含氟连铸保护渣黏度检测与预测模型

工程科学学报 Chinese Journal of Engineering 含氟连铸保护渣黏度检测与预测模型 赵忠宇赵俊学谭泽馨屈波樵崔雅茹 Viscosity detection and the estimation model of fluorine-containing mold flux for continuous casting ZHAO Zhong-yu,ZHAO Jun-xue,TAN Ze-xin,QU Bo-qiao,CUI Ya-ru 引用本文： 赵忠宇，赵俊学，谭泽馨，屈波樵，崔雅茹.含氟连铸保护渣黏度检测与预测模型.工程科学学报，2021,43(4)：529-536.doi: 10.13374j.issn2095-9389.2020.05.03.002 ZHAO Zhong-yu,ZHAO Jun-xue,TAN Ze-xin,QU Bo-qiao,CUI Ya-ru.Viscosity detection and the estimation model of fluorine- containing mold flux for continuous casting[J].Chinese Journal of Engineering,2021,43(4):529-536.doi:10.13374/j.issn2095- 9389.2020.05.03.002 在线阅读View online:https::/doi.org10.13374j.issn2095-9389.2020.05.03.002 您可能感兴趣的其他文章 Articles you may be interested in 基于熔渣结构的多元渣系黏度模型 Structurally-based viscosity model for multicomponent slag systems 工程科学学报.2020,42(9外：1149htps:/doi.org10.13374.issn2095-9389.2019.09.27.001 含固相铜冶炼渣的黏度计算及其应用 Viscosity calculation and its application of the copper smelting slag containing solid phase 工程科学学报.2017,391)：48 https::/1doi.org/10.13374斩.issn2095-9389.2017.01.006 连铸结晶器内渣膜形成及传热的研究现状 Research overview of formation and heat transfer of slag film in mold during continuous casting 工程科学学报.2019,41(1)：12 https:/1doi.org/10.13374斩.issn2095-9389.2019.01.002 基于“炉机对应”的炼钢连铸生产调度问题遗传优化模型 Genetic optimization model of steelmakingcontinuous casting production scheduling based on the "furnacecaster coordinating" strategy 工程科学学报.2020,42(5)：645htps:/doi.org/10.13374j.issn2095-9389.2019.08.02.004 ND钢连铸坯两相区内的微观偏析模型 A microsegregation model in the two-phase region of an ND steel continuous casting billet 工程科学学报.2019,41(4：461htps:/doi.org10.13374j.issn2095-9389.2019.04.006 基于极限学习机ELM的连铸坯质量预测 Quality prediction of the continuous casting bloom based on the extreme learning machine 工程科学学报.2018,40(7)：815htps:/oi.org/10.13374.issn2095-9389.2018.07.007

含氟连铸保护渣黏度检测与预测模型 赵忠宇 赵俊学 谭泽馨 屈波樵 崔雅茹 Viscosity detection and the estimation model of fluorine-containing mold flux for continuous casting ZHAO Zhong-yu, ZHAO Jun-xue, TAN Ze-xin, QU Bo-qiao, CUI Ya-ru 引用本文: 赵忠宇, 赵俊学, 谭泽馨, 屈波樵, 崔雅茹. 含氟连铸保护渣黏度检测与预测模型[J]. 工程科学学报, 2021, 43(4): 529-536. doi: 10.13374/j.issn2095-9389.2020.05.03.002 ZHAO Zhong-yu, ZHAO Jun-xue, TAN Ze-xin, QU Bo-qiao, CUI Ya-ru. Viscosity detection and the estimation model of fluorine￾containing mold flux for continuous casting[J]. Chinese Journal of Engineering, 2021, 43(4): 529-536. doi: 10.13374/j.issn2095- 9389.2020.05.03.002 在线阅读 View online: https://doi.org/10.13374/j.issn2095-9389.2020.05.03.002 您可能感兴趣的其他文章 Articles you may be interested in 基于熔渣结构的多元渣系黏度模型 Structurally-based viscosity model for multicomponent slag systems 工程科学学报. 