基于温度场和热化学模型预测含钛钢中TiN夹杂物析出情况的方法、装置、设备及计算机存储介质与流程

本技术属于计算机软件和钢冶炼，尤其涉及一种基于温度场和热化学模型预测含钛钢中tin夹杂物析出情况的方法、装置、设备及计算机存储介质。

背景技术：

1、含钛钢广泛应用于汽车和工程机械等领域，其在使用中失效形式80％以上都是由于疲劳失效破坏引起，而含钛钢中析出的tin夹杂严重影响疲劳性能。

2、在目前转炉流程高废钢比条件下，氮含量相对增高，必然导致该流程冶炼的含钛钢中tin夹杂析出行为有所不同，进而对材料疲劳性能的影响规律也不同。因此，针对高废钢比冶炼脱氮压力大的问题，预测不同废钢原料结构条件下含钛钢中tin夹杂物的析出情况对高品质钢低成本高效冶炼具有重要意义。

3、相关技术中，存在仅考虑tin的析出热力学条件和液相线温度t的预测方法，具有明显的缺陷，亟须改进。

技术实现思路

1、本技术实施例提供一种基于温度场和热化学模型预测含钛钢中tin夹杂物析出情况的方法，其能够提高对目标含钛钢中tin夹杂物的预测准确性，本技术实施例提供的装置、设备及计算机存储介质，也分别具有上述优势。

2、第一方面，本技术实施例提供一种基于温度场与热化学模型预测含钛钢中tin夹杂物析出情况的方法，包括：

3、获取目标含钛钢种的化学元素种类以及含量和与所述目标含钛钢种对应的中间包中钢液的初始凝固温度；

4、获取与所述目标含钛钢种对应的冷却工艺条件；

5、利用流体仿真软件模型，根据所述冷却工艺条件和所述目标含钛钢种的化学元素种类以及含量，得到所述钢液的冷却数据，所述冷却数据包括冷却速率；

6、基于factsage热力学软件与所述目标含钛钢种的化学元素种类以及含量，得到目标含钛钢种对应钢液的热力学数据库和热力学平衡计算模型以及tin析出数据库以及tin析出模型；

7、根据所述目标含钛钢种的化学元素种类以及含量和所述热力学平衡计算模型，得到钢液的第一化学成分种类以及第一含量和初始凝固过程数据；

8、根据voller-beckermann模型、所述初始凝固过程数据、所述初始凝固温度和所述钢液的第一化学成分种类以及第一含量，迭代更新得到钢液中第二化学元素种类以及第二含量，所述第二含量包括第二氮含量和第二钛含量；

9、根据所述钢液中第二化学元素种类以及所述第二含量、所述热力学数据库和所述热力学平衡计算模型以及所述冷却速率，得到目标含钛钢种中tin夹杂物的析出量以及钢液中第三化学元素种类以及第三含量，所述第三含量包括第三氮含量和第三钛含量。

10、根据本技术一个方面的实施例，方法还包括：根据tin夹杂析出长大模型、所述tin析出数据库、所述tin析出模型、所述冷却速率、所述钢液中第三化学元素种类以及第三含量，得到tin夹杂物析出尺寸。

11、根据本技术一个方面的实施例，获取所述目标含钛钢种对应的中间包中钢液的初始凝固温度之前，包括：

12、根据所述目标含钛钢种的化学元素种类以及含量和factsage热力学软件中与所述目标含钛钢种对应的所述钢液热力学数据库和所述热力学平衡计算模型，得到所述中间包中钢液的初始凝固温度。

13、根据本技术一个方面的实施例，基于factsage热力学软件与所述目标含钛钢种的化学元素种类以及含量，得到目标含钛钢种对应钢液的热力学数据库和热力学平衡计算模型以及tin析出数据库以及tin析出模型，包括：

14、根据述目标含钛钢种的化学元素种类以及含量，在factsage热力学软件中选择对应体系的溶液模型，选择钢液热力学数据库并确定所述钢液热力学数据库的数据；

15、在所述factsage热力学软件中确定所述热力学平衡计算模型以及所述tin析出模型的数据；

16、根据所述钢液热力学数据库的数据和所述热力学平衡计算模型以及所述tin析出模型的数据，保存成cst文件，所述cst文件能在程序目标语言代码中运行所述目标含钛钢种对应的钢液热力学数据库和所述热力学平衡计算模型以及所述tin析出模型。

