вычислению и способность мозга к обобщению и распознаванию. Алгоритм кластеризации основан на подобии образов и размещает подобные образы в один кластер без применения обучающей выборки. Этот тип сетей может быть использован для автоматизированной бальной оценки дефектов непрерывнолитого слитка с целью принятия решения отбраковки или дальнейшего передела. Введение лингвистической переменной и термов для оценки дефектов заготовки сделает технологические режимы более гибкими, экономичными и адекватными требованиям потребителя готовой продукции. Понятие лингвистической переменной впервые введено Л.Заде, который расширил классическое понятие множества, допустив, что характеристическая функция принадлежности элемента множеству может принимать любые значения в интервале (0,1), а не только значения 0 либо 1. Это позволило создать фундамент теории нечетких множеств и нечеткой логики, а также предпосылки внедрения методов нечеткого управления в инженерную практику.
Аппроксимация функций.
При проведении исследований набор экспериментальных данных, используемых для обучающей выборки ((Х, Уі),(х2, У2),---(хп, уп)) генерируется неизвестной функцией, искаженной «аддитивным шумом». Задача аппроксимации состоит в определении степени достоверности исследуемой функциональной зависимости. Наиболее эффективно автоматизировать такие исследования и проводить их с использованием репликативных нейронных сетей, что особенно актуально для расширения марочного сортамента разливаемой стали и регламентации технологических требований производства. Репликативная нейронная сеть приводит шумовой компонент к среднему значению, и результат, получаемый на выходе сети, является суммой информативной части вектора (входного вектора) и среднего значения шума в данной точке многообразия. Если среднее значение равно нулю, то выходной слой воспроизводит входной вектор, удаляя случайный шум.
Прогноз. Правильный прогноз существенно влияет на принятие своевременного решения в многофакторных процессах, к каким относится и непрерывная разливка металла. Формализованное решение задачи сводится в предсказания значения y(tn+i) в момент tn+J при задании того или иного временного (любого последовательно пропорционального) ряда прогнозируемого параметра {y(ti), y(t2)v- y(tn)} в последовательные моменты времени ti, t2,---,tn. Значения переменных измеряются в различные моменты времени при этом присутствуют или ожидаются зависимости (тренды) между последовательными значениями одной и той же переменной. Такая задача является частным случаем задачи регрессии и после соответствующего предварительного преобразования данных может быть решена нейронной сетью любого типа, предназначенного для задач регрессии.
Оптимизация.
Задачей оптимизации является нахождение решения удовлетворяющего системе ограничений и максимизирующего или минимизирующего целевую функцию. Этот класс искусственных нейронных сетей включает так называемые сети Хопфилда, Хэмминга, Коско, Карпентера, Гроссберга, и др., более известные по именам их разработчиков. Модель разработанную К.Фукушима чаще называют когнитроном. Когнитрон инвариантен к поворотам, перемещениям, изменениям масштабов распознаваемых образов. В случае отсутствия информации о том, какие входные переменные действительно существенно влияют на целевую функцию часто используют построение нейронной сети специально предназначенной для отбора значимых переменных с применением генетических алгоритмов отбора входных данных - Genetic Algorithm Input Selection. Впервые идея использования для обучения генетических алгоритмов была предложена Дж. Голландом. Генетический алгоритм - это последовательность управляющих действий и операций, моделирующая эволюционные процессы на основе аналогов механизмов генетического наследования и естественного отбора. По скорости определения оптимума целевой функции генетические алгоритмы на несколько порядков превосходят случайный поиск или глобальный перебор входных параметров. Высокая степень распараллеленное обработки информации позволяет успешно применять нейросетевые технологии для решения задач комбинаторной оптимизации. Решение таких задач традиционными методами математического программирования, большинство из которых ориентировано на вычислительную технику с последовательной архитектурой, сопряжено с большими временными затратами, неприемлемыми для быстропротекающих многофакторных технологических процессов в металлургической практике. В любой задаче оптимизации на основе генетических алгоритмов есть два главных процесса. Сначала проектируют модуль генетических алгоритмов, а затем моделируют испытания и оценки. Граничные условия определены параметрами исследуемого процесса. Постановка задачи оптимизации для достижения главной цели и возможных альтернатив осуществляется на базе анализа структуры основных массивов производственных данных предприятия. Генетический алгоритм использует некоторый начальный фактический массив этих данных. Если этот предварительный массив адаптируется моделью с ограничениями, происходит возврат назад к модулю генетических алгоритмов. Если функция соответствия удовлетворена, - получаем решение задачи. Во втором поколении модуль генетических алгоритмов обрабатывает первую популяцию параметров и создает новый список параметров, продолжая поиск необходимых мутаций, пока окончательный вариант не удовлетворит функцию соответствия или не закончится заданное пользователем время работы алгоритма. Этот тип системы с использованием разработанных фирмой Siemens инструментов и генетических алгоритмов был внедрен на заводах в Megasteel, (Малайзия); Zhuijang, (Китай); Thyssen Krupp Stahl (Германия) и др. [14].
