一种氧气底吹铜熔炼过程熔体温度软测量方法

文档序号:9810844阅读:511来源:国知局
一种氧气底吹铜熔炼过程熔体温度软测量方法
【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熔体温 度软测量方法。
【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。氧气底吹炼铜炉(以下简称底吹炉)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(主要成分是Cu 2S和FeS)和炉渣(主要成分是2Fe0. Si02),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;铜锍间歇地从位于沉淀区的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] 熔体温度是氧气底吹铜熔炼过程中一个非常重要的过程参数。熔体温度过高,则 耐火材料的强度下降,熔体对炉衬的侵蚀加重,氧气消耗量增加,堵住放渣口的操作变得困 难,炉内的熔体容易将放渣口冲开,造成事故;熔体温度过低,则炉渣的黏度增大,流动性 差,排放困难,渣含铜上升,入炉物料反应不完全流出放渣口,严重时会造成"死炉"事故。
[0005] 当前,使用氧气底吹炼铜工艺的企业对熔体温度的测量方法为:在放铜锍时采用 手持式红外测温仪或一次性热电偶对熔体温度进行测量。但是铜锍每隔1小时左右放一 包,因此不放铜锍时就不能对熔体温度进行测量,从而这种测量方法不能对熔体温度进行 在线测量,无法起到及时指导生产的作用,同时也阻碍了先进控制的实施。
[0006] 随着科技的发展,软测量技术为熔体温度的在线测量提供了一种可行的解决办 法。氧气底吹铜熔炼过程所用原料复杂,工况多变,由于传统的软测量技术往往使用单一模 型,因此泛化能力不足。所以,建立具有较强泛化能力的熔体温度软测量模型,对熔体温度 进行在线测量,对于稳定熔炼工况,以及对熔炼过程实施先进控制都具有十分重要的意义。