2020, 42(9): 1149 https://doi.org/10.13374/j.issn2095-9389.2019.09.27.001 含固相铜冶炼渣的黏度计算及其应用 Viscosity calculation and its application of the copper smelting slag containing solid phase 工程科学学报. 2017, 39(1): 48 https://doi.org/10.13374/j.issn2095-9389.2017.01.006 连铸结晶器内渣膜形成及传热的研究现状 Research overview of formation and heat transfer of slag film in mold during continuous casting 工程科学学报. 2019, 41(1): 12 https://doi.org/10.13374/j.issn2095-9389.2019.01.002 基于“炉机对应”的炼钢连铸生产调度问题遗传优化模型 Genetic optimization model of steelmakingcontinuous casting production scheduling based on the “furnacecaster coordinating” strategy 工程科学学报. 2020, 42(5): 645 https://doi.org/10.13374/j.issn2095-9389.2019.08.02.004 ND钢连铸坯两相区内的微观偏析模型 A microsegregation model in the two-phase region of an ND steel continuous casting billet 工程科学学报. 2019, 41(4): 461 https://doi.org/10.13374/j.issn2095-9389.2019.04.006 基于极限学习机(ELM)的连铸坯质量预测 Quality prediction of the continuous casting bloom based on the extreme learning machine 工程科学学报. 2018, 40(7): 815 https://doi.org/10.13374/j.issn2095-9389.2018.07.007

工程科学学报.第43卷，第4期：529-536.2021年4月 Chinese Journal of Engineering,Vol.43,No.4:529-536,April 2021 https://doi.org/10.13374/j.issn2095-9389.2020.05.03.002;http://cje.ustb.edu.cn 含氟连铸保护渣黏度检测与预测模型 赵忠宇12)，赵俊学区，谭泽馨，屈波樵)，崔雅茹) 1)西安建筑科技大学治金工程学院，西安7100552)中治赛迪技术研究中心有限公司，重庆401120 ☒通信作者，E-mail:z小haojunxue1962@126.com 摘要采用旋转柱体法对不同类型的含氟连铸保护渣黏度进行检测，并基于Arrhenius方程通过非线性回归分析建立了新 的黏度预测模型，分析了组分变化对黏度的影响.结合模型计算和实验检测，建立了CaF2-NaO-Al,O-CaO-SiO,-Mg0渣 系的等黏度图.结果表明，与传统的含氟连铸保护渣黏度预测模型相比，该模型计算的偏差在10%以内，当渣中w(CF,)超 过20%时，偏差逐渐增大，主要由于氟化物挥发造成炉渣成分变化，最终黏度实测值与炉渣初始成分不符，造成模型无法对 黏度有效预测.此外，研究发现，CaF2的增加能显著降低炉渣黏度，而Al2O3和Na20对黏度的影响受CaF2含量的限制.当 r(CaF2)>17%.炉渣黏度随Al2O3含量增加而减小，当w(CaF2<17%.Al2O3的增加使炉渣黏度显著增大：当w(CaF2>11.5%.炉 渣黏度随Na2O含量增加显著下降，当(CF2KI1.5%,Na2O含量变化对黏度的影响并不明显.此外，该等黏度图表明低黏度 区w(CF2)接近14%.通过调整等黏度图中各组分比例，可以改善保护渣的黏度和流动性，供钢铁工业应用. 关键词连铸保护渣：CaF2;黏度模型；非线性回归分析；等黏度图 分类号F407.3 Viscosity detection and the estimation model of fluorine-containing mold flux for continuous casting ZHAO Zhong-yu2),ZHAO Jun-xue,TAN Ze-xin,QU Bo-giao,CUl Ya-ru 1)School of Metallurgical Engineering,Xi'an University of Architecture and Technology,Xi'an 710055,China 2)CISDI R&D Co.Ltd,Chongqing 401120,China Corresponding author,E-mail:zhaojunxue1962@126.com ABSTRACT Mold flux plays a significant role in the continuous casting of steel.Especially,the viscosity (or its inverse,fluidity)of mold flux is a key parameter for industrial applications to aid in product quality.In this paper,viscosities of different types of fluorine- containing continuous casting mold fluxes were first measured by the rotating cylinder method,and then a new viscosity estimation model was established based on the Arrhenius equation combined with nonlinear regression analysis to analyze the influence of component changes on the