论文

无取向硅钢中夹杂物的存在会抑止晶粒生长,使基体的均匀连续性中断,其在钢中的形态、含量及分布情况都不同程度影响着硅钢的性能,尤其是对磁性能起关键的作用。因此,全尺度分布考察夹杂物对无取向硅钢夹杂物的研究极为重要。本实验确定了适用于不同牌号无取向硅钢夹杂物全尺度分布的分析方法:样品制备—小样电解—过滤喷金—根据不同牌号的要求选择合适的放大倍率扫描观测—夹杂物颗粒的分类统计。通过统计的结果,结合电解的失重量可以得到不同尺度的体积分布数据。实验分析了不同牌号和工艺无取向硅钢夹杂物的种类、形貌、大小和尺度分布,并初步考查了夹杂物与磁性能的关系,对无取向硅钢的工艺研究具有一定参考价值。 Inclusions in non-oriented silica steel could inhibit the growth of grain and cause discontinuity of micro-structure.The configuration,content and size distribution of inclusion have different effects on the performance of silica steel,especially significant on the magnetic property.Therefore,it is very useful to completely characterize inclusions with full size distribution in silica steel.In our research,full size analysis method for inclusion in silica steel had been established as follows: s... 

针对宝钢硅钢常化退火过程中产生的退火炉辊印缺陷问题,通过实际生产的大数据与产品质量问题相结合,将数据挖掘、数据分析方法应用到实际,一定程度上解决了现场实际生产中的痛点,为现场生产提供决策支撑,避免了以前通过人工识别判定存在疏漏和无法定量判断的问题,形成了一套具有鲁棒性和可操作性的钢铁生产过程数据分析方法。通过智慧决策系统平台获取实际生产和表检仪数据,基于Pearson相关系数算法进行变量挑选和特征工程,并应用随机森林算法对数据建立分类预测模型,实现了质量问题的溯源和监控,通过数据量化预测了炉辊印缺陷是否可通过轧制消除的质量问题,识别准确率达到96.43%。 In views of the normalizing annealing furnace roll marks problem occurred in the process of normalizing annealing of silicon steel in Baosteel,by combining big data from actual production with product quality problems,data mining and data analysis methods were applied to actual production to solve the pain points and provide decision support,a robust and practical data analysis method for the steel production process has been developed,which avoided the previous problems of omission and non-quan...