SUS430不锈钢砂金缺陷研究及工艺开发

论文摘要

本文以某钢厂提供的SUS430不锈钢为研究对象,系统地展开了对SUS430不锈钢砂金缺陷的研究,主要内容包括对SUS430不锈钢砂金缺陷机理、热轧卷不同来料与现场生产工艺对SUS430不锈钢砂金缺陷的影响规律及退火工艺与酸洗工艺开发的研究,获得以下主要研究结果：(1)通过金相实验配合扫描电镜以及能谱仪对SUS430不锈钢中析出的碳化物进行了研究。研究结果表明：出现砂金缺陷的SUS430不锈钢板料沿轧制方向有大量碳化物析出,并且在晶界周围偏聚。晶界处大量的碳化物使SUS430不锈钢在晶界处发生贫Cr现象,贫Cr区在酸洗过程中引起晶间腐蚀的产生,从而导致晶界处晶粒与晶界间的结合力急剧下降,最终导致SUS430不锈钢表面砂金缺陷的产生。(2)对SUS430不锈钢不同的热轧黑皮卷进行了检测。结果表明：在砂金缺陷出现几率相对较低的日本川崎和韩国浦项的热轧板中,基体中检测出明显的V元素；而在砂金缺陷现象特别明显的国内某钢厂热轧板中,基体中不含V元素。因此,可以推断V元素的存在与SUS430不锈钢砂金缺陷出现几率有着密切的关系。(3)通过跟踪SUS430不锈钢3AP中的退火工艺,发现罩式炉退火时SUS430不锈钢钢卷的装炉位置以及装炉卷数对砂金缺陷有着重要的影响。对退火工艺进行模拟,得出改进的退火工艺为退火温度840℃×保温30h,此工艺可有效地改善SUS430不锈钢的砂金缺陷。(4)分析3AP中No.1板微观组织可得缺陷板晶粒比合格板晶粒小,对其表面粗糙度跟踪发现缺陷板表面粗糙度比合格板粗糙度大。因此可知酸洗生产线和SUS430不锈钢砂金缺陷密切相关。通过对酸洗工艺进行模拟得出混酸中的HN03HF的浓度配比、走带速度、酸洗液温度的规律,并且结合模拟的结果对现场酸洗工艺进行适当调整,调整工艺为：提高走带速度为50m/min,混酸浓度适当增加,HN03为140g/L,HF为12g/L,同时加大喷丸量。(5)通过应用BP神经网络对某钢厂2011年4月份生产中出现砂金缺陷钢卷工艺进行模拟,并对比测试样本与网络预测值可得该模型预测成功率为83.3%。因此,将BP人工神经网络技术引入SUS430不锈钢生产过程,可以在3AP酸洗工艺、喷丸工艺中进行合理准确地预测该合金砂金缺陷的发生率。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 引言
• 1.2 不锈钢的发展趋势
• 1.2.1 国外不锈钢的发展现状
• 1.2.2 我国不锈钢的发展现状
• 1.3 不锈钢概述
• 1.3.1 不锈钢的定义
• 1.3.2 不锈钢的分类
• 1.3.3 合金元素对不锈钢的影响
• 1.4 铁素体不锈钢概述
• 1.4.1 铁素体不锈钢兴起
• 1.4.2 铁素体不锈钢的发展现状
• 1.4.3 铁素体不锈钢的组织与性能
• 1.4.4 铁素体不锈钢中主要合金元素及其对组织性能的影响
• 1.4.5 铁素体不锈钢的成形性
• 1.4.6 铁素体不锈钢砂金缺陷的成因分析
• 1.5 本课题的目的、意义与内容
• 1.5.1 研究目的和意义
• 1.5.2 研究内容
• 第2章 实验材料和方法
• 2.1 实验材料
• 2.2 实验方法
• 2.2.1 金相观察
• 2.2.2 扫描电镜观察
• 2.2.3 模拟退火实验
• 2.2.4 模拟酸洗实验
• 第3章 SUS430砂金缺陷产生机理研究
• 3.1 砂金缺陷板与合格板宏观对比分析
• 3.2 砂金板缺陷分析
• 3.2.1 砂金缺陷分析（Ⅰ区）
• 3.2.2 砂金缺陷分析（Ⅱ区）
• 3.2.3 砂金缺陷分析（Ⅲ区）
• 3.3 本章小结
• 第4章 生产工艺对SUS430砂金缺陷的影响
• 4.1 热轧卷的不同来料对砂金缺陷的影响
• 4.1.1 韩国浦项热轧卷组织形貌及能谱分析
• 4.1.2 日本川崎热轧卷组织形貌及能谱分析
• 4.1.3 国内某钢厂热轧卷组织形貌及能谱分析
• 4.2 退火工艺流程研究
• 4.2.1 装炉位置和装炉卷数对砂金缺陷的影响
• 4.2.2 退火工艺的研究与开发
• 4.3 酸洗生产线对SUS430不锈钢砂金缺陷的影响
• 4.3.1 不同预酸洗对砂金缺陷的影响
• 4.3.2 酸洗工艺的研究与开发
• 4.3.3 酸洗后No.1板料组织分析和粗糙度跟踪
• 4.4 轧制工艺流程跟踪
• 4.5 本章小结
• 第5章 应用BP神经网络预测砂金缺陷出现率
• 5.1 BP神经网络模型的构建
• 5.1.1 输入输出参数的确定
• 5.1.2 隐含层数的确定
• 5.1.3 隐含层的节点数的确定
• 5.1.4 输入输出层参数的规范化
• 5.2 BP网络学习算法选择
• 5.2.1 最速下降BP算法（SDBP）
• 5.2.2 动量BP算法（MOBP）
• 5.2.3 弹性BP算法（RPROP）
• 5.2.4 LM算法
• 5.3 结果分析和讨论
• 5.4 本章小结
• 第6章 结论
• 参考文献
• 致谢