viscosity.Combining model calculation and experimental measurement,an iso-viscosity diagram of the CaF2-Na2O-Al2O-CaO-SiOzMgO slag system was also created.It is found that deviation within 10%is calculated using the model in this study compared with the traditional viscosity estimation models of different types of fluorine-containing continuous casting mold fluxes but gradually increases when the (CaF2)of slag exceeds 20%,mainly due to the change of slag composition caused by fluoride volatilization.Finally,the measured value cannot correspond to the composition of the initial slag,and the model cannot give an accurate estimated value.It is also found that an increase of CaF2 can significantly reduce viscosity,whereas,the effect of AlO3 and Na2O on viscosity is restricted by CaF2 content.When w(CaF2)>17%,the viscosity of slag decreases with increasing w(Al2O3),and when w(CaF2)<17%,the viscosity of slag increases significantly with increasing w(Al2O3).When w(CaF2)>11.5%,the viscosity of the slag 收稿日期：2020-05-03 基金项目：国家自然科学基金资助项目(51674185.51674186)

含氟连铸保护渣黏度检测与预测模型 赵忠宇1,2)，赵俊学1) 苣，谭泽馨1)，屈波樵1)，崔雅茹1) 1) 西安建筑科技大学冶金工程学院，西安 710055    2) 中冶赛迪技术研究中心有限公司，重庆 401120 苣通信作者，E-mail：zhaojunxue1962@126.com 摘    要    采用旋转柱体法对不同类型的含氟连铸保护渣黏度进行检测，并基于 Arrhenius 方程通过非线性回归分析建立了新 的黏度预测模型，分析了组分变化对黏度的影响. 结合模型计算和实验检测，建立了 CaF2‒Na2O‒Al2O3‒CaO‒SiO2‒MgO 渣 系的等黏度图. 结果表明，与传统的含氟连铸保护渣黏度预测模型相比，该模型计算的偏差在 10% 以内，当渣中 w（CaF2）超 过 20% 时，偏差逐渐增大，主要由于氟化物挥发造成炉渣成分变化，最终黏度实测值与炉渣初始成分不符，造成模型无法对 黏度有效预测. 此外，研究发现，CaF2 的增加能显著降低炉渣黏度，而 Al2O3 和 Na2O 对黏度的影响受 CaF2 含量的限制. 当 w(CaF2 )>17%，炉渣黏度随 Al2O3 含量增加而减小，当 w(CaF2 )<17%，Al2O3 的增加使炉渣黏度显著增大；当 w(CaF2 )>11.5%，炉 渣黏度随 Na2O 含量增加显著下降，当 w(CaF2 )<11.5%，Na2O 含量变化对黏度的影响并不明显. 此外，该等黏度图表明低黏度 区 w(CaF2 ) 接近 14%. 通过调整等黏度图中各组分比例，可以改善保护渣的黏度和流动性，供钢铁工业应用. 关键词    连铸保护渣；CaF2；黏度模型；非线性回归分析；等黏度图 分类号    F407.3 Viscosity  detection  and  the  estimation  model  of  fluorine-containing  mold  flux  for continuous casting ZHAO Zhong-yu1,2) ，ZHAO Jun-xue1) 苣 ，TAN Ze-xin1) ，QU Bo-qiao1) ，CUI Ya-ru1) 1) School of Metallurgical Engineering, Xi’an University of Architecture and Technology, Xi’an 710055, China 2) CISDI R&D Co. Ltd, Chongqing 401120, China 苣 Corresponding author, E-mail: zhaojunxue1962@126.com ABSTRACT    Mold flux plays a significant role in the continuous casting of steel. Especially, the viscosity (or its inverse, fluidity) of mold flux is a key parameter for industrial applications to aid in product quality. In this paper, viscosities of different types of fluorine￾containing  continuous  casting  mold  fluxes  were  first  measured  by  the  rotating  cylinder  method,  and  then  a  new  viscosity  estimation model  was  established  based  on  the  Arrhenius  equation  combined  with  nonlinear  regression  analysis  to  analyze  the  influence  of component  changes  on  the  viscosity.  