一种铝酸钠溶液中苛性碱浓度的软测量方法与流程

本发明属于流程工业生产检测领域，特别涉及一种铝酸钠溶液中苛性碱浓度的软测量方法。

背景技术：

在拜耳法生产氧化铝的过程中，铝酸钠溶液几乎贯穿整个氧化铝生产流程，铝酸钠溶液的苛性碱浓度是很多工序的关键指标。因此，分析铝酸钠溶液中的苛性碱浓度是拜耳法生产氧化铝过程中非常重要的工作。

目前，分析铝酸钠溶液中的苛性碱浓度缺乏直接检测手段，只能通过人工取样、离线化验分析的方法得到工艺指标值，但是这种方法受人工主观因素影响较大，并且有较为严重的时滞性。这种情况严重制约了流程工业全面自动化的发展步伐，大大降低了生产过程的可观性和可控性。

虽然近些年市场上出现了一些在线化验分析系统，但是此类产品价格极高，安装复杂，外部条件苛刻，维护工作量大，校准较为繁琐。因此，近些年研究者们开始将软测量的方法用于工业过程变量检测。软测量实际是一种数学模型方法，将一些与目标变量密切相关的可直接测量参数作为模型输入，将目标变量作为模型输出，通过实验等方法进行数据积累，最终建立数学模型，从而实现间接测量目标变量。

技术实现要素：

为解决上述技术问题，本发明提出一种铝酸钠溶液中苛性碱浓度的软测量方法，将铝酸钠溶液的苛性碱浓度在线检测出来。为生产指标实时调控提供可靠依据，改善工艺生产水平，提高工艺指标，提高产量和产品质量，减少物料消耗及能源消耗。

在物理学测定溶液浓度的常用方法有：滴定法(实验室采用)、电容法、超声波法、光学法，其中光学法是以棱镜反射光为测量基础，其基本原理是测出溶液的折射率，然后再换算为溶液的浓度，所以统称为折射率法。折射率法测量溶液的质量浓度是目前较为常用的方法，但是这种方法通常用于单一溶质溶液的浓度测定。拜耳法生产氧化铝流程中形成的铝酸钠溶液并不是单一溶质，主要包含：铝酸钠、苛性碱、碳酸钠、硅酸钠，还包含二氧化硅、硫酸钠、硫化钠、有机物以及含铁、镓、氯等化合物状态存在的杂质。但是鉴于拜耳法生产氧化铝的特点，本发明通过大量实验积累数据，证明仍可采用折光率法配合温度补偿测定铝酸钠溶液中苛性碱浓度。

具体技术方案如下：

一种铝酸钠溶液中苛性碱浓度的软测量方法，利用铝酸钠溶液的折射率和铝酸钠溶液的温度作为软测量辅助变量，利用折光率传感器和温度传感器测量流经传感器的介质铝酸钠溶液的折光率以及介质温度，通过积累传感器数据和溶液化验数据建立软测量模型，实现对氧化铝生产各个工序铝酸钠溶液中的苛性碱浓度进行软测量具体包括如下步骤：

(1)安装传感器，测量辅助变量

在有铝酸钠溶液的工艺管道上安装折光率传感器和温度传感器，测量流经传感器的铝酸钠溶液折光率以及铝酸钠溶液温度；

(2)取样化验，记录主导变量

在已安装好的传感器的工艺管道上设置取样口，取样口要尽量靠近传感器，每隔2～3个小时进行一次取样，用保温杯作为样品容器；记录取样时传感器检测到的铝酸钠溶液的折射率值rk和温度值tk；将取样获得的铝酸钠溶液进行苛性碱浓度滴定化验，得到铝酸钠溶液的苛性碱浓度ck；

(3)数据积累

重复步骤(2)，进行多次取样化验、记录折射率传感器和温度传感器数据及样品化验积累若干组数据；

(4)分析相关性，建立软测量模型

对数据进行相关性分析计算，保证数据相关性满足建模要求；首先计算折光率r和化验浓度c的相关系数corr(r,c)为：

其中，cov(r,c)为折光率r和化验浓度c的样本协方差，σr和σc分别为折光率r的样本协方差和化验浓度c的样本协方差；rk是r中第k个值；k是当前第几次的标签；若积累了n组数据，则有：,

同样的方法，计算温度t和化验浓度c的相关系数corr(t,c)。

步骤(4)所述软测量模型可为多元线性回归方法、神经网络或支持向量机建模方法。

与现有技术相比，本发明具有如下有益技术效果：

(1)本发明对铝酸钠溶液进行取样时，一定要用保温杯作为样品容器，并尽快将样品送到化验室进行苛性碱浓度滴定化验。因为温度对溶液的浓度滴定会造成一定影响，因此化验时溶液的温度越接近于管道中介质温度，则化验结果越准确。滴定化验得到铝酸钠溶液的苛性碱浓度ck

(2)本发明进行多次数据记录及样品化验积累若干组数据，根据经验数据积累的越多越好，因为化验室进行浓度滴定有一定的人工操作误差(约±1～2％)，随着数据量增加能够逐渐削弱软测量模型的误差。软测量模型的输入和输出变量必须具有一定的相关性，即通过上述步骤积累的辅助变量值和主导变量值必须满足一定的相关性。

