一种氧气底吹铜熔炼过程智能控制方法
【技术领域】
[0001] 本发明涉及铜冶炼过程的控制技术领域，尤其是一种氧气底吹铜熔炼过程智能控 制方法。
【背景技术】
[0002] 氧气底吹铜熔炼过程是铜冶炼过程中的一个重要环节，它将含铜量较低的铜精矿 等原料中的铁和硫进行氧化脱除，得到含铜量较高的熔融铜锍，从而为转炉吹炼过程提供 原料。氧气底吹铜熔炼炉（简称底吹炉）是该过程的核心装备。
[0003] 氧气底吹铜熔炼过程如图1所示。底吹炉沿长度方向分为反应区和沉淀区。来自 1#~3#三个精矿仓的混合铜精矿与来自石英石仓的石英石在皮带上进行混合，得到的物 料进入底吹炉上方的1#~3#三个混合仓。混合仓中的物料和用皮带输送的冷料从炉顶的 三个加料口进入底吹炉内的反应区中，氧气和空气的混合气体从炉底的九支氧枪进入底吹 炉的反应区中，使炉内的高温熔体维持一种强烈的搅动状态。入炉的铜精矿、石英石和冷料 中的低价硫与铁元素与氧气在炉内反应区发生强烈的氧化反应并放出大量的热量，最终形 成烟气及互不相溶的铜锍和炉渣，铜锍和炉渣流到沉淀区澄清分离。烟气经由底吹炉上方 的上升烟道排出后经过余热锅炉和电收尘器后送往制酸车间生产硫酸；铜锍间歇性地（间 隔大约在55-65min)从放铜锍口排出进入铜锍包，之后倒入转炉中进行吹炼；炉渣间歇性 地（间隔大约在l〇-15min)从放渣口排出进入渣包，之后送到缓冷场冷却，再经过破碎和浮 选工序以回收其中的铜。
[0004] 氧气底吹铜熔炼过程需要控制的关键参数有熔体温度（由于生产环境极为恶劣， 熔体温度无法在线检测。考虑操作上的便利性，生产中往往采用炉渣温度作为熔体温度的 间接表征，在每一包炉渣开始排放时和即将放完时分别用红外测温仪对炉渣温度进行一次 检测，因此以下均以炉渣温度代替）、炉渣铁硅比和铜锍品位。炉渣铁硅比是指炉渣当中铁 元素和二氧化硅的质量之比，铜锍品位是指铜锍当中铜元素的质量分数，它们的检测均采 用首先在排放每一包炉渣及铜锍的过程中取样，然后用荧光分析仪对样品成分进行化验的 方法。
[0005] 氧气底吹铜熔炼过程是一个非常复杂的时变非线性过程，其环境十分恶劣，生产 过程中原料成分也有变化。在实际生产中，三个关键参数的控制均由操作人员凭经验进行， 而操作人员在操作中的主观性和随意性往往较强，不够规范和及时，造成关键参数波动较 大，能耗过高。因此，如何根据实际生产状况及时地自动确定合适的操作变量设定值，使得 关键参数更加平稳，降低能耗，就成为一个迫切需要解决的问题。
【发明内容】
[0006] 针对氧气底吹铜熔炼过程原料成分有波动、工况复杂，操作不够规范和及时，关 键参数不够稳定，能耗过高的问题，本发明要解决的技术问题是提供一种能够克服原料成 分变化、根据实际生产情况自动确定操作变量设定值的氧气底吹铜熔炼过程的智能控制方 法。
[0007] 本发明为实现上述目的所采用的技术方案是：一种氧气底吹铜熔炼过程智能控制 方法，包括以下步骤：
[0008] 操作变量选取：选取氧气流量、石英石流量和冷料流量作为操作变量；
[0009] 以炉渣温度、炉渣铁硅比和铜锍品位的目标范围作为目标，依据混合铜精矿、石英 石和冷料的成分，采用Bagging PLS方法计算出操作变量的预设定值；
[0010] 依据炉渣温度、炉渣铁硅比和铜锍品位的目标范围与测量值之差，采用基于专家 规则方法的反馈补偿策略，计算出操作变量的反馈补偿值；
[0011] 将操作变量的预设定值与反馈补偿值相加得到操作变量的设定值。
[0012] 所述操作变量的预设定值通过以下方法设定：
[0013] A.构造原始输入、输出样本集，并分别存入输入、输出建模数据矩阵X和Y中；
[0014] B.对所述输入、输出建模数据矩阵进行标准化变换；
[0015] C.基于标准化变换后得到的标准化输入、输出建模数据矩阵X'和Y'，创建基于 Bagging方法的样本子集；
[0016] D.针对每个样本子集建立部分最小二乘法子模型；
[0017] E.对得到的部分最小二乘法子模型进行加权合成，得到操作变量的预设定值；
[0018] F.如果得到的炉渣温度、炉渣铁硅比和铜锍品位满足生产要求，则保持得到的结 果不变；如果得到的炉渣温度、炉渣铁硅比和铜锍品位不满足生产要求，则需要对得到的预 设定值进行修正，直至得到的炉渣温度、炉渣铁硅比和铜锍品位都满足要求；