Combining  model  calculation  and  experimental  measurement,  an  iso-viscosity  diagram  of  the CaF2–Na2O–Al2O3–CaO–SiO2–MgO slag system was also created. It is found that deviation within 10% is calculated using the model in this study compared with the traditional viscosity estimation models of different types of fluorine-containing continuous casting mold fluxes but gradually increases when the w(CaF2 ) of slag exceeds 20%, mainly due to the change of slag composition caused by fluoride volatilization. Finally, the measured value cannot correspond to the composition of the initial slag, and the model cannot give an accurate estimated value. It is also found that an increase of CaF2 can significantly reduce viscosity, whereas, the effect of Al2O3 and Na2O on viscosity  is  restricted  by  CaF2 content.  When w(CaF2 )  >  17%,  the  viscosity  of  slag  decreases  with  increasing w(Al2O3 ),  and  when w(CaF2 ) < 17%, the viscosity of slag increases significantly with increasing w(Al2O3 ). When w(CaF2 ) > 11.5%, the viscosity of the slag 收稿日期: 2020−05−03 基金项目: 国家自然科学基金资助项目（51674185，51674186） 工程科学学报，第 43 卷，第 4 期：529−536，2021 年 4 月 Chinese Journal of Engineering, Vol. 43, No. 4: 529−536, April 2021 https://doi.org/10.13374/j.issn2095-9389.2020.05.03.002; http://cje.ustb.edu.cn

530 工程科学学报，第43卷，第4期 system decreases significantly with increasing w(Na2O)mass.When w(CaF2)<11.5%,the effect of Na,O on viscosity is not obvious.In addition,the diagram shows that the mass fraction of CaF2 in the low viscosity area is nearly 14%.This shows that the viscosity and fluidity of mold flux can be improved by adjusting the component ratio in this iso-viscosity diagram for applications in the steel industry KEY WORDS continuous casting mold flux:CaF,;viscosity estimation model;nonlinear regression analysis;iso-viscosity diagram 炼钢过程熔渣的流动性对精炼反应、制定冶 配渣方式采用化学纯试剂按照设计表分别配 炼温度制度、渣金传热（传质）以及产品质量控制 制上述C1~C27各组炉渣试样，利用玛瑙球磨机 等均具有重要影响-)黏度是影响熔渣流动性的 以200rmin速度研磨0.5h,置于GF101-2A电热 主要因素，为此，诸多学者对各类炉渣的黏度影响 鼓风干燥箱，设定120℃常压干燥5h,取出后放 以及控制机理作出分析，并希望建立一种普遍适 入试样袋真空压缩，避光保存.本次黏度实验采 用的炉渣黏度模型来预测不同组成的炉渣黏度随 用RTW-10型熔体物性综合测定仪，为避免试样与 温度变化6-2]其中，对于连铸保护渣黏度预测模 坩埚反应，采用钼制坩埚和钼制测头，升温速率 型，应用较为广泛的有Riboud模型2（基于 10℃min,温度达到1500℃后以5℃min降 Weymann-Frenkel公式)，Iida模型（基于结晶温度 温，并记录黏度变化数据，检测过程通入高纯氩气 分析)以及Mls模型2（基于光学碱度分析），但各 保护，流量设置50 mL:min. 类模型都有一定局限性，尤其对于含氟炉渣的黏 2结果分析 度预测结果与实验检测值相差较大.对此，Mis 指出，这与含氟炉渣的挥发导致成分变化有关 2.1黏度检测与分析 本文结合现行连铸工艺对含氟连铸保护渣进 对C1~C27各试样黏度检测，同时，依据 行黏度检测，并基于Arrhenius方程以及非线性回 Arrhenius方程（式(1）~(2))以及黏度检测数据， 归分析建立黏度预测模型.通过与传统黏度模型 作出关于黏度值的对数(1n)与温度倒数(1/T)的 对比，以及对不同类型含氟保护渣黏度检测数据 线性关系.以C27号黏度曲线为例，分析结果如 分析，实现对本次黏度预测模型的有效评价 图1所示.