Пораженность непрерывнолитых слябов сетчатыми трещинами при повышенной скорости разливки
Пораженность непрерывнолитых слябов сетчатыми трещинами при повышенной скорости разливки.
Одним из основных путей увеличения производительности МНЛЗ является повышение скорости вытягивания слитка. Однако это не всегда бывает достаточным условием для реализации высокопроизводительного процесса с удовлетворительным качеством получаемых отливок. Поэтому при росте скорости вытягивания слитка возникает необходимость проведения дополнительных мероприятий, включающих изменение ряда технологических параметров (режима качания кристаллизатора, вторичного охлаждения и др.). Для выбора оптимальных технологических параметров требуется информация о влиянии повышенной скорости вытягивания на качество поверхности и макроструктуру слитка.
На криволинейных МНЛЗ Череповецкого металлургического комбината проводили разливку нескольких серий плавок стали Зсп и 2сп на слитки сечением 0,25x1,29 м со скоростью их вытягивания 1,2-1,4 м/мин.
Предварительно на МНЛЗ была удлинена зона вторичного охлаждения на 5,3 м. При изменении расхода воды по участкам зоны общий удельный расход остался прежним - от 0,55 - до 0,85 л/кг. От слитка опытной плавки на участках стабильной скорости разливки отбирали темплеты, для сравнения образцы отбирали на контрольных участках при разливке металла со скоростью 0,6-0,8 м/мин.
Оценку температуры поверхности слитка при прохождении им зоны вторичного охлаждения с различной скоростью вытягивания проводили при моделировании процесса охлаждения слитка на ЭВМ по методике, приведенной в работе [253]. При этом учитывали величину локальных переохлаждений в полях орошения форсунок.
Результаты металлографических исследований позволили выявить довольно сложную зависимость качества слитка от скорости его вытягивания. Наиболее значительно скорость разливки влияет на степень пораженности поверхности слитка сетчатыми трещинами; морфология этих трещин описана в работе [254].
При повышении скорости вытягивания слитка с 0,8 до 1,0 м/мин площадь поверхности слябов, пораженная сетчатыми трещинами, уменьшается в 7,5 раз. Увеличение скорости с 0,8 до 1,2 м/мин приводит к уменьшению площади поверхности, пораженной трещинами, в 40 раз, а при скорости 1,4 м/мин на поверхности слитка встречаются лишь отдельные неразвитые дефекты. Глубина дефекта также значительно зависит от скорости вытягивания слитка: при повышении скорости с 0,8 до 1,0 м/мин уменьшается с 2,5-3,0 балла до 1,0 балла, при дальнейшем повышении скорости находится на уровне 0,5-1,0 балла.
При постоянном химическом составе стали основным фактором, влияющим на степень развития сетчатых трещин, являются условия вторичного охлаждения слитка, которые зависят от скорости его вытягивания..
