稳态浇铸期间,中间包与结晶器内流场与温度场处于动态平衡,而开浇、更换钢包及浇铸结束等非稳态过程是客观存在的运行状态,流场的扰动会对夹杂物去除产生不利影响。随着高端钢材对洁净度的要求日益严格,连铸非稳态过程钢水洁净度及夹杂物的迁移行为成为制约产品质量的关键因素。在开浇、换包与浇铸结束等非稳态过程中,中间包与结晶器内钢液流场与温度场剧烈波动,导致二次氧化、卷渣及夹杂物上浮受阻等问题,使铸坯中夹杂物含量上升从而被降级甚至判废,显著增加了生产成本。系统综述了连铸非稳态过程典型冶金反应器内非金属夹杂物颗粒在钢液中的迁移行为研究进展,总结了非稳态阶段夹杂物的来源、迁移行为及其对铸坯洁净度的影响。通过整合数值模拟、物理试验及工业检测数据,系统揭示了夹杂物的三维分布规律,并提炼出关键控制技术,为精准界定非稳态铸坯的切割范围、降低降级率与报废率提供了理论支撑。现有控制技术可在一定程度上改善非稳态过程对钢液洁净度的影响,但仍存在模型精度不足、技术方案普适性差、实时监测与动态调控能力不足等问题,多物理场耦合机制与智能化控制技术的结合将是未来的技术发展趋势。

在“双碳”战略目标驱动下,冶金行业正在加快向绿色化与智能化发展的新阶段迈进。作为钢铁制造流程的核心环节,连铸过程的智能化水平决定着整个产业链的生产效率、能源利用率与产品质量。系统综述了人工智能（artificial intelligence,AI）在连铸工序中的研究进展与应用创新。首先,针对漏钢问题,分析其成因及影响,探讨AI预测模型在提高预警准确率、减少误报率方面的应用效果及其局限性。其次,围绕二冷动态配水控制,结合遗传算法优化参数搜索策略,引入深度神经网络构建多变量冷却控制模型,实现水量调节的智能响应与局部温度场的精细控制,有效降低铸坯热应力与裂纹风险。针对连铸坯表面缺陷识别难题,引入深度学习与机器视觉相结合的缺陷检测系统,借助卷积神经网络（convolutional neural network,CNN）对缺陷进行自动识别与分类统计,提升缺陷识别的精度与效率。最后,针对高风险、高劳动强度的连铸作业,综述了作业机器人在结晶器更换、测温取样、自动加渣等工序中的最新研究与实践成果,展现出良好的智能操作潜力。连铸智能化转型仍面临数据采集标准不统一、AI模型在复杂边界条件下泛化能力不足,以及极端工况适应性弱等关键挑战。为此,亟须推动连铸大模型的研究,发展多模态感知技术,以实现连铸全过程的智能感知、预测与调控。研究结果可为钢铁行业实现“零缺陷、自适应、超低碳”的智能制造目标提供有力支撑。

某钢厂生产的20MnCrS5齿轮钢经过切削加工后,在一些齿轮坯表面发现明显的亮线缺陷,这种缺陷主要是由夹杂物导致的。利用扫描电镜和能谱分析明确缺陷处夹杂物的形貌和成分等基本特征,通过对20MnCrS5钢冶炼过程进行取样,分析不同阶段渣成分以及钢样中夹杂物的形貌和成分,结合热力学计算,分析冶炼过程夹杂物的演变,进而确定导致缺陷的夹杂物的形成机制。研究结果表明,齿轮坯缺陷处主要是大尺寸CaO-MgO-Al₂O₃类夹杂物,最大尺寸超过200 μm,其内部不含SiO₂,CaO和Al₂O₃分布较均匀,MgO只在局部比较集中,该类大尺寸夹杂物主要由大量小尺寸的CaO-MgO-Al₂O₃类夹杂物团聚形成。CaO-MgO-Al₂O₃类夹杂物是由钢液中原本存在的较多的Al₂O₃夹杂物在冶炼过程中与镁、钙发生反应形成的,此类夹杂物在高温时主要表现为液态而难以上浮去除,因此保留在钢液中。小尺寸CaO-MgO-Al₂O₃类夹杂物在随着钢液通过水口后,于后续温降及凝固过程逐渐析出固相,这些固相因腔桥力作用相互黏附,在接触后的短时间内完成烧结。此类小尺寸夹杂物通过该过程实现碰撞团聚,最终形成聚集状的大尺寸夹杂物。为减少此类大尺寸夹杂物的形成,需要进一步提高钢液洁净度,通过调节炉渣成分,增强其吸收钢液中Al₂O₃类夹杂物的能力;合理控制钙处理时钙线的喂入量,减少液态CaO-MgO-Al₂O₃类夹杂物的形成。研究结果对解决20MnCrS5齿轮坯表面缺陷问题并进一步提高20MnCrS5钢的产品质量有重要意义。

