跳到主要內容

臺灣博碩士論文加值系統

(44.200.86.95) 您好!臺灣時間:2024/05/30 04:53
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:高子棋
研究生(外文):GAO, ZI-QI
論文名稱:結合電腦模擬、人工智慧與實驗設計於鋼液分配器製程之最佳化設計
論文名稱(外文):Optimal Design for Tundish Process Combining Computer Simulation, Artificial Intelligence and Design of Experiments
指導教授:吳鉉忠
指導教授(外文):WU,HSUAN-CHUNG
口試委員:吳永富郭錦龍吳鉉忠
口試委員(外文):WU,YUNG-FUKUO, CHIN-LUNGWU,HSUAN-CHUNG
口試日期:2022-07-21
學位類別:碩士
校院名稱:明志科技大學
系所名稱:材料工程系碩士班
學門:工程學門
學類:材料工程學類
論文種類:學術論文
論文出版年:2022
畢業學年度:110
語文別:中文
論文頁數:61
中文關鍵詞:鋼液分配器田口法類神經網路演化策略
外文關鍵詞:TundishTaguchi methodNeural networkEvolution strategy
相關次數:
  • 被引用被引用:0
  • 點閱點閱:101
  • 評分評分:
  • 下載下載:18
  • 收藏至我的研究室書目清單書目收藏:0
鋼液分配器為連續鑄造製程中,鋼液凝固前所經過的最後一個容器。本研究成功藉由鋼液分配器製程模擬系統,確認改變流體控制裝置(Flow Control Device, FCD)與氣體吹射等製程參數可降低製程出口介在物數量,配合實驗設計法與人工智慧演算法,以降低製程出口介在物數量為目標進行優化。實驗設計法的部分使用田口法,人工智慧演算法則是使用類神經網路,以鋼液分配器製程模擬系統產生之數據為基礎,建立出製程參數與結果之間關係,結合演化策略的尋找極值能力後得出最佳參數組合。以上方法皆成功尋找出最佳參數組合,並以鋼液分配器製程模擬系統證實,使用最佳參數後,製程出口之介在物數量為最低。
Tundish is the last container that molten steel passes through before solidifying in the continuous casting process. This study successfully used the tundish process simulation system to confirm that changing the process parameters such as flow control device (FCD) and gas blowing can reduce the number of process outlet inclusions. The simulation system combined design of experiments and artificial intelligence algorithm to optimize the goal of reducing outlet number of inclusions. The Taguchi method is adopted in the design of experiments, and the neural network is adopted in the artificial intelligence algorithm. Based on the data generated by the tundish process simulation system, the relationship between the process parameters and performance is established. The optimal parameter combination is obtained by using an evolution strategy. All the above methods have successfully found the best parameter combination. The tundish process simulation system confirmed that the number of outlet inclusion is the lowest using the optimal parameters.
口試委員審定書 i
誌謝 ii
中文摘要 iii
Abstract iv
圖目錄 vii
表目錄 x
第一章 簡介 1
1-1 前言 1
1-2 文獻回顧 2
1-3 研究目的 6
第二章 研究方法 7
2-1 數值模擬控制方程式 7
2-2 實驗設計法 9
2-2-1 田口法 9
2-1-2 變異數分析 11
2-3 人工智慧演算法 13
2-3-1 類神經網路 13
2-3-2 演化策略 14
第三章 結果與討論 16
3-1 水模實驗比對結果 21
3-2 FCD與氣體吹射對去除介在物之影響 22
3-2-1 無FCD、無氣體帶動流場之案例 25
3-2-2 有FCD、無氣體帶動流場之案例 30
3-2-3 有FCD、有氣體帶動流場之案例 35
3-2-4 有FCD、有氣體帶動流場、有氣泡吸附效應之案例 40
3-2-5 不同案例之結果比較 45
3-3 參數最佳化 47
3-3-1田口法 47
3-3-2結合類神經網路與演化策略 50
3-4參數最佳化模擬結果 52
第四章 結論 59
參考文獻 60