Моделирование процесса охлаждения слитка в зоне вторичного охлаждения показало, что при одном и том же удельном расходе воды амплитуда термоциклирования уменьшается с повышением скорости вытягивания слитка. При росте скорости от 0,6 до 1,4 м/мин на участках слитка с одинаковой толщиной оболочки падение температуры на поверхности в зонах орошения форсунок снижается на 50-120 С; при этом минимальная температура поверхности возрастает с 800 до 920 С (без учета термоциклирования - с 900 до 1050 С).
При скорости вытягивания 0,6 и 1,4 м/мин период термоциклов по длине зоны вторичного охлаждения увеличивается соответственно с 14 до 43 с и с 6 по 18,5 с.
Причиной образования сетчатых трещин считают низкие пластические свойства стали в температурной области около 800 С. В работе [255] показано значительное влияние термоциклирования, по характеру близкого к условиям вторичного охлаждения слитка, на пластические свойства стали.
Результаты моделирования условий вторичного охлаждения слитка показывают, что охлаждение слитка при скорости вытягивания более 1,0 м/мин способствует снижению степени образования сетчатых трещин. При пониженной скорости вытягивания (0,6 м/мин) термоциклирование происходит в опасной температурной области 700-900 С. При этом для стали аналогичного химического состава показатель пластичности (относительное сужение при испытании на разрыв) составляет 10-12%. При разливке со скоростью 1,0 и 1,4 м/мин термоциклирование происходит в температурной области 800-1000 С и 900-1100 С, относительное сужение стали составляет 34-37 и 80-83 %. С увеличением количества термоциклов относительное сужение имеет тенденцию к уменьшению, но это наблюдается только в температурной области термоциклирования, соответствующей пониженным скоростям вытягивания слитка.
Причины охрупчивания в температурной области 700-900 С стали, раскисленной алюминием, связывают с выделением мелкодисперсных нитридов алюминия по границам аустенитного зерна. Выделение нитридов алюминия при пластической деформации с небольшой скоростью происходит при 875 С через 6-11 с, без пластической деформации через 60-100 с [256]. При прохождении поля орошения форсунки происходит падение температуры на поверхности слитка. При ширине поля орошения плоскофакельных форсунок 40-60 мм максимальная продолжительность падения температуры и пребывания в температурной области выделения AIN при скорости вытягивания слитка 0,6 и 1,4 м/мин соответственно составляет 10 и 4,3 с. Уменьшение выделения нитридов при повышенной скорости вытягивания слитка способствует повышению пластичности стали. С увеличением скорости деформации пластичность стали при 750-950 С возрастает.
Повышение скорости разливки на МНЛЗ способствует снижению степени пораженности поверхности слитка сетчатыми трещинами. Разливать с повышенной скоростью целесообразно рядовую углеродистую сталь, раскисленную алюминием, трещиночувствительную низколегированную (с добавками ниобия). Однако при увеличении скорости необходимо учитывать требования к внутренней структуре слитка, так как в некоторых случаях при значительном увеличении скорости может возрастать степень пораженности внутренними трещинами.
Применение радиоактивных изотопов для исследования кинетики затвердевания и характеристик направленного движения металла при кристаллизации непрерывных полых слитков
Значения теплосъема в зоне вторичного охлаждения, используемые в расчетах, соответствуют ролико - форсуночному или водовоздушному способам охлаждения слитка. Теоретически производительность МНЛЗ можно увеличить, используя в указанной зоне жесткое форсуночное или струйное охлаждение.