钒钛磁铁矿在全球范围内分布广泛,资源储量丰富。钒和钛作为航空航天、电子信息、高端制造、新能源、新材料等领域的关键金属元素,其在冶金及材料工业中的开发价值极为重要。然而,在基于高炉-转炉法的传统流程冶炼过程中,高炉渣中常常含有较高含量的氮化钛和碳化钛,这些高熔点化合物不仅容易导致炉内高炉渣黏度升高,还会导致渣中含铁、炉缸堆积等不良现象发生,影响正常生产。以黑龙江建龙公司提供的钒钛磁铁矿为原料,首先对其理化性质及成分进行了表征分析,设计相关试验探明炉渣熔化性能演变规律,同时研究了碱度和w（MgO）/w（Al₂O₃）对炉渣熔化性能的具体影响。试验结果表明,当TiO₂质量分数由11%升高至14%时,炉渣的软化温度、半球温度与流动温度分别达到1 245、1 255及1 267 ℃;随着碱度由1.1提升至1.4,这3项温度指标也呈现增长趋势,至碱度1.4时分别为1 240、1 247和1 259 ℃;而w（MgO）/w（Al₂O₃）从0.5增大至0.9过程中,炉渣软化温度、半球温度与流动温度均明显下降,最低分别为1 208、1 222及1 238 ℃。就黏度而言,TiO₂含量变化对其影响较小,碱度升高能有效降低黏度,而w（MgO）/w（Al₂O₃）对黏度影响最为敏感。当w（MgO）/w（Al₂O₃）从0.5升高至0.9时,黏度显著下降,w（MgO）/w（Al₂O₃）继续升高至1.1时,黏度下降趋势变缓。此研究为优化钒钛矿冶炼工艺、抑制TiN和TiC的不利影响提供了理论依据。

钢铁制造中,热轧计划的质量直接影响生产效率、成本及交货期。针对现有热轧批量计划模型存在目标覆盖不全及算法难以有效解决多目标冲突等问题,将热轧批量计划多目标编制问题建模为奖金收集车辆路径问题（prize-collecting vehicle routing problem, PCVRP）,并提出基于约束与路径优化改进的第3代非支配遗传算法（non-dominated sorting genetic algorithm III, NSGA-III）实现问题求解。模型以连铸计划产出的虚拟板坯和库存实体板坯为输入对象,综合考虑热轧计划相邻板坯属性变化、轧制单元长度和批量计划长度、热坯数所占比例等关键评价要素,并构建形成了3个核心评价值与综合评价值结合的优化评价体系。算法采用约束满足和路径近邻池随机策略初始化种群,在保证多样性的前提下提高初始解的质量;设计了融合模型约束和路径优化的交叉变异操作算子,提高算法收敛效率并避免陷入局部最优。通过上述模型与算法的协同设计,实现了对多目标冲突的有效平衡与问题的高效求解。最后,使用某钢厂的实际生产数据进行试验,结果表明,相较于MOEA/D（multi-objective evolutionary algorithm based on decomposition）、NSGA-II和GA（genetic algorithm）,该优化算法综合评价值优化幅度分别提升2.3%、5.1%、35.4%。此外,在迭代过程中,所提方法将初始解的综合评价值提高了57.5%,这表明模型和算法能显著提高热轧批量计划的求解效率和质量。

