Vliv přípravy mezipánví plynulého odlévání oceli na obsah vodíku u prvních taveb v sekvenci

Abstract

Cílem předkládané diplomové práce je analýza a vyhodnocení vlivu přípravy mezipánví na výsledný obsah vodíku v oceli během technologie kontinuálního lití. V teoretické části práce, která je z velké části podložena rozborem soudobé zahraniční literatury, je věnována pozornost mechanismu rozpouštění vodíku v tekuté oceli, detekci a kvantifikaci jeho zdrojů, jejich vlivu na zvýšený obsah vodíku zejména v mezipánvích plynulého odlévání a možným způsobům jeho snižování. Páteří experimentální části jsou rozsáhlá měření obsahů vodíku v tekuté oceli v mezipánvích ZPO č. 1 v TŽ, a.s. sondami Hydris a měření a kvantifikace stěžejních vlivů, majících dopad na výsledný obsah tohoto plynu v tavenině oceli. Nedílnou součástí následných experimentů je vyhodnocení těchto dat pomocí metod deskriptivní a matematické statistiky, především však na základě statistického modelování – lineární regrese a nelineárních regresních modelů (umělých neuronových sítí). V závěru diplomové práce jsou prezentovány dosažené výsledky.

The aim of this thesis is the analysis evaluation the influence of tundish preparation for the final hydrogen occurrence in the steel during the continuous casting technology. The theoretical part of the thesis is focused on the analysis of actual foreign literature, attention is focused to the mechanism of dissolution of hydrogen in liquid steel, detection and quantification its resources, its effect on increasing hydrogen occurrence especially in continuous casting tundishes and possible ways to its reduction. The foundation of the research part of the thesis are extensive measurement of the hydrogen occurrence of the liquid steel in tundishes ZPO no.1 in TŽ, a.s. by probes Hydris and measurement and quantification of the key influences affecting the final content of the gas in the melt steel. An integral part of the follow-up tests is the evaluation tests by using methods of descriptive and mathematic statistics, especially on the basis of statistical modeling – linear regression and nonlinear regression models (Artificial Neural Networks). At the end of the thesis are presented obtained results.