對鑄鐵型材凝固過程的溫度場進行了數值模擬通過對模擬結果進行分析計算獲得了鑄鐵型材各硬度測量點處的凝固冷卻速度。由此基于實驗獲得的鑄鐵型材實測硬度數據與模擬所得的鑄鐵型材冷卻速度數據建立了適用于該灰鑄鐵缸蓋鑄鐵型材硬度性能的數學計算模型該模型主要是考慮了冷卻速度對灰鐵鑄鐵型材硬度性能的影響。在此數學模型的基礎之上對軟件進行了二次開發終實現了該灰鑄鐵缸蓋鑄鐵型材三維硬度數據的建立。由于該數據的建立是基于實測的鑄鐵型材硬度數據值因此本文的研究對灰鑄鐵缸蓋鑄鐵型材硬度性能的預測具有重大的意義。 鑄鐵型材在重工業中需求量大，被廣泛應用于交通運輸、機床、印刷、農業機械等支柱行業。對鼓肚缺陷，在鑄鐵型材的水平連鑄過程中采用反弧度法工藝，即通過新型的石墨套與引錠裝置來實現的，通過實施反弧度法工藝，鑄鐵型材的鼓肚現象得到有效。但由于在率次實驗過程中，剛開始生產鑄鐵型材時的拉拔速度比較慢、拉拔周期較長，使鑄鐵型材在結晶器的停留時間過長，導致在扁平方向上鑄鐵型材頂部略微向下凹，當拉拔參數調整合適時，下凹及鼓肚現象基本消失。反弧度法工藝制各的鑄鐵型材組織更為均勻，力學性能更為優良。與實施反弧度法之前的鑄鐵型材相比，實施反弧度法之后的鑄鐵型材硬度得到提高，組織更為均勻，并且其抗拉強度指標高于鑄鐵型材標準(JBT10854-2008水平連續鑄造鑄鐵型材) 性能要求。提高鎂液充型和補縮能力保護其充型過程適于鎂合金水平連鑄成形.振動凝固消失模水平連鑄技術可提高鎂合金充型能力、細化組織、明顯提高鑄鐵型材力學性能.消失模殼型水平連鑄技術可或減少消失模水平連鑄易于出現的孔洞、夾雜等缺陷能生產高質量復雜鎂合金精密鑄鐵型材.

億錦天澤鋼鐵有限公司
巢湖QT420-12球墨鑄鐵棒當前價格

一種水平連鑄工藝設計中澆冒結合的設計方法。工藝設計階段對軸承座進行凝固分析，得出了鑄鐵型材各部分的模數后，使用截面比設計法、均衡凝固設計法來定量化設計澆冒口系統的尺寸。研究表明該鑄鐵型材應采用底注式澆注系統為宜，對鑄鐵型材中部區域采用澆冒系統處理熱節，提取凝固模擬結果中熱節處的平均模數和金屬液體積，即可對澆冒口系統的尺寸進行定量化設計；充型結果表明澆注節奏應為“先慢后快再慢”；凝固結果表明澆冒口液態補縮明顯，石墨化膨脹壓力沒有損失，鑄鐵型材設計良好。將該鑄鐵型材參數應用于生產，生產的灰鑄鐵軸承座質量良好，滿足使用要求。優化設計后得到的鑄鐵型材新生產線，能夠滿足 尺寸為400mm的鑄鐵型材的生產，且生產鑄鐵型材的工序簡化，各設備的結構組成更為簡單合理.鑄鐵型材中的夾雜物主要聚集分布在其中心線上方約3/4半徑處，其中大尺寸的夾雜物主要來源于球化和孕育處理，因此解決鑄鐵型材內部夾雜問題的關鍵是控制球化和孕育處理的相關參數.對于鑄鐵型材表面存在的疤皮缺陷，生產實踐證明，采取提高鐵水溫度、保證鐵水純凈度、適當提高拉拔速度、改進爐膛底部結構及阻斷結晶器兩段石墨套間橫向傳熱的舉措能夠有效地。仿真實驗表明本文建立的拉坯工藝參數GA-BP神經網絡控制模型可以用于拉坯工藝參數自適應整定，所獲得拉坯工藝參數能夠用于實際生產系統，實現高質量、率的鑄鐵型材水平連鑄拉坯生產。對某升降機底架細桿部位進行觀模擬，模擬結果表明外部為激冷細晶區，在凝固過程中 L角位置易形核。實驗與模擬對比表明使用數值模擬的方法對灰鐵件水平連鑄過程的晶粒生長進行預測具有可行性，為課題組之后的研究做了準備。

億錦天澤鋼鐵有限公司

從砂芯制作到澆注全流程多工序相關參數與斷軸的關系，確定造成斷軸缺陷的主要因子；采用“BP神經網絡法”建立一套汽車發動機鑄鐵型材斷軸缺陷的診斷模型，并基于此模型研究各項影響因子對缺陷產生的敏感程度；結合實際過程相關參數的波動性獲得過程控制策略，用以指導實際生產鑄鐵型材在重工業中需求量大，被廣泛應用于交通運輸、機床、印刷、農業機械等支柱行業。拉坯工藝參數設置是鑄鐵型材生產中的關鍵環節，設置不合理會導致拉漏、拉斷等生產事故和產生表面裂紋等鑄造缺陷。現有鑄鐵型材生產企業拉坯工藝參數控制技術參差不齊，尚無完整的理論體系。對鼓肚缺陷，在鑄鐵型材的水平連鑄過程中采用反弧度法工藝，即通過新型的石墨套與引錠裝置來實現的，通過實施反弧度法工藝，鑄鐵型材的鼓肚現象得到有效。但由于在率次實驗過程中，剛開始生產鑄鐵型材時的拉拔速度比較慢、拉拔周期較長，使鑄鐵型材在結晶器的停留時間過長，導致在扁平方向上鑄鐵型材頂部略微向下凹，當拉拔參數調整合適時，下凹及鼓肚現象基本消失。反弧度法工藝制各的鑄鐵型材組織更為均勻，力學性能更為優良。與實施反弧度法之前的鑄鐵型材相比，實施反弧度法之后的鑄鐵型材硬度得到提高，組織更為均勻，并且其抗拉強度指標高于鑄鐵型材標準(JBT10854-2008水平連續鑄造鑄鐵型材) 性能要求。同時，伸長率指標均超過LZQT500-7規定的指標。與拉伸性能結果類似，反弧度法試樣的抗壓強度高于未實施反弧度法試樣的抗拉強度。其次，利用BP神經網絡的方法，基于網絡的學習機理和實際研究的斷軸缺陷問題，建立起輸入層-單隱含層-輸出層的三層網絡模型，鑄鐵型材對缺陷因子數據進行預處理，隨機地將其劃分為訓練樣本集和測試樣本集。并基于此模型研究了各項影響因子對砂芯質量影響的敏感強弱，鑄鐵型材結合實際過程相關參數的波動性獲得過程控制策略，用以指導實際生產。