700L高强大梁钢作为承载车身质量和外部载荷的关键部件,须具备优良的产品性能,对钢水洁净度要求较高。钢中存在的Al₂O₃、Ca-（Mg）-Al-O等硬质夹杂物在轧制过程中不易变形,控制不当会造成钢板冲压、折弯开裂。以铈为代表的稀土元素活性高,能将钢中夹杂物变性为稀土夹杂物,减轻大尺寸球类夹杂物危害,且稀土夹杂物在钢中具有较低错配度,可作为异质形核核心细化铸坯凝固组织。结果表明,钢中稀土铈质量分数为0.001 3%时,球类夹杂物得到细化,单位面积数量由22个降低到11个,最大尺寸由11 μm降低到6 μm;TiN类夹杂物数量、尺寸变化不大。稀土铈将钢中Al₂O₃、Ca-（Mg）-Al-O类夹杂物变性为Ce-Al-O,变性程度取决于局部铈含量,变性后的Ce-Al-O继承钢中原始夹杂物的形貌特征;TiN析出形态发生改变,呈现易碎裂结构,有利于缓解应力集中。根据FactSage热力学计算可知,未添加稀土铈时钢液成分位于非理想相区（liquid+slag+CaAl₄O₇）,添加稀土铈后钢液进入liquid+slag+AlCeO₃相区,稀土将脱氧产物类和钙铝酸盐类夹杂物变性为Ce-Al-O夹杂物,这与扫描电镜（scanning electron microscopy,SEM）观测结果吻合。Ce-Al-O在铁素体钢中错配度小于8%,对钢的凝固形核有促进作用,铸坯等轴晶区扩大,枝晶得到细化,一次枝晶间距由426 μm缩小到280 μm。

针对冶金工业中燃料焦粉检测存在的复杂图像噪声、焦粉与背景分离度低、现场采集图像模糊等导致的粒径难以准确检测等问题,提出了基于改进RTDETR算法的焦粉检测模型ESGE-RTDETR（edge-sparse graph-enhanced efficient real-time detection transformer）,在焦粉检测场景能够对焦粉粒度进行高效准确检测。针对焦粉边缘特征提出MutiScaleEdge多尺度边缘卷积模块并结合ConvEdgeFusion边缘特征融合模块,得到不同维度信息的特征图,采用窗口化注意力和动态自适应稀疏注意力,优化计算复杂度,通过CSP-MSF（cross stage partial multi-scale fusion）融合模块进行颈部特征融合,最终输入检测头得出焦粉检测结果。为提升训练精度,融合PowerIoU和FocalerIoU的特点,提出了用FocalPowerIoU替换原有的GIoU,使得训练较快收敛且稳定,提高了模型的准确度。通过可视化模型所聚焦的特征提取点及区域,提升模型检测过程的可解释性。在实际生产过程中,检测预处理阶段经试验对比后选择采用自适应直方图均衡化（contrast limited adaptive histogram equalization,CLAHE）进行图像增强,突出焦粉边缘特征,为模型检测提供稳定输入,通过CLAHE图像增强提高了模型推理结果的全面性及准确性。在某钢铁厂焦粉图像数据集上的试验结果表明,ESGE-RTDETR模型相较于主流目标检测模型对焦粉多尺度粒度的识别精度有较好的提升作用,相较于原始RTDETR模型,平均精度均值（P_mA50）准确率提升20.6个百分点,召回率提升了14.1个百分点,相较于主流检测模型YOLOv8, P_mA50准确率提升了8.9个百分点,召回率提升了8.5个百分点,能够为现场生产及焦粉粒度工业闭环控制提供技术支持,经某钢厂实际生产验证,满足生产检测精度及速度要求。