Однако применять его непосредственно после выхода слитка из кристаллизатора нельзя, так как это вызывает переохлаждение слитка, ухудшение структуры литого металла из-за развития термических напряжений, а также увеличение осевой ликвации и пористости. Поэтому рекомендуется сначала использовать ролико-форсуночное или водовоздушное охлаждение слитка, которое способствует увеличению центральной зоны равноосных кристаллов и, следовательно, уменьшению ликвации и пористости. При таком мягком охлаждении не возникают и значительные температурные напряжения. На участке изгиба слитка (z = 12-19 м) температура его поверхности должна быть не ниже 900 С. Поэтому форсированное охлаждение при высокой скорости разливки целесообразно использовать после этого участка. Были проведены Ф расчеты, в которых за зоной действия правильной машины, начиная с z = 20 м, применяли струйное охлаждение слитка: коэффициент теплоотдачи ас = ао задавали равным 2000 Вт/(м2К). AРезультаты исследования показали, что температура поверхности слитка Тп повышается при увеличении скорости разливки стали. При использовании форсированного теплосъема, начиная с z = 20 м, происходит резкое снижение температуры поверхности слитка. При этом заметно уменьшаются глубина жидкой лунки Н и продолжительность полного # затвердевания слитка т = H/v (Таблица 21). В рассматриваемом случае технологическая длина МНЛЗ составляет 37,7 м. Таким образом, увеличение интенсивности вторичного охлаждения слитка на горизонтальном участке МНЛЗ при высокоскоростной разливке (v = 1,5-1,6 м/мин) стали определенных марок стали позволяет более полно использовать технологическую длину машины для сокращения цикла разливки и приближения к циклу выплавки.
Изменяя значения коэффициентов ас и а0, можно подобрать для стали определенных марок такую интенсивность теплоотвода, при которой будут достигнуты совпадение теплового центра слитка с геометрическим и минимальное развитие дефектов литого металла как на поверхности, так и внутри слитка. Таким образом с помощью математического анализа процесса затвердевания слитка в криволинейном (наклонном) и горизонтальном положениях при высокоскоростной разливке стали на МНЛЗ криволинейного типа установлено, что при изменении параметров охлаждения поверхности слитка в процессе разливки стали некоторых марок можно получить почти полное совпадение геометрического и теплового центров слитка и предупредить появление грубых осевых дефектов ликвационного типа. Это позволит более полно использовать технологическую длину машины и изменять в широком » диапазоне продолжительность разливки плавки для реализации контактного графика «конвертер - МНЛЗ». Улучшение технико-экономических показателей производства труб достигается при использовании непрерывнолитых полых слитков. Вместе с тем, промышленное внедрение процесса непрерывной отливки полых заготовок связано с решением ряда задач, важнейшей из которых является разработка оптимальных параметров затвердевания, что может быть реализовано с помощью исследований кинетики кристаллизации и конвективных потоков в жидком ядре слитка.
Исследовался процесс затвердевания полых слитков размером 270x110 мм2. Разливку стали марки Ст20 производили в круглые кристаллизаторы одновременно через два затопленных кварцевых стакана, расположенных по диаметру в противоположных точках кристаллизатора. Чтобы уменьшить размывающее действие струи металла, разливочные стаканы были снабжены одним боковым отверстием, направленным по касательной к окружности кристаллизатора, и, кроме того, им было придано возвратно-круговое движение на угол до 30. Скорость разливки составляла 0,3 и 0,6 м/мин. Опытные плавки проводили с помощью совместного ввода изотопов 32Р и 35S. Ввод изотопов в слиток осуществляли в алюминиевых ампулах под уровень жидкого металла, а также в медных трубках на всю глубину жидкой фазы. Концентрацию радиоактивного индикатора в темплетах исследовали с помощью метода авторадиографии и измерения содержания изотопов в пробе счетчиком # ядерного излучения. Полученные данные изменения содержания изотопов в темплетах использовали для построения кривых распределения изотопов по высоте слитка, причем точки измерения располагали по пяти параллельным дорожкам (I-V), из которых III дорожка проходила через ось темплета, а остальные - через 30 мм от нее. Для раздельной регистрации излучений 32Р и 35S использовали то обстоятельство, что максимальный пробег частиц 32Р составляет 0,8 г/см2, а частиц 35S - 0,0342 г/см2.