圖目錄
圖 1-1 連續鑄造系統[2] 1
圖 1-2 冷拔過程中由大夾雜物引起的的斷裂[5] 2
圖 1-3 介在物去除率與介在物大小之關係[6] 3
圖 1-4 介在物去除率與介在物大小之關係(a)未加入氣體吹射(b)加入氣體吹射[8] 4
圖 1-5 氣泡去除介在物之機制(a)實驗觀察氣泡吸附及氣泡尾流之效應(b)氣泡上浮所造成之尾流區域 [11] 5
圖 2-1 各因子之關係 10
圖 2-2 類神經網路示意圖 14
圖 2-3演化策略流程圖 15
圖 3-1鋼液分配器之網格劃分結果 17
圖 3-2 鋼液分配器模型示意圖 17
圖 3-3 各尺寸介在物之顏色說明 17
圖 3-4 氣泡直徑5mm、介在物直徑dP=50μm流動軌跡[18] 20
圖 3-5 氣泡吸附介在物之機率[18] 20
圖 3-6 水模實驗模型與觀察之視角 21
圖 3-7 水模實驗結果(上)與模擬結果(下)之比對 22
圖 3-8 介在物於渣層之分佈狀況視角 23
圖 3-9各案例之介在物之命運 24
圖 3-10 案例1不同時間點之介在物位置分佈 26
圖 3-11 案例1不同位置平面之速度方向 27
圖 3-12案例1不同大小介在物被捕捉之時間 28
圖 3-13 案例1介在物被捕捉之位置分佈 28
圖 3-14 案例1不同大小介在物離開鋼液分配器之時間 29
圖 3-15 案例1介在物命運 29
圖 3-16 案例2不同時間點之介在物位置分佈 31
圖 3-17 案例2不同位置平面之速度方向 32
圖 3-18 案例2不同大小介在物被捕捉之時間 33
圖 3-19 案例2介在物被捕捉之位置分佈 33
圖 3-20 案例2不同大小介在物離開鋼液分配器之時間 34
圖 3-21 案例2介在物命運 34
圖 3-22 案例3不同時間點之介在物位置分佈 36
圖 3-23 案例3不同位置平面之速度方向 37
圖 3-24 案例3不同大小介在物被捕捉之時間 38
圖 3-25 案例3介在物被捕捉之位置分佈 38
圖 3-26 案例3不同大小介在物離開鋼液分配器之時間 39
圖 3-27 案例3介在物命運 39
圖 3-28 案例4不同時間點之介在物位置分佈 41
圖 3-29 案例4不同位置平面之速度方向 42
圖 3-30 案例4不同大小介在物被捕捉之時間 43
圖 3-31 案例4介在物被捕捉之位置分佈 43
圖 3-32 案例4不同大小介在物被氣泡吸附之時間 44
圖 3-33 案例4不同大小介在物離開鋼液分配器之時間 44
圖 3-34 案例4介在物命運 45
圖 3-35因子反應圖 49
圖 3-36 ANN預測訓練資料之誤差 52
圖 3-37 田口法L1案例不同時間點之介在物位置分佈 53
圖 3-38 田口法L1案例streamline(上)與速度分佈(下) 54
圖 3-39 田口法L1案例之(a)介在物被渣層捕捉分佈(b)介在物被渣層捕捉之數量與時間關係(c) 介在物被氣泡吸附之數量與時間關係(d) 介在物從出口離開之數量與時間關係 54
圖 3-40 田口法L1案例介在物命運 55
圖 3-41最佳化案例不同時間點之介在物位置分佈 56
圖 3-42 最佳化案例streamline(上)與速度分佈(下) 57
圖 3-43最佳化案例之(a)介在物被渣層捕捉分佈(b)介在物被渣層捕捉之數量與時間關係(c) 介在物被氣泡吸附之數量與時間關係(d) 介在物從出口離開之數量與時間關係 57
圖 3-44 最佳化案例介在物命運 58