唐钢新区作为河钢集团转型升级的重点示范项目,以实现“绿色化、智能化、品牌化”为建设目标,致力于构建物质流、能量流、信息流三网融合的生产网络架构。炼铁-炼钢界面作为钢铁生产流程中的关键一环,涵盖了生产组织、调度管理、物流运输等多个工艺要素,发挥着承上启下的重要作用,对提高企业生产效率和经济效益具有重要意义。唐钢新区基于冶金流程工程学理论,进行了炼铁-炼钢界面技术的系列创新与应用。建立了钢铁流程智能化管理体系,搭建了流程智能化软件平台,创新研发了工序层流运行、界面协同优化、流程数字仿真、五维动态甘特图等核心技术。通过高炉出铁预测模型、铁水温降预测模型、铁水包全程加盖技术、配包模式优化技术等的创新应用,唐钢新区的铁水包周转率、铁水包出准率等得到显著提高,铁水温降大幅降低。而炼铁-炼钢界面甘特图、分铁决策、智能配包决策、尾包转场决策、铁运任务调度、KPI（key performance indicator）统计分析等智能化技术的应用,实现了对炼铁-炼钢界面的实时动态跟踪调度,不仅提高了炼铁-炼钢界面的运行效率,同时也提升了生产组织的精细化管理能力。唐钢新区炼铁-炼钢界面技术的创新与应用丰富了冶金流程工程学的理论内涵,为钢铁制造流程智能化提供了参考和借鉴。

针对传统钒钛磁铁矿冶炼工艺的碳排放高和资源利用率低等瓶颈问题,提出利用H₂还原内配生物质钒钛磁铁矿球团的绿色冶金工艺。开展了1 100 ℃下H₂还原内配生物质钒钛磁铁矿球团试验,系统探究了H₂体积分数（30%、40%、60%）与还原时间（20、30、40、50、60 min）对球团还原效果的影响以及球团微观形貌的变化,并与原矿球团进行对比。研究结果显示,内配生物质的复合球团通过改变孔隙结构来提升气体扩散效率,其在H₂体积分数为30%条件下即可达到原矿球团在H₂体积分数为40%条件下的还原效果;当H₂体积分数提升至60%时,复合球团金属化率达94.58%,且消除钛铁矿残留,证实40%Ar-60%H₂（体积分数）是球团深度金属化的优化工艺条件。内配生物质显著优化复合球团还原动力学路径,在20、30、40、50、60 min关键还原期持续加速金属化进程。其通过强化还原气氛、降低活化能及改善扩散通道,使复合球团较原矿球团至少提前10 min达到同等高的金属化率（约96%）,大幅缩短还原周期并降低还原气氛消耗。复合球团形成多孔蜂窝状铁基体,与原矿球团相比,BET（Brunner-Emmet-Teller）比表面积提升22.68%,粗糙的表面结构扩大了气-固接触面,同时中/大孔贡献率提升使平均孔径倍增,为铁原子定向迁移提供扩散通道,并且促进钛铁氧化物深度还原与聚集（FeTiO₃相消失）,协同实现扩散-反应动力学优化。

随着风电产业的迅速发展,风电装机容量持续攀升,单机机组容量也日益增大,对风电设备的大型化和高性能提出了更为严苛的要求。针对风电用钢对高强度、低温断裂韧性及疲劳止裂性能的关键需求,基于低碳微合金化成分设计,结合热机械控制轧制（thermo-mechanical controlled processing ,TMCP）工艺,成功研发了一种500 MPa级高止裂韧性风电塔筒用钢。该钢材的显微组织主要由均匀细小的铁素体和粒状贝氏体构成,平均晶粒尺寸为3.57 μm,其中小角度晶界（3°~15°）比例为43.5%,大角度晶界（>15°）比例为56.5%。材料的屈服强度为580 MPa,抗拉强度为689 MPa,断后伸长率为19.36%,表现出优异的力学性能。在-80 ℃下,材料的冲击功达257 J;在-40 ℃下,裂纹尖端张开位移（crack tip opening displacement ,CTOD）值为0.604 mm,材料在低温条件下展现出卓越的韧性及止裂性能。显微结构分析表明,材料中的多边形铁素体显著增强了其低温韧性,而少量粒状贝氏体则提高了强度。细化的晶粒有助于增强材料强度,且高比例的大角度晶界能够有效阻止裂纹扩展,从而进一步提升材料的低温韧性和止裂性能。结果为高性能风电用钢的实际应用提供理论依据。

