基于苛性比值与溶出率预测模型的拜耳法配料参数优化设定的研究

《基于苛性比值与溶出率预测模型的拜耳法配料参数优化设定的研究》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、摘要氧化铝原矿浆配料和氧化铝高压溶出是拜耳法氧化铝生产两道重要的工序，它们相互联系，相互影响。原矿浆配料足拜耳法氧化铝生产中的第一道工序，其任务是为高压溶出工序配制合格的原矿浆，能否制备满足生产要求的原矿浆，将直接影响溶出的苛性比值与溶出率这两个重要经济技术指标。但目前配料参数全靠手工计算操作，并且没有反映溶出工况的变化，造成苛性比值和溶出率不稳定，无法满足实际的控制要求。所以本文提出一种基于溶出参数苛性比值和溶出率预测模型的配料参数优化设定模型，有效的解决了配料过程参数优化设定问题。论文的主要研究成果包括：(1)分析氧化铝高压溶出过程机理的基础

2、上，确定了影响苛性比值与溶出率的主要因素，提出了苛性比值与溶出率的机理模型；然后，提出了基于主元分析的多神经网络模型，从而建立苛性比值和溶出率的机理模型与神经网络的智能集成预测模型。(2)在分析原矿浆配料过程的基础上，确定了影响原矿浆液固比的主要因素以及它们之间的关系，根据物料平衡原理建立了液固比的机理模型。其中的机理模型中的物料成分参数运用灰色模型进行预测，解决了参数检测滞后的问题。(3)为了解决液固比机理模型不能反映溶出过程工况变化的缺陷，在分析溶出过程机理的基础上，运用模糊辨识理论从大量的工厂现场数据中挖掘出溶出矿浆苛性比值和溶出率与原矿浆

3、液固比的模糊专家规则，并根据拜耳法溶出过程苛性比值与溶出率软测量模型的预测值，对液固比机理模型进行修正。仿真结果表明运用了苛性比值与溶出率的智能集成预测模型，对配料液固比参数的优化效果好，稳定了生产。关键词：原矿浆配料，灰色模型，模糊辨识，液固比，软测量AbstractTheoriginalorepulpbatchingandtheHigh-PressureDigestion(rn,o)aretwoimportantprocessinthealuminaproduction。Tlleyconnectandinfluenceeachother．Th

4、eoriginalorepulphatchingisthefirstprocessinthealuminaproductionofmethodofBayer，whichisinthepurposeofmakingthequalifiedoriginalorepulpfortheprocessofHi曲-PressureDigestion(HPD)．Theoriginalorepulpbatchingplaysallimportantpartintheproductionofalumina．Whetherornotproducetheorigina

5、lorepulpwhichsatisfiestheproducedemanddirectlyaffectRatioofSodatoAlumina(RSA)andLeachingRate(LR)whicharetwoveryimportanteconomicalandtechnicalindicesintheprocessofHigh-PressureDigestion0n'D)ofalumina．Butatpresentbatchingparametersarealloperatedandcalculatedbyhand，andtheydonot

6、showthechangeofon-the-spotcraftsituationofHPD，whichcauseRSAandLRunstably．Theyareunabletomeettherealcontrolrequest．SothistextproposesonekindoftechnologyonthebasisofthepredictionmodelofRSAandLRtooptimizethehatchingparameters，whicheffectivelysettletheproblemofbatchingparameters’

7、optimization．Themainresearchresultsinclude：(1)InthispaperthekeyfactorsthatinfluenceRSAandLRareacquiredbyanalyzingthemechanismofprocessofHPD，thenmechanismmodelofRSAandLRisestablished．Secondly,multipleneuralnetworksbasedonprinciplecomponentanalysisisputforward，therebyintegrated

8、modelofmechanismmodelandneuralnetworkisproposed．(2)Inthispaperthekey