17、根据本技术一个方面的实施例，voller-beckermann模型包括凝固过程中溶质动态变化计算公式，所述凝固过程中溶质动态变化计算公式为：

18、

19、其中，为溶质i为所述钢液的第一化学成分种类以及第一含量；为固液界面处残余液相中的浓度；ki为液固两相问的溶质分配系数；fs为凝固分数(0＜fs<1)；βi是内置的反扩散参数；所述初始凝固过程数据包括所述固液界面处残余液相中的浓度、所述液固两相间的溶质分配系数和所述凝固分数。

20、根据本技术一个方面的实施例，热力学平衡计算模型，包括利用热力学公式对tin夹杂析出的临界温度进行迭代计算，所述热力学公式包括：

21、1)δg＝-291000+107.91t

22、2)△g＝△gθ+rt ln k

23、

24、其中，t为凝固温度，t的单位为开尔文，依次分别为ti在液相中的平衡浓度和n在液相中的平衡浓度；fti，fn依次分别为液相中组分ti，n的亨利活度系数，fs为凝固分数，0＜fs＜1，r为理想气体常数，其取值为8.314j/(mol·k，所述ti在液相中的平衡浓度为所述第二钛含量；所述n在液相中的平衡浓度为所述第二氮含量和所述初始凝固过程数据包括所述液相中组分ti，n的亨利活度系数和所述凝固分数。

25、根据本技术一个方面的实施例，根据所述钢液中第二化学元素种类以及所述第二含量、所述热力学数据库和所述热力学平衡计算模型以及所述冷却速率，得到tin夹杂析出量以及钢液中第三化学元素种类以及第三含量，所述第三含量包括第三氮含量和第三钛含量，包括：

26、根据所述钢液中第二化学元素种类以及所述第二含量、所述热力学平衡计算模型、所述临界温度、所述冷却速率，得到tin夹杂析出量以及钢液中第三化学元素种类以及第三含量，所述第三含量包括第三氮含量和第三钛含量。

27、根据本技术一个方面的实施例，tin夹杂析出长大模型，包括：tin夹杂物析出计算公式，其为：

28、

29、其中，l为tin夹杂物的当量直径，单位为μm，τ为局部凝固时间，所述冷却数据包括所述局部凝固时间；表示钢液中某一时刻的n含量，表示钢液中又一时刻的n含量，dl,n为n在钢液中的扩散系数常数，ρfe为铁液的密度，其为7.07×103kg/m3；ρtin为tin的密度，其为5.43×103kg/m3，mtin为tin的摩尔质量，其为0.062kg/mol；mn为n的摩尔质量，其为0.014kg/mol。

30、第二方面，本技术实施例提供了一种基于温度场与热化学模型用于预测含钛钢中tin夹杂物析出情况的装置，其特征在于，包括：

31、获取模块，用于获取目标含钛钢种的化学元素种类以及含量和与所述目标含钛钢种对应的中间包中钢液的初始凝固温度，以及与所述目标含钛钢种对应的冷却工艺条件；

32、预测模块，用于基于所述获取模块的信息，利用所述目标含钛钢种对应的钢液热力学数据库和热力学平衡计算模型以及tin析出模型、voller-beckermann模型，预测tin夹杂析出量以及钢液中第三化学元素种类以及第三含量，所述第三含量包括第三氮含量和第三钛含量。

33、第三方面，本技术实施例提供了一种电子设备，所述设备包括：处理器以及存储有计算机程序指令的存储器；

34、所述处理器执行所述计算机程序指令时实现如第一方面的基于chemapppy耦合温度场与热化学模型用于预测含钛钢中tin夹杂物析出情况的方法。

35、第四方面，本技术实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如第一方面的基于温度场与热化学模型用于预测含钛钢中tin夹杂物析出情况的方法。

36、第五方面，本技术实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，所述电子设备执行如第一方面的基于温度场与热化学模型用于预测含钛钢中tin夹杂物析出情况的方法。

37、本技术实施例提供的预测含钛钢中tin夹杂物析出情况的方法，首先获取factsage热力学软件中的热力学数据库以及热力学平衡模型，实时访问热力学数据库，进行迭代热力学平衡计算，其中计算的数据进行模拟钢液凝固过程中状态，并一直更新其凝固过程中的数据，并引入了根据目标钢种的成分以及含量，引入了更佳准确的冷却速率，因而考虑了根据voller-beckermann模型中的实时更新的液固两相间的溶质分配系数，考虑了钢液在不同成分和含量体系下的微观偏析行为；再根据从而实现对含钛钢中tin夹杂析出情况进行预测，提高了预测数据的准确性。