奥氏体不锈钢中的残余铁素体对其使用性能有着重要影响,而残余铁素体特征主要与成分、冷却速率和凝固模式有关。研究了12.5%镍316L奥氏体不锈钢连铸方坯沿宽度方向的残余铁素体分布特征及析出相。使用金相分析、电子背散射衍射（electron back-scattered diffraction,EBSD）以及电子探针（electron probe microanalysis,EPMA）表征分析。根据残余铁素体形貌、Thermo-Calc热力学计算、铬镍当量经验公式以及高温激光共聚焦显微镜（high-temperature laser scanning confocal microscope,HT-CLSM）确定方坯凝固模式。研究表明,沿方坯宽度中心厚度方向铁素体体积分数呈“A”形分布,表面残余铁素体体积分数最低为4.14%,中心残余铁素体体积分数最高为8.99%,计算得出冷却速率从方坯表面7.60 ℃/s降低至中心0.38 ℃/s。残余铁素体形貌在表层细晶区（距表面不大于20 mm）以颗粒状和平行短棒状铁素体为主;柱状晶区[（20,60] mm]以骨骼状→板条状→网状铁素体演变;中心等轴晶区（距表面大于60 mm）主要为密集板条状及团簇网状结构。EBSD和EPMA结果显示,方坯表层δ-铁素体部分转变为σ/chi相,方坯中心区δ→σ+γ₂共析反应导致σ相在奥氏体晶内析出。Thermo-Calc热力学计算和通过铬镍当量经验公式计算结果均表明凝固模式为AF（奥氏体-铁素体）模式。HT-CLSM原位观察显示1 392.6 ℃优先析出骨骼状δ-铁素体,1 386.5 ℃奥氏体在枝晶间生长符合FA（铁素体-奥氏体）凝固模式（L→L+δ→L+δ+γ→δ+γ）。方坯铁素体包裹奥氏体、δ→σ+γ₂共析分解等为FA凝固模式特征。热力学计算和铬镍当量经验公式预测的凝固模式与实际观察的结果存在差异。以期对12.5%镍316L不锈钢连铸方坯生产过程中铁素体的控制提供理论指导。

GH4151合金是一种难变形镍基高温合金,其服役温度能够达到800 ℃。该合金的合金化程度很高,γ′强化相的质量分数为50%~60%,不仅对其进行冶炼、锻造开坯等制备工艺难度很大,而且该合金的性能对热处理工艺比较敏感。目前,针对GH4151合金的研究集中在冶炼工艺控制、开坯锻造工艺优化及热加工参数与组织均匀性控制等方面,而关于GH4151合金热处理工艺方面的研究则较少,尤其固溶制度及时效制度对微观组织及性能的影响机制研究更少。以服役温度能够达到800 ℃的镍基合金GH4151为研究对象,通过亚固溶（1 130 ℃）与过固溶（1 170 ℃）热处理条件下的双时效热处理（850 ℃×6 h + 760 ℃×16 h）,结合光学显微分析、扫描电镜及透射电镜选区电子衍射分析,系统研究了不同热处理参数下GH4151合金的晶粒尺寸分布、一次及二次γ′相演变及晶界相析出行为。进一步,结合系列室温及高温拉伸试验,系统探讨了热处理工艺对GH4151合金力学性能的影响。结果表明,固溶温度显著影响GH4151合金的一次γ′相回溶行为及晶粒尺寸分布。亚固溶处理后存在一定量未回溶的较大尺寸一次γ′相,这些一次γ′相会“钉扎”晶界,有效抑制晶粒长大,从而获得细晶组织;过固溶处理使得一次γ′相完全回溶,导致晶粒迅速长大,从而获得粗晶组织。双级时效热处理会促进GH4151合金二次γ′相的进一步析出,从而提高合金的室温、650 ℃和750 ℃拉伸强度和室温硬度。但不同固溶处理条件下二次γ′相的尺寸、分布均不同,而由于时效温度位于晶界μ相和M₂₃C₆碳化物的析出区间,导致晶界μ相和M₂₃C₆碳化物大量协同析出,尤其是脆而硬的晶界μ相的析出,会导致800 ℃拉伸强度降低。

