简介概要

氧化铝烧结法生产的生料浆质量预测模型及应用

来源期刊:中国有色金属学报2006年第3期

论文作者:李劼 孔玲爽 阳春华

文章页码:536 - 541

关键词:生料浆; 神经网络; 机理模型; 预测模型; 灰色理论

Key words:raw mix slurry; neural network; mechanism model; prediction model; gray theory

摘    要:针对烧结法氧化铝生产过程中生料浆配料工艺的特点, 根据物料平衡的原理建立机理模型, 作为生料浆质量预测的主规律模型; 针对碱液成分波动大且难以实时检测的问题, 对碱液成分含量建立了神经网络预测模型, 并和机理模型进行嵌套集成; 利用灰色理论对机理模型的偏差数据进行信息挖掘, 建立了GM(1, 1)补偿模型, 并与机理模型进行并联集成, 获得生料浆质量预测模型。 验证结果表明, 该质量预测模型能获得较理想的生料浆质量预测精度, 其应用可使生料浆质量得到显著的提高。

Abstract: Based on the analysis of the characteristics of the raw mix slurry preparing process in alumina sintering production process, firstly, a mechanism model based on material balance principle was established as the master-rule model for the quality prediction; secondly, considering the problem that the alkali liquor composition was unstable and its real-time measurement was difficult, a NN (neural networks) prediction model for the prediction of the alkali liquor composition was set up and nesting-integrated with the mechanism model; finally, using the gray theory for the information mining from the errors of the mechanism model, a GM(1, 1) compensation model was put forward and parallel-connection-integrated with the mechanism model, achieving a raw mix slurry quality prediction model. Verification results show that the quality prediction model is with satisfactory prediction accuracy, and its industrial application will benefit to improving the quality of raw mix slurry.



详情信息展示

文章编号: 1004-0609(2006)03-0536-06

氧化铝烧结法生产的生料浆质量预测模型及应用

李 劼1, 孔玲爽2, 阳春华2

(1. 中南大学 冶金科学与工程学院, 长沙 410083;

2. 中南大学 信息科学与工程学院, 长沙 410083)

摘 要: 针对烧结法氧化铝生产过程中生料浆配料工艺的特点, 根据物料平衡的原理建立机理模型, 作为生料浆质量预测的主规律模型; 针对碱液成分波动大且难以实时检测的问题, 对碱液成分含量建立了神经网络预测模型, 并和机理模型进行嵌套集成; 利用灰色理论对机理模型的偏差数据进行信息挖掘, 建立了GM(1, 1)补偿模型, 并与机理模型进行并联集成, 获得生料浆质量预测模型。 验证结果表明, 该质量预测模型能获得较理想的生料浆质量预测精度, 其应用可使生料浆质量得到显著的提高。

关键词: 生料浆; 神经网络; 机理模型; 预测模型; 灰色理论 中图分类号: TF335.2; TF821

文献标识码: A

Raw mix slurry quality prediction model used for alumina sintering production process

LI Jie1, KONG Ling-shuang2, YANG Chun-hua2

(1. School of Metallurgical Science and Engineering, Central South University,

Changsha 410083, China;

2. School of Information Science and Engineering, Central South University,

Changsha 410083, China)

Abstract: Based on the analysis of the characteristics of the raw mix slurry preparing process in alumina sintering production process, firstly, a mechanism model based on material balance principle was established as the master-rule model for the quality prediction; secondly, considering the problem that the alkali liquor composition was unstable and its real-time measurement was difficult, a NN (neural networks) prediction model for the prediction of the alkali liquor composition was set up and nesting-integrated with the mechanism model; finally, using the gray theory for the information mining from the errors of the mechanism model, a GM(1, 1) compensation model was put forward and parallel-connection-integrated with the mechanism model, achieving a raw mix slurry quality prediction model. Verification results show that the quality prediction model is with satisfactory prediction accuracy, and its industrial application will benefit to improving the quality of raw mix slurry.

