铜闪速熔炼过程三大工艺参数预测模型的研究

铜闪速熔炼过程三大工艺参数预测模型的研究

ID:32477106

大小:1.96 MB

页数:70页

时间:2019-02-07

铜闪速熔炼过程三大工艺参数预测模型的研究_第1页
铜闪速熔炼过程三大工艺参数预测模型的研究_第2页
铜闪速熔炼过程三大工艺参数预测模型的研究_第3页
铜闪速熔炼过程三大工艺参数预测模型的研究_第4页
铜闪速熔炼过程三大工艺参数预测模型的研究_第5页
资源描述:

《铜闪速熔炼过程三大工艺参数预测模型的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、摘要在铜闪速熔炼过程中,冰铜品位、渣中铁硅比和冰铜温度这三大工艺参数是铜闪速熔炼过程的综合评价指标,只有稳定这三大工艺参数才能稳定熔炼、吹炼以及硫酸生产。然而铜闪速熔炼过程反应机理复杂,固、液、气三相共存,影响因素多、耦合严重,无法实现三大工艺参数的在线检测。针对铜闪速熔炼过程三大工艺参数在线检测难题,论文在S.R.Brinkley原理和热平衡原理分析的基础上,研究了熔炼过程的独立化学反应、组分间摩尔数关系和铜闪速炉的热收入与热支出,建立了铜闪速熔炼过程三大工艺参数机理预测模型。但由于反应机理的复杂性与建模时的假设和简化,机理预测模型的

2、精度难以满足工业生产的要求。为此,论文基于大量实际工业生产运行数据,建立了以直接影响三大工艺参数的当前状态参数为输入,以三大工艺参数为输出的神经网络预测模型,它能很好地描述训练样本数据之间的关系,但泛化能力不够——当工况不稳定或受干扰时,神经网络模型的预测结果不够理想。对此,论文在充分利用机理预测模型的全局拟合能力和神经网络预测模型的高度非线性映射能力的基础上,引入模糊协调器,将三大工艺参数机理预测模型和神经网络预测模型有机结合,提出了一种智能集成预测模型。工业数据验证表明:所建立的智能集成模型能以较高的精度实现铜闪速熔炼过程三大工艺参

3、数的预测,预测精度满足工业生产要求,能为工业生产过程的优化操作提供重要的参考。关键词铜闪速熔炼过程,预测,机理模型,神经网络模型,智能集成模型ABSTRACTInthecopperflashsmeltingprocess,themattegrade,theFe/Si02andthemattetemperature,calledthethreetechnologicalparameters,Rretheoverallevaluationindexes.Whenthethreeparametersarestabilized,thesmelt

4、ing,theblowingandtheproduceofsulfuricacidcouldbestabilized.However,Owingtothecomplicatedreactionmechanism,thecoexistenceofgas-liquid-solidtri-phaseandthenumerousinfluencingfactorswithseriouscouplinginthecopperflashsmeltingprocess,itisimpossibletomeasurethethreeparameters

5、on-line.Consideringthedifficultyofon-linemeasurementofthethreeparametersinthecopperflashsmeltingprocess,theindependentchemicalreactions,themolarrelationshipamongthecomponentsandthethemalincomeandthethemalexpenditureinthecopperflashsmeltingfurnacearestudiedandamechanismmo

6、delisputforwardfortheforecastofthethreeparameters.basedontheanalysisoftheS.R.Brinideyprincipleandtheheatbalanceprinciple.Becauseofthemechanism’Scomplexityandthesuppositionsandthesimplificationsduringmodeling,theprecisionofthemechanismmodelcouldn’tmeettheneedofpracticalap

7、plication.Therefore,basedonindustrialrunningdata,aneuralnetworkmodelfortheforecastofthethreeparametersisestablished,whoseinputsarethedirectinfluencingfactorsofthethreeparametersandtheoutputsarethethreeparameters.Theneuralnetworkmodeldescribestherelationshipamongtrainingd

8、atasamplesqui钯wellbutwithlowgeneralizationability.Thus,takingadvantageofthemechanismmodel’Sglobalfittin

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。