含碳球团的冷态强度是影响其转运效率和冶炼过程透气性的重要因素,直接关系到工业生产的稳定性与经济性。提锌尾渣作为含锌粉尘火法提锌后的次生固废,其资源化利用日渐成为行业研究热点课题,因此,提出以提锌尾渣、铁精粉、兰炭协同制备含碳球团的方法,以此降低冶炼成本、提升固废资源利用率。研究以球团生球的抗压强度为响应值,选取水分质量分数、黏结剂配比及成型压力作为关键工艺参数,基于响应曲面法（response surface methodology,RSM）对提锌尾渣含碳球团冷固结成型工艺进行优化设计与分析。结果表明,水分质量分数（A）与成型压力（C）对含碳球团抗压强度呈显著正效应,其中水分通过改善物料可塑性促进颗粒黏结,成型压力则通过增强颗粒接触密度提升结构稳定性;黏结剂配比（B）在单独作用时,其影响未达显著水平,但其与水分质量分数的交互项存在显著协同效应。基于试验分析结果构建了含碳球团抗压强度的二项式模型,预测含碳球团冷固结的最优工艺参数为水分质量分数4.67%、黏结剂配比5.51%、成型压力26.98 MPa,以此参数进行含碳球团抗压强度的验证试验,结果符合预期,得到的抗压强度与模型预测的结果误差小于2%,预测模型准确可靠。研究通过系统优化提锌尾渣含碳球团的冷固结成型工艺,为固废资源化制备高性能冶金原料提供了可靠的理论依据与指导。

为了改善低碳钢表面质量,解决氧化铁皮去除不彻底引发的缺陷问题,采用场发射电子扫描显微镜（field emission scanning electron microscope,FE-SEM）及能谱仪（energy dispersive spectrometer,EDS）系统研究了不同硅含量低碳钢在高温氧化过程中氧化铁皮的微观形貌及形成机制,重点探讨了温度与硅含量对氧化行为的影响规律。结果表明,氧化铁皮主要由Fe₂O₃、Fe₃O₄、FeO及内氧化层组成,其中内氧化层存在SiO₂颗粒和Fe₂SiO₄相。当加热温度为1 050 ℃时,Fe₂SiO₄呈颗粒状弥散分布,氧化层与基体界面平直;当加热温度为1 170 ℃时,Fe₂SiO₄转变为连续的树枝状或网格状结构,导致界面平直度严重恶化。同时,硅含量对氧化增重的影响呈现温度依赖性。当加热温度为1 050 ℃时,高硅含量促进固态Fe₂SiO₄生成,有效阻碍铁、氧离子的扩散,抑制氧化;当加热温度为1 170 ℃时,Fe₂SiO₄-FeO共晶液相为氧化反应原子/离子扩散提供了快速通道,加速氧化反应。另外,共晶液相容易浸入基体和FeO中,与其形成锚状或网格状形态,钉扎基体晶界,强化氧化铁皮与基体的结合,不利于氧化铁皮剥离。提出了工艺和成分优化建议,当硅含量较高时,加热温度应尽可能低于1 170 ℃,以抑制过量Fe₂SiO₄-FeO共晶液相形成,改善表面质量并降低铁损。阐明了加热温度-硅含量-氧化行为三者之间的内在关联,为低碳钢热轧表面质量控制提供了理论依据与工艺指导。