同时，分别求得各组黏度参数线性关系 的截距(In4)与斜率(B=E/R,其中E为活化能，R为 1实验方法 气体常数)，如表3所示 根据连铸工艺要求与应用，选定含氟连铸保 n=AeE/(RT) (1) 护渣成分范围，如表1所示，其中M表示炉渣二元 EI 碱度，数值上等于w(CaO)与w(SiO2)之比 Inn=InA+ RT (2) 依据炉渣碱度M以及组元成分变化，对黏度 表1含氟保护渣成分范围（质量分数） 参数ln4与B分别作非线性回归分析，得出如下参 Table 1 Composition of fluorine-containing mold flux 数模型 CaF2 M Na,O Al203 MgO nA=-6.69+0.07x-0.30x2-0.93x3+0.26x4- 4-20 0.6-1.2 3-12 2-12 0-12 0.08x5+0.11x1x2+0.22x1x3-0.45x1x4-0.12xx5+ 0.05x2x4-0.01x25-0.02x3x4+0.01x3x5+ 采用二次回归正交设计方案，实验因素（变 0.01x45-0.05x12-0.01x22+0.04x32+0.01x5s2 量)为5，水平试验次数为2，星号试验次数2×5， (3) 零水平试验次数为1，实验次数共计2+2×5+1=27， B=17381.7-9875.3x+597.7x2+1160.7x3- 分别编号为C1~C27.为对模型有效性及适用性作 456.8x4+32.0x5-229.1x1x2-234.3x1X3+758.5x1x4+ 367.4x1x5+2.59x2x3-82.6x2x4+15.7x2x5+ 出评价，对美国物理实验室及冶金部数据库中 30.933x4-10.7x3x5-28.6x45+2772.7x2+ 含氟保护渣黏度数据(M1~M11)以及国内重庆大 15.34x22-52.1x32-5.4x42-22.1xs2 学材料科学实验室2此前公布的含氟保护渣黏度 (4) 检测数据(P1~P15)进行分析对比.同时，结合 式中，x1,2,x3,x4,5分别表示碱度M,以及Al2O, Mills对CaF2,-CaO-SiO2三元渣黏度检测数据 CaF2,Na2O,Mg0等组元质量分数.同时，采用 (S1~S7)27,对“测不准”现象作出分析与评价.各 SPSS软件对上述回归方程进行分析，P值= 组成分如表2所示 0.0001<0.05,相关系数为0.9941，拟合度较好

system decreases significantly with increasing w(Na2O) mass. When w(CaF2 ) < 11.5%, the effect of Na2O on viscosity is not obvious. In addition, the diagram shows that the mass fraction of CaF2 in the low viscosity area is nearly 14%. This shows that the viscosity and fluidity of mold flux can be improved by adjusting the component ratio in this iso-viscosity diagram for applications in the steel industry. KEY WORDS    continuous casting mold flux；CaF2；viscosity estimation model；nonlinear regression analysis；iso-viscosity diagram 炼钢过程熔渣的流动性对精炼反应、制定冶 炼温度制度、渣金传热（传质）以及产品质量控制 等均具有重要影响[1−5] . 黏度是影响熔渣流动性的 主要因素，为此，诸多学者对各类炉渣的黏度影响 以及控制机理作出分析，并希望建立一种普遍适 用的炉渣黏度模型来预测不同组成的炉渣黏度随 温度变化[6−23] . 其中，对于连铸保护渣黏度预测模 型 ， 应 用 较 为 广 泛 的 有 Riboud 模 型 [21] （ 基 于 Weymann-Frenkel 公式），Iida 模型[22] （基于结晶温度 分析）以及 Mills 模型[23] （基于光学碱度分析），但各 类模型都有一定局限性，尤其对于含氟炉渣的黏 度预测结果与实验检测值相差较大. 对此，Mills 指出，这与含氟炉渣的挥发导致成分变化有关. 本文结合现行连铸工艺对含氟连铸保护渣进 行黏度检测，并基于 Arrhenius 方程以及非线性回 归分析建立黏度预测模型. 通过与传统黏度模型 对比，以及对不同类型含氟保护渣黏度检测数据 分析，实现对本次黏度预测模型的有效评价. 1    实验方法 根据连铸工艺要求与应用，选定含氟连铸保 护渣成分范围，如表 1 所示，其中 M 表示炉渣二元 碱度，数值上等于 w(CaO) 与 w(SiO2 ) 之比. 表 1 含氟保护渣成分范围（质量分数） Table 1   Composition of fluorine-containing mold flux % CaF2 M Na2O Al2O3 MgO 4–20 0.6–1.2 3–12 2–12 0–12 采用二次回归正交设计方案[24] ，实验因素（变 量 ）为 5，水平试验次数为 2 4 ，星号试验次数 2×5， 零水平试验次数为 1，实验次数共计 2 4+2×5+1=27， 分别编号为 C1～C27. 为对模型有效性及适用性作 出评价，对美国物理实验室及冶金部数据库[25] 中 含氟保护渣黏度数据（M1～M11）以及国内重庆大 学材料科学实验室[26] 此前公布的含氟保护渣黏度 检测数据（P1～P15）进行分析对比. 同时，结合 Mills 对 CaF2‒CaO ‒SiO2 三元渣黏度检测数据 （S1～S7） [27] ，对“测不准”现象作出分析与评价. 各 组成分如表 2 所示. 配渣方式采用化学纯试剂按照设计表分别配 制上述 C1～C27 各组炉渣试样，利用玛瑙球磨机 以 200 r·min−1 速度研磨 0.5 h，置于 GF101-2A 电热 鼓风干燥箱，设定 120 ℃ 常压干燥 5 h，取出后放 入试样袋真空压缩，避光保存. 本次黏度实验采 用 RTW-10 型熔体物性综合测定仪，为避免试样与 坩埚反应，采用钼制坩埚和钼制测头，升温速率 10 ℃·min−1，温度达 到 1500 ℃ 后 以 5 ℃·min−1 降 温，并记录黏度变化数据，检测过程通入高纯氩气 保护，流量设置 50 mL·min−1 . 