[0019] G.计算乂_和X j的相似度S (X _，X j)，如果其最大值S_低于设定的相似度阈 值，则将新问题的输入输出数据分别存入矩阵X和Y中，并返回步骤B ;否则从矩阵X和 Y中删除与新问题具有最大相似度的那条历史输入输出数据，再将新问题的输入输出数 据分别存入矩阵X和Y中，并返回步骤B ;所述所述新问题是指在由一组输入数据Χ_ = [X_1，. . .，x_ie]表示的新的生产工况下确定出操作变量的预设定值。
[0020] 所述输入样本集中的输入变量包括炉渣温度、炉渣铁硅比、铜锍品位的目标值、铜 精矿含铜率、含铁率、含硫率、含二氧化硅率和含水率，石英石含二氧化硅率，冷料含铜率、 含铁率、含硫率、含二氧化硅率、含水率、铜精矿的流量和总入炉物料流量，所述输出样本集 中的输出变量包括氧气流量、石英石流量和冷料流量的预设定值。
[0021] 所述对所述输入、输出建模数据矩阵进行标准化变换的方法为：
[0022] a.对输入建模数据矩阵X进行标准化变换：
[0023] (I)
[0024] (2)
[0025] ( 3 )
[0026] 式中，X]1表示第i个输入变量的第j个样本值，$为第i个输入变量的样本均值， σ i为第i个输入变量的样本标准差，X ,为Xji标准化后的数值，i = 1，2,…，16, j = 1，2, "·，υ，υ为样本数量；
[0027] b.对输出建模数据矩阵Υ进行标准化变换：
[0028] (4)
[0029] … (5)
[0030] (6)
[0031] 式中，y]1表示第i个输出变量的第j个样本值，瓦为第i个输出变量的样本均值， λ i为第i个输出变量的样本标准差，y ^为k标准化后的数值，i = 1，2, 3, j = 1，2,…，U， U为样本数量。
[0032] 所述基于Bagging方法的样本子集的创建方法为：
[0033] 为[1，U]中每个正整数分配相等的采样概率以该概率从[1，U]中随 U 机产生N个正整数k# [1，u] (i = 1，2,. . .，N)，设
，
其中，为标准化后的第匕个建模样本的输入数据，g为标准 化后的第1^个建模样本的输出数据，则第1个预设定样本子集就是{C u VJ ;
[0034] 按照上述步骤反复进行Z次，这样就得到Z个预设定样本子集：{QVJ， {C2，V 2}，…，{Cz，Vz}〇
[0035] 所述针对每个样本子集建立部分最小二乘法子模型，具体为：首先对于第i (i = 1，2,. . .，Z)个样本子集{Ci, Vj，令EQ= C i，FQ= V i，h = 1，再执行以下步骤：
[0036] Step 1 :求取矩阵的特征值，再求出的最大特征 值所对应的特征向量wh，转Step 2;
[0037] Step 2 :对Eh !和F h !进行如下分解：
[0041] St印3:计算残差矩阵：
[0038]
[0039]
[0040]
[0042] (9)
[0043] CIO)
[0044] 判断是否满足I I Fh I I < ε i或者I I I I Fh I I -1 I Fh i I I I I < ε 2，其中ε挪ε 2为预先 指定的阈值，取值范围在[0. 0001，0. 1]，如果满足，则转step 4 ;如果不满足，令h = h+1， 转 Step 1 ;
[0045]
[0046] 为新问题的 标准化输入数据，X_= [X nf3wl, x_2, . . .，x_i6]为新问题的原始输入数据，h为提取出的成 分数量，
[0047]
[0048] 则得到的第i个预设定部分最小二乘法子模型：
[0049]
(11)
[0050] 其中，Vi表示第i个子模型的输出结果，i = 1，2, . . .，Z。
[0051] 所述对得到的部分最小二乘法子模型进行加权合成，得到操作变量的预设定值：
[0052] (12)
[0053] 其中，Vi表示第i个子模型的输出结果，i = 1，2, . . .，Z。[0054] 所述通过下式计算乂_和X ,的相似度：
[0055]
[0056] X' i为标准 化输入建模数据矩阵中的第j行数据，X' Μ为X、的第i个分量，s取值范围在[0. 7, 0. 9] 之间。
[0057] 本发明具有以下