基于热力学第一定律与第二定律,分别建立了高炉（blast furnace, BF）与竖炉（shaft furnace,SF）冶炼工艺的传统能量分析模型与灰箱㶲分析模型。同时采用热效率与㶲效率等评价指标,系统分析了高炉和竖炉冶炼过程的能量利用差异,并对比了其碳排放量及煤气利用率。研究结果表明,高炉的物料输入以铁矿石和鼓风为主,竖炉的物料输入则主要由入炉矿石和还原气构成。在能效方面,高炉冶炼的主要热源为风口前碳素燃烧和鼓风显热,其热效率为80.70%。高炉㶲效率为56.57%,冶炼过程中的㶲损失为4.25 GJ/t,其中外部㶲损失所占比例较高,约为27.71%（占㶲损失的63.80%）。竖炉冶炼主要热源为还原气,其热效率为74.55%。竖炉冶炼过程的㶲效率为41.61%,冶炼过程的㶲损失为5.462 GJ/t,占总㶲支出的比例为58.39%。通过对比发现,高炉热效率和㶲效率均高于竖炉的热效率和㶲效率,这表明高炉在热能转化与品质维持上具有优势。竖炉工艺采用富氢气体作为还原剂,其单位产品的碳排放量为322.42 kg/t,相比高炉的碳排放量（679.69 kg/t）降低了52.5%。同时,竖炉的煤气利用率（57.87%）和氢气利用率（59.77%）均高于高炉（分别为52.00%和41.35%）。

在电炉冶炼高钛渣的过程中,因微细粒级钛精矿粒度过细会产生大量炉尘灰。为了加强高钛渣冶炼炉尘灰的回收利用,对其进行了冷固结成型及高温爆裂性能试验研究。采用正交试验的方法,研究了黏结剂配比及黏结剂质量分数、水分（质量分数）、成型压力等冷固结成型因素对炉尘灰生球、干球落下强度及抗压强度的影响规律。正交试验结果表明,成型压力对生球落下强度、干球抗压强度和干球落下强度的影响最为显著,水分（质量分数）对生球抗压强度的影响最为显著;生球经过烘干过程,其落下强度和抗压强度均明显提升。综合考虑成本和球团强度,最佳水平组合为黏结剂配比8%、黏结剂质量分数8%、水分（质量分数）0、成型压力6 MPa,在此条件下制备的球团性能稳定,生球落下强度和抗压强度分别为3次/（0.5 m）和241.5 N/个,干球落下强度和抗压强度分别为125次/（0.5 m）和477.3 N/个。球团高温爆裂试验结果表明,随着温度升高,球团爆裂比例不断增大,高钛渣冶炼炉尘灰冷固结球团的爆裂温度为800~900 ℃。冷固结成型工艺可以实现高钛渣冶炼炉尘灰的回收利用,从而提高微细粒级钛精矿电炉冶炼高钛渣的资源利用率。

氧化皮形成特性是除鳞工艺制定的基础,为明确高铝低密度钢除鳞工艺与TRIP/TWIP（transformation-induced plasticity/twinning-induced plasticity）钢除鳞工艺的差异,对比研究了铝质量分数分别为1%和11%的高锰高铝钢在850、1 000、1 250 ℃氧化过程的差异。结果发现,2种钢3个温度下的氧化过程均受扩散控速,满足抛物线规律,但氧化增重差异较大,11%铝钢氧化25 h增重远小于1%铝钢。1%铝钢氧化25 h内反应活化能为95.61 kJ/mol。11%铝钢氧化过程分为2个抛物线阶段,氧化[0, 2） h时增重显著,氧化[2, 25] h时增重迅速减小。11%铝钢氧化[0, 2） h和氧化[2, 25] h的反应活化能分别为24.11、27.44 kJ/mol。2种试验钢氧化皮与钢基体界面存在较大差别,1%铝钢的氧化皮与基体的界面平直,氧化皮在冷却过程中能保持完整;而11%铝钢的氧化皮与基体界面曲折,其外层和少量中间层在冷却过程中会发生自粉化脱落。2种试验钢氧化皮均具有3层结构,1%铝钢的氧化皮从外向内依次为富锰氧化物、铁锰氧化物和含Al₂O₃的锰铁氧化物;11%铝钢的氧化皮外层为锰铁氧化物,中间层为锰铝氧化物,内层为富铝氧化物。1%铝钢氧化皮内层靠外侧存在不连续的Al₂O₃富集层,其富集层平整度较高但厚度很小,而11%铝钢氧化皮内层Al₂O₃层致密连续,厚度明显大于1%铝钢但平整度降低、界面弯曲。研究结果对高铝低密度钢热轧除鳞工艺制定具有指导意义。