Key words: raw mix slurry; neural network; mechanism model; prediction model; gray theory

                         

在烧结法氧化铝的生产过程中, 生料浆的配制是将铝土矿、 石灰、 碱粉、 煤及后续工序返回的碱液等原料按一定的配比送入管磨机, 在管磨机里进行破碎混合, 磨制成生料浆, 然后流入料浆槽存贮, 作为下道烧结工序的原料。 配料作为氧化铝生产的第一道工序, 配制生料浆指标的好坏直接关系到熟料质量的高低。 “配料是基础, 烧结是关键”的思想已是广大科技人员的共识[1]。 然而, 目前生料浆成分检测严重滞后且波动范围大, 在配料过程中一直采用简单的算法, 例如基于物料平衡的机理模型、 移动平均值算法[2], 得到一个非常粗略的配比, 用工人的个人经验进行相应的调整, 造成了下料配比不够准确, 生料浆指标波动大, 从而导致产量和质量波动大。

 因此, 采用一种有效的方法建立模型实时预测生料浆质量, 对指导配比计算、 控制生料浆质量和稳定生产都有着非常重要的意义。 本文作者针对某厂氧化铝生料浆配料工艺的特点, 首先根据物料平衡的原理建立机理模型, 作为生料浆质量预测的主规律模型; 然后针对碱液成分波动大且难以实时检测的问题, 对碱液成分含量建立了神经网络预测模型, 并和机理模型进行嵌套集成; 最后利用灰色理论对机理模型的偏差数据进行信息挖掘, 建立了GM(1, 1)补偿模型, 并与机理模型进行并联集成, 获得生料浆质量预测模型。

1 基于物料平衡的机理模型的构建

由于生料浆的配制基本上为物理变化过程, 所以可根据原料的化学成分含量及下料量(配比), 建立基于物料平衡的生料浆质量预测机理模型[1]。 生料浆的主要质量指标有: 碱比(N/R)、 钙比(C/S)、 铁铝比(F/A)、 铝硅比(A/S)、 水分等。 在实际生产中, 考虑到生料浆各指标的主次因素, 主要以配制生料浆的(N/R)、 (C/S)、 (A/S)为主。 设配制生料浆的原料有k种, mi为第i种原料的配比, 其中CaO的质量分数为Ci, Na2O的质量分数为Ni, SiO2的质量分数为Si, Al2O3的质量分数为Ai, Fe2O3的质量分数为Fi。 基于物料平衡原理, 则配制的生料浆中各物质成分含量为

代入指标计算公式, 得到生料浆的质量指标:

式中 [C]、 [N]、 [S]、 [F]、 [A]分别为各物质的摩尔数; 分别为生料浆的碱比、 钙比、 铝硅比。 式(1)和(2)组成了基于物料平衡的生料浆质量机理预测模型。

利用上面的机理模型预测生料浆指标时, 必须知道原料的成分含量及配比, 而配比可以通过现场的检测装置获得, 但原料成分的化学分析检测过程是滞后的, 所以必须对原料的成分含量进行预测。

2 碱液成分含量的神经网络预测模型的设计

在配料的原料中, 铝土矿、 石灰等固体物料的成分及含量比较稳定, 波动不大, 可以将前一时刻的检测结果代入机理模型, 预测生料浆质量。 但用于配料的碱液的成分含量波动大, 在现有的条件下难以进行实时检测, 而且碱液成分含量的波动会造成每个质量指标的变化, 所以利用机理模型进行预测之前, 必须对碱液成分含量进行预测。 碱液是从后续工艺返回的, 每2h取样一次, 主要检测水分、 氧化钙、 氧化钠、 氧化硅、 氧化铁和氧化铝等化学成分的含量。 检测结果具有滞后性, 但这些数据是按时间顺序排列的序列, 表现着碱液成分变化的动态过程, 所以必然蕴涵着碱液成分变化的信息。 故可以通过大量的历史检测数据序列, 建立碱液成分含量的预测模型。

人工神经网络ANN作为非线性时间序列建模的一种有力工具, 已经被用来解决非线性时间序列的预测问题[3]。 它作为一种智能化建模方法, 可逼近任意非线性函数, 此方法已逐渐被应用于复杂冶炼过程的建模。 为了减少神经网络的训练难度, 本文采用多输入单输出的网络结构, 对碱液中每种成分的含量都建立一个神经网络预测模型。

考虑到网络的训练速度和各化学成分之间的综合影响, 通过关联度分析[4], 选择10个数据作为输入。 以预测氧化钙含量为例, 神经网络的输入和输出分别为: 前一时刻的氧化钠含量x1、 氧化硅含量x2、 氧化铁含量x3、 氧化铝含量x4、 水分含量x5; 碱液中氧化钙过去连续5个时刻的含量x6、 x7、 x8、 x9、 x10; y为当前时刻的氧化钙含量。 结构采用3层BP神经网络BP3L-Y, 有输入层、 隐层和输出层。 输入层和输出层的神经元个数分别为10和1, 隐含层神经元的个数按有关经验公式[3, 5], 确定为20。 网络的输入和输出关系可用下式描述:

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 主办 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:新出网证(湘)字005号   湘ICP备09001153号