铜闪速熔炼过程智能优化方法及应用

摘要

铜闪速熔炼是提取铜的主要工艺方法，是一个非常复杂的高温、多相的物理化学变化过程，具有多变量、非线性、强耦合、大滞后、不确定性等特点，导致许多过程参量无法直接检测，并且难以采用精确的数学模型进行描述。目前，铜闪速熔炼过程的操作参数大多由生产操作决策人员凭经验主观确定，难以实现生产过程的持续稳定运行，生产过程的工艺指标波动较大。因此，研究铜闪速熔炼过程的操作参数优化，对于实现铜闪速熔炼过程的节能降耗、提高资源利用率以及充分发挥生产潜力、提高生产过程的技术经济指标，实现企业的可持续发展，都具有重大意义。 本文在分析铜闪速熔炼机理的基础上，研究了铜闪速熔炼过程智能优化方法。论文首先介绍了铜闪速熔炼的机理和工艺，然后在总结铜闪速熔炼过程操作参数优化的特点和研究现状的基础上，提出了铜闪速熔炼智能优化方法，该方法主要包括冰铜品位、冰铜温度、渣中铁硅比三大质量指标的软测量与操作模式优化。该优化方法已成功应用于铜闪速熔炼过程，取得了明显的成效。主要研究成果如下： (1)提出铜闪速熔炼过程操作优化控制框架。框架包括软测量模型、工况评价、机理模型、操作模式优化、协调策略。框架首先由软测量模型对三大质量指标参数进行软测量，其软测量结果经过工况评价，工况非优时启动机理模型和操作模式优化，经过协调策略，获得综合输出；工况为优时保持操作参数不变。框架为铜闪速熔炼过程智能优化控制系统奠定了基础。 (2)提出一种改进的T-S递归模糊神经网络(DTRFNN)方法进行软测量，解决了铜闪速熔炼过程中冰铜品位、冰铜温度、渣中铁硅比三大质量指标无法在线直接测量的问题。在DTRFNN结构确立以后，本文给出了其参数调整BP算法、收敛性证明，局部极小问题改进。改进的DTRFNN能较好地解决冰铜品位、冰铜温度、渣中铁硅比三大参数的软测量，精确度达到了97％。 (3)在操作模式智能优化中，给出操作模式和操作模式优化的定义。并在此基础上提出了模式分解方法，该方法先采用模糊聚类的方法对操作模式集进行分解，再采用相似模式融合，将优化样本空间范围缩小，有效解决模式优化计算量大问题；在操作模式优化算法方面，深入研究弹性粒子群算法和遗传算法，提出了GARPSO算法。该算法分为两部分：1)采用一种自适应粒子群算法策略弹性地修正粒子速度的幅值，有效地避免了粒子群算法的早熟收敛问题。2)与遗传算法结合，用弹性粒子群算法模拟自然界个体成熟现象，使个体得到更大的提高。经过提高，交叉，变异三步，GARPSO算法能获得最优解，能为操作模式优化提供算法支撑。 (4)开发了铜闪速熔炼过程操作模式优化系统。该系统实现了过程状态的可视化监控，三大参数软测量以及操作参数优化，数据库管理，打印、数据备份及帮助，数据采集与通讯五大功能。 系统的应用实现了节能降耗，稳定了铜闪速熔炼生产过程。在获得基本相同的冰铜品位的情况下，在综合考虑风氧量成本的基础上，综合成本节约1.2％-1.5％，取得了很好的应用效果。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题背景

1.2铜闪速熔炼过程的操作参数优化现状

1.2.1铜闪速熔炼过程生产特点分析

1.2.2基于机理模型铜闪速熔炼过程操作参数优化研究现状

1.2.3基于智能模型铜闪速熔炼过程操作参数优化研究现状

1.3铜闪速熔炼过程参数软测量研究现状

1.3.1软测量技术

1.3.2机理建模软测量

1.3.3人工智能建模软测量

1.4本文的研究内容和结构安排

第二章铜闪速熔炼过程机理分析

2.1铜工业的发展与现状

2.2铜闪速熔炼工艺及设备

2.3铜闪速熔炼工艺

2.3.1奥托昆普闪速熔炼工艺

2.3.2闪速炼铜的原理

2.3.3富氧在闪速熔炼中的应用

2.4影响闪速熔炼过程工况的因素分析

2.4.1富氧浓度对闪速炼铜的影响

2.4.2炉料组成对闪速熔炼的影响

2.4.3其它因素对闪速炼铜的影响

2.5本章小结

第三章铜闪速熔炼过程操作优化控制框架

3.1铜闪速熔炼过程操作优化框架

3.2闪速熔炼过程工况评价

3.3闪速熔炼机理模型

3.3.1闪速炉物料平衡模型

3.3.2闪速炉热平衡模型

3.4协调策略

3.5本章小结

第四章操作模式智能优化方法

4.1模式与操作模式

4.1.1模式

4.1.2操作模式的形式化定义

4.1.3操作模式分解方法

4.1.4铜闪速熔炼过程操作模式优化

4.2 GARPSO算法的描述

4.2.1遗传算法

4.2.2弹性粒子群(RPSO)算法

4.2.3 GARPSO算法

4.3铜闪速炉操作模式优化方法

4.3.1基于神经网络的评价函数

4.3.2基于GARPSO算法的操作模式优化

4.4本章小结

第五章铜闪速熔炼过程三大参数软测量

5.1软测量的一般性描述

5.1.1基于机理分析的软测量

5.1.2基于神经网络的软测量建模方法

5.1.3基于模糊理论的软测量建模方法

5.2 T-S动态递归模糊神经网络及其改进

5.2.1传统模糊神经网络

5.2.2 T-S动态递归模糊神经网络(DTRFNN)的结构

5.2.3 DTRFNN的BP学习算法

5.2.4 DTRFNN收敛性证明

5.2.5 DTRFNN局部极小的改进

5.3算法评价与仿真实验

5.4 T-S递归模糊神经网络在铜闪速熔炼过程中的应用

5.5本章小结

第六章铜闪速熔炼过程智能优化控制系统

6.1引言

6.2总体结构

6.3功能设计

6.3.1过程状态可视化监控模块

6.3.2参数软测量及操作模式优化模块

6.3.3数据库管理模块

6.3.4打印、数据备份及帮助模块

6.3.5数据采集与通信模块

6.4本章小结

第七章结论与展望

7.1结论

7.2展望

参考文献

致谢

攻读学位期间的主要研究成果