Структура информационной аналитической базы данных процесса непрерывной рахшвки
Задача оптимизации условий формирования непрерывнолитых заготовок, в том числе и сортовых, остается многоплановой проблемой. В какой-то мере она решается на уровне кибернетического "черного ящика" с привлечением аппарата математической статистики при пассивной обработке зависимостей входных и выходных параметров. Корреляционный анализ последних позволяет выявить достаточно широкий класс зависимостей оптимальных показателей качества литого металла от определенного уровня входных параметров. В практике решения научно-исследовательских задач по улучшению качества литого металла и готовых изделий из него необходимо выделить следующие этапы: анализ технических потребностей и выявление недостатков в получении литья; конкретизация постановки задачи и условий ее выполнения; анализ технологического объекта управления (ТОУ) и разработка его модели; поиск оптимальных решений; синтез нового технологического решения [291]. Как показывают исследования, всестороннее, достоверное изучение ТОУ процесса, его структуры, связей и отношений в производственных условиях затруднено и зачастую невозможно. В этой связи приобретает особенную актуальность проведение поисковых работ на идеализированных ТОУ -различного рода макетах, физических и математических моделях. Опыт проведения таких исследований показывает их эффективность [292,293,294]. В случае изучения гидро- и массообменных явлений при применении оригинальных и традиционных методов подвода расплава в кристаллизатор результаты исследований на физической модели необходимо представить в удобном для переноса на другие экспериментальные условия виде, выявить наиболее приемлемые пределы их применения и провести сравнительный анализ с данными математического моделирования и, по возможности, промышленного эксперимента. Результаты представляются в виде неоднородных дифференциальных уравнений первого и второго порядка, например, типа [295,296,297]: dFy/dt2 + aidy/dx + а у = кх при у(а) = уо, где х и у - входной и выходной параметры; т - текущее время; ао и ai -экспериментальные постоянные; к - экспериментальный передаточный коэффициент ТОУ.
Эти методики исследования позволяют обратить особое внимание на разработку принципов оптимального управления процессами в соответствии с заданной целью и состоянием ТОУ в рассматриваемый период времени, независимо от изменений условий, которые привели систему в данное состояние.
Решение задачи оптимизации при этом сводится к минимизированию « (максимизированию) функционалов типа ф где N - общее число интервалов; Х(К) - управляющее воздействие; У(к) - значение координаты в дискретные моменты времени. На основании полученных данных имеется возможность решения задач синтеза, обеспечивающих в данной системе такой характер процессов, который желательно придать в проектируемой или уже функционирующей системе. Увеличение сложности процессов и размеров систем требует постоянного совершенствования моделирования и проверки лабораторного эксперимента [298]. Такой подход позволит обеспечить решение задачи оптимизации при детальном изучении физико-химических процессов, происходящих в формирующемся слитке, и более точным математическим моделям с уточненными теплофизическими параметрами [299]. Непосредственное изучение гидродинамических и массообменных процессов в производственных условиях представляет большую сложность и не всегда возможно, поэтому важную информацию о них дают гидравлические модели [300,301]. Методы теории подобия и моделирования применяются в различных научных исследованиях.
При этом исследуется не сам объект (оригинал), а вспомогательный, находящийся в некотором объективном соответствии с ним и позволяющий на ф исследуемой модели получать информацию об объекте. Физическое (гидравлическое) моделирование
Среди обобщающих критериев, обеспечивающих необходимое течение процессов формирования непрерывнолитых заготовок, следует выделить газонасыщенность и присутствие посторонних примесей в расплаве, химический состав последнего, термонапряженность в нарастающей оболочке, конфигурацию фронта затвердевания, длительность пребывания металла в двухфазном состоянии [302]. Оптимизацию этих критериев необходимо осуществлять, исходя из интенсивности по периметру и непрерывности по высоте (времени) охлаждения заготовки, равномерности мощности по периметру и непрерывности по высоте жидкой лунки распределения циркуляционных и конвективных гидропотокрв; скорости отвода избыточных теплот.перегрева и кристаллизации. В жидкой фазе системы протекают процессы конвективного и диффузионного переноса массы и энергии. Движущими силами в этой фазе являются струя (струи) расплава, градиент температур, избыточная концентрация примесей на границе двухфазной зоны, обусловленные неоднородными скоростными, температурными и концентрационными полями [303]. Разработка математических и физических моделей начинается с выяснения наличия априорной информации о гидротепловых и массообменных. параметрах, определяющих ТОУ, протекающих в нем. В Таблица 23 приведены эти параметры с обозначением учета их в данной модели (+) или несущественности (отсутствия) их (-) [304].