相关系数能够非常好地反应出辅助变量和主导变量之间关系密切程度的统计指标。在本发明中，需要计算辅助变量折光率r与主导变量化验浓度c的相关系数，以及辅助变量温度t与主导变量化验浓度c的相关系数。

(3)能够实时获得铝酸钠溶液中苛性碱浓度值，对生产进行及时干预

(4)软测量辅助变量少，并且折射率和温度均属于容易检测的过程变量，模型多样化，可以采用二元线性回归、多元回归、支持向量机、各种神经网络建模多重分析方法。

(5)降低取样化验的劳动强度，减少人工投入。应用范围广，拜耳法生产氧化铝流程中，需要检测苛性碱浓度的环节很多

附图说明

图1为实施例1软测量模型输出结果与化验结果数值曲线

具体实施方式

下面结合附图对本发明进行详细说明，但本发明的保护范围不受实施例所限。

本发明中定义的软测量仪表的变量名称如下：

辅助变量，是由软测量仪表传感器直接检测出的变量。

主导变量，是工业流程中需要被软测量仪表检测的工艺指标，软测量仪表的最终输出值是主导变量的最佳估值。在本发明专利中，铝酸钠溶液中苛性碱浓度就是主导变量，但是浓度值没有直观的读数手段，因此将铝酸钠溶液苛性碱浓度化验值作为软测量主导变量。

实施例1

本发明所提出的铝酸钠溶液中苛性碱浓度软测量方法包含如下步骤：

(1)安装传感器，测量辅助变量。

在有铝酸钠溶液的工艺管道上安装折光率传感器和温度传感器，测量流经传感器的铝酸钠溶液折光率以及铝酸钠溶液温度。

(2)取样化验，记录主导变量。

在已安装好的传感器的工艺管道上设置取样口，取样口要尽量靠近传感器。每隔2～3个小时进行一次取样，并记录取样时传感器检测到的铝酸钠溶液的折射率值rk和温度值tk。

对铝酸钠溶液进行取样时，用保温杯作为样品容器，并尽快将样品送到化验室进行苛性碱浓度滴定化验。因为温度对溶液的浓度滴定会造成一定影响，因此化验时溶液的温度越接近于管道中介质温度，则化验结果越准确。滴定化验得到铝酸钠溶液的苛性碱浓度ck

(3)数据积累。

重复第(2)步，进行多次数据记录及样品化验积累若干组数据，根据经验数据积累的越多越好，因为化验室进行浓度滴定有一定的人工操作误差(约±1～2％)，随着数据量增加能够逐渐削弱软测量模型的误差。

(4)分析相关性，建立软测量模型。

软测量模型的输入和输出变量必须具有一定的相关性，即通过上述步骤积累的辅助变量值和主导变量值必须满足一定的相关性。

相关系数能够非常好地反应出辅助变量和主导变量之间关系密切程度的统计指标。在本发明专利中，需要计算辅助变量折光率r与主导变量化验浓度c的相关系数，以及辅助变量温度t与主导变量化验浓度c的相关系数。

首先计算折光率r和化验浓度c的相关系数corr(r,c)为：

其中，cov(r,c)为折光率r和化验浓度c的样本协方差，σr和σc分别为折光率r的样本协方差和化验浓度c的样本协方差。若积累了n组数据，则有：

同样的方法，计算温度t和化验浓度c的相关系数corr(t,c)。

在本发明专利中采用如上描述的实验方法积累了55组数据，经过计算得到：

corr(r,c)＝0.9348，corr(t,c)＝0.9032

折光率r和温度t均与化验浓度c具有相当高的正相关性，可以作为拜耳法生产氧化铝流程中铝酸钠溶液苛性碱浓度的软测量辅助变量。

软测量模型建立，根据不同的情况及客观条件采用不同的建模方法。

本发明专利中描述的方法，折光率r和温度t均与化验浓度c具有相当高的正相关性，为了提高适用性和降低使用难度，采用较为简单的二元线性回归模型：

y＝a1x1+a2x2+a3

上式中x1，x2代表折光率和温度的瞬时值，a1，a2，a3为二元线性模型系数。

通过积累的数据进行模型训练，得到回归系数{a1，a2，a3}。将训练的软测量模型输出结果与化验值数据绘制曲线如图1所示。可以看到软测量模型输出和化验结果两根数据曲线具有较高的相似度。

鉴于化验得到铝酸钠溶液中苛性碱浓度值本身存在一定误差，因此，将允许误差定义在±2％，用模型计算结果与化验值比较，误差在±2％内视为合格，则本次建立的软测量模型输出的主导变量估值合格率为98.18％。

综上，采用折光率和温度作为铝酸钠溶液中苛性碱浓度软测量的辅助变量，通过软测量模型能够得到主导变量，即铝酸钠溶液中苛性碱浓度值的较好估值。

此外，当氧化铝生产工况及外部条件有较大变化时，需要重新积累数据，重新训练模型，以获得更高的软测量精度。