检索结果-南通市图书馆

钢铁研究学报 2018年第6期30卷 441-446页

作者：杨勇吴伟刘浏钢铁研究总院冶金工艺所

在实验室条件下,设计9种温度制度制备氮化硅锰合金,并利用差热分析仪研究升温速率、保温温度、保温时间和降温速率对硅锰合金增氮效果的影响。结果表明,硅锰合金样品的增氮量（质量分数）为5.45%-37.92%,其均值为19.33%;影响硅锰合金增... 详细信息

在实验室条件下,设计9种温度制度制备氮化硅锰合金,并利用差热分析仪研究升温速率、保温温度、保温时间和降温速率对硅锰合金增氮效果的影响。结果表明,硅锰合金样品的增氮量（质量分数）为5.45%-37.92%,其均值为19.33%;影响硅锰合金增氮的主要因素是升温速率、保温温度和保温时间。硅锰合金增氮的最佳升温速率、最佳温度区间和保温时间分别为5℃/min、1 100-1 400℃、4h。在最佳温度区间1 100-1 400℃、保温4h的条件下,硅锰合金的增氮量最大,此时,硅锰合金的氮的质量分数为32.8%。使用XRD分析仪分析可得,其主要物相是Si3N4、MnSiN2和Fe2Si。硅锰合金增氮过程是固态和液态硅锰合金与氮气反应的过程,其中液态硅锰合金与氮气发生反应时增氮速度较快。

关键词：硅锰合金增氮制备氮化硅锰

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

高磷硅锰合金还原脱磷实验研究

引用

工程科学学报 2018年第8期40卷 931-936页

作者：周胜楠朱子宗周志强梁洁旗李东营重庆大学材料科学与工程学院

在硅钼炉中,1400℃的条件下,利用硅钙合金、稀土硅、铝基脱磷剂等对高磷硅锰合金进行还原脱磷实验研究.脱磷实验采用CaO-CaF2（质量比为25∶75）为覆盖渣,渣金比为0.2∶1.采用ICP光谱仪检测脱磷后合金中的磷含量,X射线衍射检测渣样物相... 详细信息

在硅钼炉中,1400℃的条件下,利用硅钙合金、稀土硅、铝基脱磷剂等对高磷硅锰合金进行还原脱磷实验研究.脱磷实验采用CaO-CaF2（质量比为25∶75）为覆盖渣,渣金比为0.2∶1.采用ICP光谱仪检测脱磷后合金中的磷含量,X射线衍射检测渣样物相成分,着重分析了不同脱磷剂及其用量对高磷硅锰合金还原脱磷的影响.结果表明：随脱磷剂用量的增加,硅锰合金脱磷率呈上升的趋势.其中,铝基脱磷剂脱磷效果最好,当其质量分数达到8%时,合金中磷的质量分数可降至0.21%,符合国标要求（≤0.25%）,脱磷率达78%;硅钙合金次之,当其质量分数达到10%时,脱磷率为47%;稀土硅的脱磷效果最差,当其质量分数达10%时,脱磷率仅22%.铝基脱磷剂为本实验条件下的最佳脱磷剂.

关键词：硅锰合金还原脱磷硅钙合金稀土硅铝基脱磷剂

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于KPCA-LSSVM的硅锰合金熔炼过程炉渣碱度预测研究

引用

仪器仪表学报 2010年第3期31卷 689-693页

作者：唐春霞阳春华桂卫华朱红求中南大学信息科学与工程学院长沙410083

针对硅锰合金熔炼过程中炉渣碱度在线检测困难、离线化验滞后大,难以实现实时控制的问题,提出了一种基于核主元分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法。该方法通过KPCA去除样本数据的噪声,提取输入数据空间中的非线性... 详细信息

针对硅锰合金熔炼过程中炉渣碱度在线检测困难、离线化验滞后大,难以实现实时控制的问题,提出了一种基于核主元分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法。该方法通过KPCA去除样本数据的噪声,提取输入数据空间中的非线性主元,然后利用LSSVM回归算法建立硅锰合金熔炼炉炉渣碱度预测模型,工业生产过程数据仿真结果表明,与SVM或LSSVM建模方法相比,KPCA-LSSVM预测模型的测量精度高、跟踪性能好,能满足炉渣碱度的在线测量要求。

关键词：炉渣碱度硅锰合金核主元分析最小二乘支持向量机

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于自适应递推LSSVM的硅锰合金成分在线预测

引用

高技术通讯 2011年第11期21卷 1213-1218页

作者：唐春霞阳春华贺建军桂卫华中南大学信息科学与工程学院长沙410083 长沙民政学院长沙410004

针对硅锰合金埋弧熔炼过程的特点，提出了一种基于自适应递推最小二乘支持向量机（ARLSSVM）的合金成分在线预测模型。该模型以实测工况参数为数据集，当新增一个样本时，分别采用增长记忆递推算法、限定记忆递推算法和缩减记忆递推算... 详细信息

针对硅锰合金埋弧熔炼过程的特点，提出了一种基于自适应递推最小二乘支持向量机（ARLSSVM）的合金成分在线预测模型。该模型以实测工况参数为数据集，当新增一个样本时，分别采用增长记忆递推算法、限定记忆递推算法和缩减记忆递推算法训练最小二乘支持向量机（LSSVM），有效避免高维矩阵的求逆，加快模型更新的速度。然后通过自适应模型匹配算子选择相应的预测输出模型，提高模型的预测精度。将此模型应用于30MVA硅锰合金埋弧炉冶炼过程合金成分在线预测，实际生产运行数据验证了此方法的有效性。

关键词：硅锰合金成分在线预测递推最小二乘支持向量机自适应模型选择算子

来源：

维普期刊数据库评论