2    结果分析 2.1    黏度检测与分析 对 C1～ C27 各 试 样 黏 度 检 测 ， 同 时 ， 依 据 Arrhenius 方程（式（1）～（2））以及黏度检测数据， 作出关于黏度值的对数（lnη）与温度倒数（1/T）的 线性关系. 以 C27 号黏度曲线为例，分析结果如 图 1 所示. 同时，分别求得各组黏度参数线性关系 的截距（lnA）与斜率（B=E/R，其中 E 为活化能，R 为 气体常数），如表 3 所示. η = Ae E/(RT) （1） lnη = lnA+ E R · 1 T （2） 依据炉渣碱度 M 以及组元成分变化，对黏度 参数 lnA 与 B 分别作非线性回归分析，得出如下参 数模型. lnA = −6.69+0.07x1 −0.30x2 −0.93x3 +0.26x4− 0.08x5 +0.11x1 x2 +0.22x1 x3 −0.45x1 x4 −0.12x1 x5+ 0.05x2 x4 −0.01x2 x5 −0.02x3 x4 +0.01x3 x5+ 0.01x4 x5 −0.05x1 2 −0.01x2 2 +0.04x3 2 +0.01x5 2 （3） B = 17381.7−9875.3x1 +597.7x2+1160.7x3− 456.8x4 +32.0x5 −229.1x1 x2 −234.3x1 x3 +758.5x1 x4+ 367.4x1 x5 +2.59x2 x3 −82.6x2 x4+15.7x2 x5+ 30.93x3 x4 −10.7x3 x5 −28.6x4 x5 +2772.7x1 2+ 15.34x2 2 −52.1x3 2 −5.4x4 2 −22.1x5 2 （4） 式中，x1，x2，x3，x4，x5 分别表示碱度 M，以及 Al2O3， CaF2， Na2O， MgO 等组元质量分数 . 同时 ，采 用 SPSS 软 件 对 上 述 回 归 方 程 进 行 分 析 ， P 值 = 0.0001<0.05，相关系数为 0.9941，拟合度较好. · 530 · 工程科学学报，第 43 卷，第 4 期

赵忠宇等：含氟连铸保护渣黏度检测与预测模型 531· 表2连铸保护渣组成（质量分数） Table 2 Components of mold fluxes for continuous casting Slag Cao SiO2 Al2O CaF2 Na2O Mgo M Slag Cao SiO2 Al2O3 CaF2 Na2O Mgo M C1 24.622.3 11.2 19 11.7 11.2 1.1 C24 33.737.4 12.4 3.1 6.2 0.9 C2 34.0 30.9 10.5 17.8 4.7 2.1 C25 27.6 30.7 7.6 6 8.1 0.9 C3 35.1 32.0 11.2 7.8 11.7 2.2 1.1 C26 33.8 37.5 7.6 13 8.1 0 0.9 C4 35.1 31.9 105 7.3 4.7 10.5 C27 30.7 34.1 7.6 8.1 6.5 0.9 C5 32.8 29.8 4.5 19 11.7 2.2 1.1 MI 23.4 38.3 6.2 12.9 18.8 0.5 06 C6 32.9 29.9 4 17.8 41 10.5 M2 17.5 40.0 52 14.5 21.5 13 0.4 33.9 30.9 117 11.2 26.4 0 0.6 M 0 0.5 C9 0 1.0 C10 10 0.1 1.3 0.5 11 0> 0.5 0.6 C12 0 0 0.6 1 11 0.7 17 0 0.6 C14 0.7 0 。 3.5 04 C16 30 10.5 1.6 1.0 6.4 1.0 c1 16 1.0 o 28 6.4 1.0 C20 1.0 C21 6.4 1.0 36 1.0 C23 7 0.9 84 6.4 0.7 0.6 P10 0.7 P11 35 4 0.85 S3 33. 6.9 20.0 0.7 P12 0 S 30.8 37.8 31.4 08 P13 35 10 8 0.85 S5 27.0 30.4 42.6 0.9 P14 0.85 33.0 39.6 27.4 0.8 P15 42 38 10 6 4 1.1 S7 33.2 38.6 28.2 0.9 由于拟合因素过多，为明晰各组成对参数 保护渣中，NaF起到显著的助熔作用，这与此结论 lnA与B的影响，依据实验检测参数做图2. 相一致 从图2(a)可以看出，ln4位于-10~-12之间， 2.2黏度预测模型检验与对比 其中，仅有5个试样对应拟合参数偏离较大，分别 结合上述黏度参数模型，对不同成分含氟保 为C17(碱度最大值)，C18(碱度最小值)，C21 护渣在不同温度下的黏度变化进行预测，结合本 (CaF2最大值)，C24(Na0最小值)，C26(Mg0最 次黏度检测结果(C1~C27)以及不同类型含氟保 小值)，其中，C21对应ln4最大，C24对应ln4最 护渣黏度数据(M1~M11,P1~P14),对该黏度预 小，而图2(b)中各参数拟合点的变化趋势与图2(a) 测模型有效性作出评价，并与传统黏度预测模型 恰好相反，由此可见，CaF2和Na2O是影响保护渣 对比分析，结果如图3所示 黏度最显著的两个因素.相关研究表明阿，在含氟 黏度预测值与检测值的偏差率计算方法如

