高硅电工钢超薄带冷轧过程中的织构演变

采用轧制工艺制备了0.10 mm厚的6.5%Si高硅电工钢超薄带,并用X射线衍射技术对冷轧过程中的形变织构演变规律进行了研究,进而提出了分别有利于λ(100//ND,ND为轧面法线方向)和η(100//RD,RD为轧向)再结晶织构优化的形变织构控制方法.研究表明,50%~70%压下率有利于η再结晶织构优化,易于促进S=0.5层强η再结晶织构的形成.小于30%压下率和91%~97%压下率均有利于λ再结晶织构优化,其中30%的压下率更适合于二次冷轧法制备高硅钢超薄带时λ再结晶织构控制.     

基于属性差异的产品缺陷数据关联规则模糊分类

针对工业生产过程中所产生的产品缺陷数据经过数据挖掘后关联规则存在不能有效组织的问题,提出一种基于项目属性差异的产品缺陷数据关联规则模糊分类方法,在建立模糊分类树的基础上,计算出关联规则间距离,并采用自组织神经网络聚类的方法对挖掘结果进行聚类分析。将该方法应用于冷轧带钢表面缺陷数据挖掘后处理,结果表明,该方法不仅能够得出两种不同属性项目间的关联性,还可以求出缺陷关联规则间的距离,距离越近的关联规则被聚为一类,其相似性越大。     

冷轧变形对镀镍钢带腐蚀性能的影响

研究了冷轧变形对镀镍钢带耐腐蚀性能的影响.利用电化学方法表征镍镀层的腐蚀行为,金相显微镜观察表面形貌,XRD法确定不同轧制变形量镍镀层中的残余应力.结果表明:2%~4%冷轧变形可以改进镀镍钢带的腐蚀性能,而变形量超过4%会降低其性能.     

冷连轧机带钢单锥度辊边降控制

针对冷连轧机带钢边降板形控制问题,研究了单锥度工作辊的辊形构成、特点和控制策略,建立有限元模型对比分析了单锥度、常规凸度和SmartCrown工作辊板形控制性能,并结合大型工业轧机调试实验分析了该板形控制新技术在实际生产中的使用情况.结果表明,应用单锥度辊可以有效降低带钢边降,减小带钢总凸度.     

冷轧乳化液JG1使用性能的试验研究

通过对乳化液JG1和现用乳化液I使用性能的对比试验,分析了二者的润滑性能、极压性能、退火性能、防锈性能、耐腐败性能的优劣.试验结果表明,乳化液JG1的润滑性较好,能降低轧制压力10%;极压性较好,极限压下率可达56.1%;退火性残留物少,无油斑;防锈性较好,防锈剂的浓度适当,与基础油和其它添加剂的配伍性好;耐腐败性较好,能有效抑制硫酸还原菌的生长;使用温度控制在50-55 ℃,可以有效抑制硫酸还原菌的污染.试验结果可为进一步优化乳化液提供一定的依据.     

冷轧乳化液JG1使用性能的试验研究

通过对乳化液JG1和现用乳化液I使用性能的对比试验,分析了二者的润滑性能、极压性能、退火性能、防锈性能、耐腐败性能的优劣。试验结果表明,乳化液JG1的润滑性较好,能降低轧制压力10%;极压性较好,极限压下率可达56.1%;退火性残留物少,无油斑;防锈性较好,防锈剂的浓度适当,与基础油和其它添加剂的配伍性好;耐腐败性较好,能有效抑制硫酸还原菌的生长;使用温度控制在50-55℃,可以有效抑制硫酸还原菌的污染。试验结果可为进一步优化乳化液提供一定的依据。     

双辊铸轧镁合金薄带冷轧实验研究

采用AZ31镁合金铸锭在实验室立式等径双辊铸轧机上进行铸轧试验;对铸轧带坯直接进行冷轧和冷轧后退火处理.研究了AZ31镁合金薄带立式双辊铸轧工艺及铸轧带坯进行冷轧、轧后退火过程的组织演变行为.采用合理的工艺参数,成功铸轧出镁合金薄带,同时由于双辊铸轧快速冷却和压力下凝固成形技术特点,改善了镁合金的凝固组织.对铸轧镁合金带坯直接进行冷轧,最大变形量可以达到40.7%.经过冷轧后的镁合金板材,在350℃下退火30~60 min,可以获得平均晶粒直径为9~10μm的等轴晶细晶组织.     

冷轧辊生产中机加工环节的关键工序质量控制

冷轧辊的加工过程是典型的多工序、多指标的多元质量控制过程,其关键工序的质量尤需严格控制.以某钢铁公司某种冷轧辊产品为例,描述了其加工环节,在对其进行工序分析的基础上,介绍在其机械加工环节中引进关键工序质量控制的必要性,利用改进的田口质量损失函来确定关键工序,并进行多工序过程能力分析及其指数计算,最后通过案例验证了此方法的合理性和有效性.     

热轧带钢层流冷却系统的技术开发与应用

热轧带钢层流冷却过程的卷取温度精度直接影响带钢的组织性能和力学性能,是保证板带质量和板形良好的关键因素。所以对热轧带钢卷取温度的控制,成为热轧生产中的重要环节,对其过程进行分析和研究具有深远的现实意义。以国内某热轧厂经过改造后的板带层流冷却系统为背景,对如何提高层流冷却过程的卷却温度精度及钢板内外温度均匀性从控制方法上入手进行了较深入系统的研究。     

热轧带钢卷取温度控制中的自适应律

通过对一个实际的热轧带钢卷取温度控制系统长时间地观察和采样,归纳出一套适用面广、适应性强的自适应律。首先利用温度计算模型,结合目标与实测值得到自适应律的初值,经自适应计算后再去修正原简化模型进而提高模型计算精度,经过多次改进后,在现场使用效果良好。