转炉炼钢氧气消耗量受铁水成分、温度、合金添加及工艺波动等多因素影响,其精准预测结果对调控冶炼热平衡、提升终点钢水质量以及推动绿色高效生产具有重要意义。虽然现有数据驱动模型已广泛应用于转炉耗氧量预测,但工业现场数据经常含异常值,影响模型稳定性和泛化能力。首先比较了支持向量机模型（support vector machine,SVM）、随机森林模型（random forest,RF）、径向基函数网络模型（radial basis function neural network,RBF）、卷积神经网络模型（convolutional neural network,CNN）、极限学习机模型（extreme learning machine,ELM）和长短时记忆网络模型（long short-term memory network,LSTM）6种典型数据驱动模型在转炉耗氧量预测任务中的表现,得出LSTM模型在综合预测性能方面表现最为优异,其预测结果中误差绝对值小于5%的样本所占比例达到95.41%,显著高于其他模型。随后引入孤立森林算法对耗氧量及相关工艺参数进行异常值剔除,清洗后数据在温度与成分等关键维度上波动性显著减弱,离散度降低,增强了模型对主流样本特征的学习能力。对比分析表明,异常值处理后各模型的预测精度均有提升,尤其是RBF模型和ELM模型等对异常值敏感的模型,其误差改善最为显著;LSTM模型则在保持原有优势基础上,其预测误差分布更加集中,极端偏离值显著减少,整体预测结果更加稳定。提出的融合异常检测与多模型评估体系能有效提升转炉耗氧量预测的准确性与鲁棒性,为转炉炼钢过程的智能化控制与低碳优化提供了有效的技术路径和理论支持。

针对高速轧制过程中乳化液润滑工艺参数设定不佳导致的成品带钢表面质量问题展开研究。首先,建立轧制过程乳化液喷射流场模型,利用FLUNT软件对不同润滑工艺参数下的乳化液喷射流场进行影响分析,得出了工作辊转速、乳化液喷射压力、喷射角度以及喷嘴高度对轧辊和板带之间气液两相速度场和乳化液分布的影响规律。其次,在乳化液喷射流场的规律基础上,结合正交试验法,选择了上述4种参数下的3个典型测试值,将喷嘴质量流量、辊缝乳化液体积分数、辊缝处混合相密度、辊面冲击力、工作辊面乳化液体积分数和带钢表面乳化液体积分数作为评判指标,通过分析每个指标的极差值,量化各参数的敏感性,确定了其中最佳的工作参数组合。然后,对喷射角度进一步修正,通过对比验证修正结果,得到乳化液喷射流场中润滑工艺参数的最优方案,工作辊转速为150 rad/s,喷射压力为0.7 MPa,喷嘴高度为110 mm,喷射角度为0°。最后,将优化后的工艺参数应用于某企业冷轧产线,跟踪优化前6个月和后6个月的现场数据,并利用擦拭法测定带钢表面残油残铁含量,对比发现,表面划痕缺陷率由0.08%降低为0.05%以下,带钢表面残油含量由150~300 mg/m²降低为80~200 mg/m²,残铁含量由25~80 mg/m²降低为15~40 mg/m²,有效改善了带钢表面质量,提高了生产效率,验证了仿真与优化方法的工程适用性。