由于拟合因素过多 ，为明晰各组成对参 数 lnA 与 B 的影响，依据实验检测参数做图 2. 从图 2（a）可以看出，lnA 位于−10～−12 之间， 其中，仅有 5 个试样对应拟合参数偏离较大，分别 为 C17（碱度最大值 ） ， C18（碱度最小值 ） ， C21 （CaF2 最大值），C24（Na2O 最小值），C26（MgO 最 小值），其中，C21 对应 lnA 最大，C24 对应 lnA 最 小，而图 2（b）中各参数拟合点的变化趋势与图 2（a） 恰好相反，由此可见，CaF2 和 Na2O 是影响保护渣 黏度最显著的两个因素. 相关研究表明[6] ，在含氟 保护渣中，NaF 起到显著的助熔作用，这与此结论 相一致. 2.2    黏度预测模型检验与对比 结合上述黏度参数模型，对不同成分含氟保 护渣在不同温度下的黏度变化进行预测，结合本 次黏度检测结果（C1～C27）以及不同类型含氟保 护渣黏度数据（M1～M11，P1～P14），对该黏度预 测模型有效性作出评价，并与传统黏度预测模型 对比分析，结果如图 3 所示. 黏度预测值与检测值的偏差率 Δ 计算方法如 表 2 连铸保护渣组成（质量分数） Table 2  Components of mold fluxes for continuous casting % Slag CaO SiO2 Al2O3 CaF2 Na2O MgO M Slag CaO SiO2 Al2O3 CaF2 Na2O MgO M C1 24.6 22.3 11.2 19 11.7 11.2 1.1 C24 33.7 37.4 7.2 12.4 3.1 6.2 0.9 C2 34.0 30.9 10.5 17.8 4.7 2.1 1.1 C25 27.6 30.7 7.6 13 8.1 13 0.9 C3 35.1 32.0 11.2 7.8 11.7 2.2 1.1 C26 33.8 37.5 7.6 13 8.1 0 0.9 C4 35.1 31.9 10.5 7.3 4.7 10.5 1.1 C27 30.7 34.1 7.6 13 8.1 6.5 0.9 C5 32.8 29.8 4.5 19 11.7 2.2 1.1 M1 23.4 38.3 6.2 12.9 18.8 0.5 0.6 C6 32.9 29.9 4.2 17.8 4.7 10.5 1.1 M2 17.5 40.0 5.2 14.5 21.5 1.3 0.4 C7 33.9 30.9 4.5 7.8 11.7 11.2 1.1 M3 20.1 34.4 4.8 14.3 26.4 0 0.6 C8 42.8 38.9 4.2 7.3 4.7 2.1 1.1 M4 19.4 36.6 18.0 17.2 8.8 0 0.5 C9 23.0 32.9 11.2 19 11.7 2.2 0.7 M5 32.6 31.2 5.3 8.0 22.9 0 1.0 C10 23.3 33.2 10.5 17.8 4.7 10.5 0.7 M6 22.5 42.2 10.4 10.7 13.0 1.3 0.5 C11 23.9 34.2 11.2 7.8 11.7 11.2 0.7 M7 21.5 33.2 3.7 15.4 25.7 0.5 0.6 C12 31.0 44.4 10.5 7.3 4.7 2.1 0.7 M8 22.7 38.6 6.3 13.5 18.9 0 0.6 C13 22.1 31.5 4.5 19 11.7 11.2 0.7 M9 22.3 35.0 8.9 16.5 17.3 0 0.6 C14 29.3 41.9 4.2 17.8 4.7 2.1 0.7 M10 20.4 34.0 4.3 17.9 23.4 0 0.6 C15 30.4 43.4 4.5 7.8 11.7 2.2 0.7 M11 13.8 32.0 3.5 20.2 27.1 3.5 0.4 C16 30.2 43.1 4.2 7.3 4.7 10.5 0.7 P1 39 39 0 13 8.4 1.6 1.0 C17 35.3 29.5 7.6 13 8.1 6.5 1.2 P2 39 39 0 13 3.6 6.4 1.0 C18 24.3 40.5 7.6 13 8.1 6.5 0.6 P3 41 41 0 13 3.6 1.6 1.0 C19 28.1 31.3 13 13 8.1 6.5 0.9 P4 39 39 0 7 8.4 6.4 1.0 C20 33.3 36.9 2.2 13 8.1 6.5 0.9 P5 42 42 0 7 8.4 1.6 1.0 C21 26.6 29.6 7.6 21.6 8.1 6.5 0.9 P6 42 42 0 7 3.6 6.4 1.0 C22 34.8 38.7 7.6 4.3 8.1 6.5 0.9 P7 44 44 0 7 3.6 1.6 1.0 C23 27.5 30.5 8.0 13.6 13.6 6.8 0.9 P8 30 42 0 13 8.4 6.4 0.7 P9 34 48 — 13 3.6 1.6 0.7 S1 33.5 53.0 — 13.5 — — 0.6 P10 34 41 — 15 6 4 0.85 S2 32.9 47.8 — 19.3 — — 0.7 P11 35 41 — 10 10 4 0.85 S3 33.1 46.9 — 20.0 — — 0.7 P12 39 45 — 10 6 0 0.85 S4 30.8 37.8 — 31.4 — — 0.8 P13 35 41 — 10 6 8 0.85 S5 27.0 30.4 — 42.6 — — 0.9 P14 37 43 — 10 6 4 0.85 S6 33.0 39.6 — 27.4 — — 0.8 P15 42 38 — 10 6 4 1.1 S7 33.2 38.6 — 28.2 — — 0.9 赵忠宇等： 含氟连铸保护渣黏度检测与预测模型 · 531 ·

532 工程科学学报，第43卷，第4期 0.8 第n组炉渣试样检测黏度，N为黏度实验总次数. -1.0 ■C1 一Linear fit 对比各黏度预测模型对不同类型含氟连铸保 -1.2 -1.4 护渣不同温度下的黏度预测情况，其中，Riboud模 云-1.6 型预测值相对检测值偏差率较大，Iida模型的黏度 -1.8 预测值相对检测值偏高，而Ms模型的黏度预测 -2.0 值相对检测值偏低，相比之下，本此建立的黏度预 -2.2 -2.4 测模型对各类含氟保护渣黏度预测值相对检测值 -2.6 偏差率收敛至10%以内，拟合度较高 -2.8 同时，结合Mils早期关于CaF2-CaO-SiO2三 0.00058 0.00060 0.00062 0.00064 0.00066 0.00068 0.00070 0.00072 0.00074 元渣(S1~S7)黏度检测数据进行对比分析，结果 T-/K- 如图4所示. 