表目錄
表 2-1 L9(34)直交表 10
表 3-1 實驗參數設定 18
表 3-2 案例內容說明 23
表 3-3 田口實驗之製程變因參數與水準設計 48
表 3-4 L9直交表之實驗結果與S/N比 48
表 3-5 因子反應表 49
表 3-6 變異數分析 49
表 3-7 建立完成之模型預測值測試 51
表 3-8 鋼液分配器參數最佳化 51
表 3-9田口法與ANN+ES參數預測結果與Fluent驗證值 58


1.Mazumdar, D., Tundish Metallurgy: Towards Increased Productivity and Clean Steel. Transactions of the Indian Institute of Metals, 2013. 66(5): p. 597-610.
2.Sahai, Y., Tundish Technology for Casting Clean Steel: A Review. Metallurgical and Materials Transactions B, 2016. 47(4): p. 2095-2106.
3.Anapagaddi, R., et al., Exploration of the Design Space in Continuous Casting Tundish. 2014.
4.Sahai, Y. and T. Emi, Melt Flow Characterization in Continuous Casting Tundishes. ISIJ International, 1996. 36(6): p. 667-672.
5.Costa e Silva, A.L.V.d., The effects of non-metallic inclusions on properties relevant to the performance of steel in structural and mechanical applications. Journal of Materials Research and Technology, 2019. 8(2): p. 2408-2422.
6.Sousa Rocha, J.R.d., et al., Modeling and computational simulation of fluid flow, heat transfer and inclusions trajectories in a tundish of a steel continuous casting machine. Journal of Materials Research and Technology, 2019. 8(5): p. 4209-4220.
7.He, F., L.-y. Zhang, and Q.-Y. Xu, Optimization of flow control devices for a T-type five-strand billet caster tundish: water modeling and numerical simulation. China Foundry, 2016. 13(3): p. 166-175.
8.de Souza, G., A. Freitas, and R. Tavares, Physical and mathematical modeling of inclusion behavior in a tundish with gas curtain. REM - International Engineering Journal, 2020. 73: p. 531-538.
9.Ramos-Banderas, A., et al., Modelling Study of Inclusions Removal by Bubble Flotation in the Tundish. steel research international, 2006. 77(5): p. 325-335.
10.Chen, D., et al., Hydraulics and Mathematics Simulation on the Weir and Gas Curtain in Tundish of Ultrathick Slab Continuous Casting. Metallurgical and Materials Transactions B, 2014. 45(2): p. 392-398.
11.Yang, H.L., P. He, and Y.C. Zhai, Removal Behavior of Inclusions in Molten Steel by Bubble Wake Flow Based on Water Model Experiment. ISIJ International, 2014. 54(3): p. 578-581.
12.Fan, C.M., R.J. Shie, and W.S. Hwang, Studies by mathematical and physical modelling of fluid flow and inclusion removal phenomena in slab tundish for casting stainless steel using various flow control device designs. Ironmaking & Steelmaking, 2003. 30(5): p. 341-347.
13.Harnsihacacha, A., A. Piyapaneekoon, and P. Kowitwarangkul, Physical water model and CFD studies of fluid flow in a single strand tundish. Materials Today: Proceedings, 2018. 5: p. 9220-9228.
14.Meijie, Z., et al., Numerical simulation and industrial practice of inclusion removal from molten steel by gas bottom-blowing in continuous casting tundish. 2011. 47: p. 137-147.
15.Rechenberg, I. Evolution Strategy: Nature’s Way of Optimization. in Optimization: Methods and Applications, Possibilities and Limitations. 1989. Berlin, Heidelberg: Springer Berlin Heidelberg.
16.林豐澤, 演化式計算上篇:演化式演算法的三種理論模式. 智慧科技與應用統計學報, 2005. 3(1): p. 1-28.
17.Sheng, D.-Y., Design Optimization of a Single-Strand Tundish Based on CFD-Taguchi-Grey Relational Analysis Combined Method. 2020. 10(11): p. 1539.
18.吳鉉忠, 鋼液分配器氣體吹射條件對介在物去除率影響與最佳化之研究報告.
19.Vakhrushev, A., et al., A Water Experiment Benchmark to Evaluate Numerical Models for the Motion of Particles in Continuous Casting Tundish. steel research international, 2016. 88.
20.Keras. Available from: https://keras.io/.


QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