【发明内容】

[0007] 针对氧气底吹铜熔炼过程中熔体温度不能在线检测的问题,本发明要解决的技术 问题是提供一种能够连续给出熔体温度测量值,并克服工况变化频繁、单一模型泛化能力 不足的氧气底吹铜熔炼过程熔体温度软测量方法。
[0008] 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熔体温度 软测量方法,包括以下步骤:
[0009] 辅助变量选取:选取上一时刻熔体温度的测量值、入炉物料流量、入炉物料含铜 率、含铁率、含硫率、含水率、含Si0 2率、入炉氧气流量、氮气流量为辅助变量;
[0010] 数据预处理:对采集到的各个辅助变量在生产过程中获得的采样数据进行离群值 去除和滤波,并按照时间顺序排列,形成原始建模样本集合;对原始建模样本集合中的样本 数据进行标准化,形成标准化原始建模样本集合;
[0011] 建立基于Boosting PLS方法的软测量模型:为标准化原始建模样本集合中的每 个样本分配采样概率,按照采样概率对标准化原始建模样本集合中的样本进行采样,形成 建模样本集合,利用建模样本集合建立PLS子模型,再用得到的PLS子模型对标准化原始建 模样本集合中的每个样本进行预测,根据预测结果与实测结果的误差对标准化原始建模样 本集合当中每个样本的采样概率进行调整,增大误差较大样本的采样概率,从而得到新的 采样概率;重复以上过程T_次,从而得到T_个子模型,采用这T_个子模型的加权中位数 作为最终的软测量结果;
[0012] 软测量模型校正:采用滑动窗口方法对软测量模型进行校正。
[0013] 所述离群值去除具体为:
[0015] 所述滤波通过下式进行:
[0017] 其中,表示辅助变量参数滤波后的数值,表示该参数某时刻的实时值,i = 2, 8, 9,即入炉物料流量、入炉氧气流量、氮气流量这三个辅助变量的序号。
[0018] 所述标准化采用正规化方法进行:
[0025] 式中,xy表示第i个输入变量的第j个样本值,再为第i个输入变量的样本均值, 〇 i为第i个输入变量的样本标准差,为Xji标准化后的数值,I为输出变量的第j个 样本值,f为输出变量的样本均值,为输出变量的样本标准差, y/为1标准化后的数 值,i = 1,2,…,9, j = 1,2,…,N,N为样本数量。
[0026] 所述基于Boosting PLS方法的软测量模型的形式为:
[0027] 当输入数据为新数据X_ = [xlnew,x2_,. . .,x9nJ时,本时刻的熔体温度预测值
的最小r值所对应的子模型V的输出
r e [1,T_]且是正整数
[0028] 其中,Τ_表示子模型的数量,是预设值;正整数kVi = 1,2,···,Τ_) e [1,Τ_] 表示将τ_个子模型的预测结果j)if) (t = 1,2,. . .,Τ_)按照升序排列后得到的第i个子
模型的序号
表示序号为k1 (i = 1,2,. . .,T_)的子模型的预测结果; 示第t个子模型的性能可信度指数:
表示第t个子模型的样本平均损失;
矩阵转置符号,j = 1,2,. . .,h(t),E。= C(t),F。= V(t),C(t)为对标准化原始建模样本集合中 的每个样本分配采样概率后,按照该概率从标准化原始建模样本集合中随机采样N次 得到的建模样本集合中的输入数据所组成的矩阵,V(t)为与C(t)对应的输出数据组成的矩 阵。
[0029] 所述软测量模型校正是将熔体温度测量值与预测值相比较,如果误差的绝对值小 于预先定义好的阈值,阈值的取值范围在[30°C,40°C ]之间,则保持原来的软测量模型不 变;否则,重新进行数据预处理以获得新的样本数据,形成新的原始建模样本集合和标准化 原始建模样本集合,再重新采用Boosting PLS方法建立软测量模型。
[0030] 本发明具有以下优点及有益效果:
[0031] 1.能够测量出难以在线检测而又十分重要的熔体温度,为氧气底吹铜熔炼过程先 进控制的实施提供了必要条件;
[0032] 2.采用增强学习的思路,提升了单一模型的泛化能力;
[0033] 3.软测量模型校正能够对已有模型进行在线校正,使其具有自适应能力,更好地 适应工况的变化。
【附图说明】
[0034] 图1为氧气底吹铜熔炼过程原理图;
[0035] 图2为熔体温度软测量过程的流程图。
【具体实施方式】
[0036] 下面结合附图及实施例对本发明做进一步的详细说明。
[0037] 1.辅助变量的选取:
[0038] 通过对氧气底吹铜熔炼过程工艺进行全面分析,确定出影响主导变量--本时刻 熔体温度y的重要参数有9个:上一时刻的熔体温度测量值,入炉物料流量,入炉物料含铜 率、含铁率、含硫率、含水率、含Si0 2率,入炉氧气流量、氮气流量。因此,将这9个变量作为 软测量模型的辅助变量,并分别用Xl~x 9表示。
[0039] 2.数据预处理:对采集到的数据进行离群值去除、滤波和标准化。
[0040] (1)离群值去除:
[0043] (2)滤波:
[0044] 首先舍弃含有离群值对应时刻的全部变量的数据,之后在每个连续时间段所对应 的数据段内,采用式(8)所示的均值滤波方法,以降低误差和随机噪声误差的影响。
[0046] 其中,(i = 2, 8, 9)表示辅助变量参数滤波后的数值,g表示该参数某时刻的实 时值。
[0047] 经过离群值去除和滤波之后的数据已经具备了反映过程变量真实情况的条件了, 按照主导变量的时刻对辅助变量进行提取,并按照时间的远近进行排列,时间较远的在前 面,时间较近的在后面,从而组成原始建模样本集合,这样就得到了软测量建模所需的样本 数据。设总共得到了 N组原始样本数据,用X e RNX9表示原始输入样本矩阵,用Y e RNX1表 示与X对应的原始输出样本矩阵。
[0048] (3)标准化:
[0049] 采用正规化方法对原始建模样本数据进行标准化。
[0056] 式中,X]1表示第i个输入变量的第j个样本值,写为第i个输入变量的样本均值, 〇 i为第i个输入变量的样本标准差,为Xji标准化后的数值,I为输出变量的第j个 样本值,为输出变量的样本均值,为输出变量的样本标准差, y/为7]标准化后的数 值,i = 1,2,…,9, j = 1,2,…,N,N为样本
当前第1页1 2 
网友询问留言 已有1条留言
  • 访客 来自[中国] 2023年07月19日 09:01
    怎样能联系到的研发者?
    0
1