调查钢材加工

Karisa Steffans.,技术编辑

曾经有兴趣了解有关影响钢铁加工的事件的更多信息吗?于2月星期二。 11点上午11点,布莱恩WebLer将在一个这样的现象上讲课。他将专注于可以影响钢的性能和加工的非金属夹杂物或少量氧化物,硫化物或氮化物颗粒上。他的演讲将持续大约一个小时,并将在矿物质和材料工程建设的610室进行。

钢制加工是许多产品制造的必要方面。因此,重要的是要强烈了解可能影响这一过程的事情,因此我们可以预测和模拟钢材一旦处理后的表现方式。因此,重要的是要了解这些非金属夹杂物在此过程中做了什么,以及如何模拟它们。这些夹杂物在液钢加工过程中形成。结果,重要的是能够控制它们,以便可以精制钢。

试图使这源于复杂的形状的一个主要挑战是夹杂物形式。它们还包括复杂的化学品,可以采用各种尺寸。然而,鉴于他们来自的环境,也许这并不令人惊讶。当加工液钢时出现这些夹杂物,因此它们在高热环境中形成了具有影响其发育的各种化学反应和流体流动的环境。结果,难以描述和模拟这些夹杂物。

潜在的协助形成模型的方法是研究和收集关于这些夹杂物的数据。 WebLer打算讨论通过使用数据驱动模型和使用机械方法来讨论研究和建模其行为的各种方法。换句话说,他将通过数字讨论观察这些夹杂物,并将其与更多物理观测相比观察它们。

在机械方法中,研究人员专注于物理和化学。通过这样做,他们可以描述金属内的反应是如何原因镁和钙改性包容组合物。已经进行了实验以研究这些反应,因此可以将结果与已经进行的动力学模型进行比较。 WebLer将讨论该实验的结果,以及他们对最初用于模拟该反应的模型的结果。

相比之下,数据驱动方法侧重于包含在夹杂物的图像中的信息。通过使用机器学习方法,他们已经建立了一种模型来预测包涵体组成。计算机也用于区分夹杂物和非夹杂物,例如毛孔或污染。

这两种方法都可以为这些含有洞察力提供见解。通过更好地了解,我们将来可以为这些制定更好的控制方法。对于有兴趣的学习更多的人来说,WebLer将在周二更深入地讨论这一点。