图1黏度-温度线性分析 对比发现，Mils模型对高氟含量炉渣(S5)黏 Fig.1 Linear analysis of Iny to 1/T 度预测效果更好，而对中、低氟含量炉渣黏度预测 值相对检测值偏差率较大：本黏度模型对低氟含 式(5)所示 量炉渣(S1~S3)黏度拟合效果更好，而高氟和中 1 N 4= m.est-刀m,mea (5) 氟含量炉渣黏度预测值相对检测值偏差率较大， N =1 刀m.mea 分析原因，主要受含氟渣挥发性影响，当炉渣中 式中，nms为第n组炉渣试样预测黏度，umca为 w(CaF2>20%,模型预测值与检测值偏差逐渐增 表3黏度参数分析 Table3 Viscosity controlling parameters Slag In4 B Slag In B Slag In4 C1 -12.1166 16750.76 C10 -11.1663 15523.76 C19 -11.6419 16899.20 C2 -11.1521 15331.25 C11 -11.4069 16399.51 C20 -10.5736 14696.67 C3 -11.4827 16323.80 C12 -11.9045 19019.28 C21 -9.26063 11473.14 C4 -11.2338 16106.31 C13 -10.7114 13670.59 C22 -11.3388 18048.45 C5 -10.9666 13904.19 C14 -11.1896 15932.56 C23 -10.4814 13697.65 C6 -11.1806 14859.89 C15 -11.4391 17000.89 C24 -17.2362 25991.79 C7 -11.3522 15328.48 C16 -11.1312 16491.46 C25 -10.5812 14320.87 C8 -11.3635 16421.96 C17 -14.9610 21103.44 C26 -13.0682 18316.60 C9 -10.9992 14722.03 C18 -12.8972 19711.71 C27 -10.7828 13602.93 0 3.0 (a) (b) ￥ 2.5 2.0 -8 -10 -12 -14 1.0 -16 0.5 -18 -20 024681012141618202224262830 024681012141618202224262830 Slag serial number Slag serial number 图2黏度参数拟合数值变化.(a)n:(b)B Fig.2 Viscosity parameter fitting value:(a)In4;(b)B

式（5）所示. ∆ = 1 N ∑ N n=1 ηn,est −ηn,mea ηn,mea （5） 式中， ηn,est 为第 n 组炉渣试样预测黏度， ηn,mea 为 第 n 组炉渣试样检测黏度，N 为黏度实验总次数. 对比各黏度预测模型对不同类型含氟连铸保 护渣不同温度下的黏度预测情况，其中，Riboud 模 型预测值相对检测值偏差率较大，Iida 模型的黏度 预测值相对检测值偏高，而 Mills 模型的黏度预测 值相对检测值偏低，相比之下，本此建立的黏度预 测模型对各类含氟保护渣黏度预测值相对检测值 偏差率收敛至 10% 以内，拟合度较高. 同时，结合 Mills 早期关于 CaF2‒CaO‒SiO2 三 元渣（S1～S7）黏度检测数据进行对比分析，结果 如图 4 所示. 对比发现，Mills 模型对高氟含量炉渣（S5）黏 度预测效果更好，而对中、低氟含量炉渣黏度预测 值相对检测值偏差率较大；本黏度模型对低氟含 量炉渣（S1～S3）黏度拟合效果更好，而高氟和中 氟含量炉渣黏度预测值相对检测值偏差率较大， 分析原因，主要受含氟渣挥发性影响，当炉渣中 w(CaF2 )>20%，模型预测值与检测值偏差逐渐增 表 3 黏度参数分析 Table 3 Viscosity controlling parameters Slag lnA B Slag lnA B Slag lnA B C1 −12.1166 16750.76 C10 −11.1663 15523.76 C19 −11.6419 16899.20 C2 −11.1521 15331.25 C11 −11.4069 16399.51 C20 −10.5736 14696.67 C3 −11.4827 16323.80 C12 −11.9045 19019.28 C21 −9.26063 11473.14 C4 −11.2338 16106.31 C13 −10.7114 13670.59 C22 −11.3388 18048.45 C5 −10.9666 13904.19 C14 −11.1896 15932.56 C23 −10.4814 13697.65 C6 −11.1806 14859.89 C15 −11.4391 17000.89 C24 −17.2362 25991.79 C7 −11.3522 15328.48 C16 −11.1312 16491.46 C25 −10.5812 14320.87 C8 −11.3635 16421.96 C17 −14.9610 21103.44 C26 −13.0682 18316.60 C9 −10.9992 14722.03 C18 −12.8972 19711.71 C27 −10.7828 13602.93 −0.8 −1.0 −1.2 −1.4 −1.6 −1.8 −2.0 −2.4 −2.6 −2.8 −2.2 C1 Linear fit ln [η/(Pa·s)] 0.00058 0.00060 0.00062 0.00064 0.00066 0.00068 0.00070 0.00072 0.00074 T −1/K−1 图 1    黏度−温度线性分析 Fig.1    Linear analysis of lnη to 1/T −10 −12 −14 −16 −18 −20 0 2 4 6 8 10 12 14 Slag serial number 16 18 20 22 24 26 28 30 0 −2 (a) (b) −4 −6 −8 3.0 2.5 2.0 1.5 1.0 0.5 0 lnA B/10 4 0 2 4 6 8 10 12 14 Slag serial number 16 18 20 22 24 26 28 30 图 2    黏度参数拟合数值变化. （a）lnA；（b）B Fig.2    Viscosity parameter fitting value: (a) lnA; (b) B · 532 · 工程科学学报，第 43 卷，第 4 期