应用神经网络技术建立铜闪速熔炼温度模型

应用神经网络技术 ,并依据工业实践操作数据 ,建立了铜闪速熔炼过程的温度模型。其仿真计算结果与工业生产实际值基本吻合 ,表明了此建模方法是可行的 ,而且该方法简单易行     

GA-BP算法及其在冰铜品位神经网络模型中的应用

分析了遗传算法(GA)和BP算法的优缺点，将GA算法与BP算法有机地结合，形成了遗传BP算法。对冰铜品位神经网络模型的训练和检验结果比较表明，该算法优于BP算法，是一种快速全局搜索算法。模型训练结果也说明了神经网络技术应用于铜闪速熔炼过程建模的可行性和有效性。     

基于FA-PSO-RBF神经网络的富氧底吹铜锍品位预测模型

铜锍品位是富氧底吹铜熔炼过程中的一个关键工艺参数,针对铜锍品位实时检测困难、检测结果滞后时间长、指导生产工艺参数优化滞后等问题,基于生产数据深入挖掘及处理,提出了一种基于FA-PSO-RBF神经网络的铜锍品位预测模型。首先为了降低模型的预测误差,利用FA分析方法对原始生产数据进行降维处理,确定主要因子数量为6个,并计算因子得分,然后针对RBF神经网络模型对关键参数依赖性较大的不足,利用改进PSO算法对网络结构中的关键参数进行寻优,最后,以因子得分为输入,铜锍品位值为输出,通过实际生产数据验证模型的准确性,并与RBF、标准PSO-RBF预测模型进行对比,结果表明,本文构建的铜锍品位预测模型预测精度更高,与标准PSO-RBF预测模型相比,RMSE和MAE的值分别降低了17.2%和21.2%,该预测模型对富氧底吹铜熔炼生产过程参数优化控制提供了一种方法借鉴。     

铜闪速熔炼多相平衡数模的建立与应用

基于吉布斯最小自由能原理，建立了铜闪速熔炼过程的多相平衡数学模型。实例验证表明，该数模能较好的反映铜闪速熔炼过程，与生产实际数据相比，铜锍中Cu、Fe、S含量（％）绝对误差分别为1．49、1．52、0．71，相对误差为2．6％、9．7％、3．3％；炉渣中Fe、SiO2、Cu含量（％）绝对误差分别为1．19、0．06、0．5，相对误差为3．1％、0．2％、14．45％。同时，利用该模型研究了铁硅比、富氧浓度、吨矿氧量对铜闪速熔炼过程的影响，仿真结果与理论分析结果趋势一致。     

贵溪冶炼厂铜熔炼过程中主要杂质分布及脱除探索

本文针对精矿和物料中高杂质会加剧阴极铜污染程度的问题，研究了铜闪速熔炼过程杂质元素的分布规律，探讨杂质在铜熔体、气、渣三相中的分配行为，介绍近年来通过实验探索出的几种可实际操作的在火法冶炼中主要杂质Ａｓ、Ｓｂ、Ｂｉ的脱除处理方法（建立配料数模、高热强度作业制度、转炉深吹脱杂、喷粉技术等），以及取得的实际效果     

基于IPSO-BP神经网络的富氧底吹铜熔炼炉喷枪寿命预测模型

富氧底吹铜熔炼炉喷枪是整个熔炼炉中最重要的部件,并且造价高,易损坏,工作环境恶劣复杂,对其进行准确的寿命预测比较困难。提出了一种基于IPSO-BP神经网络的寿命预测模型,粒子群优化算法解决了BP神经网络容易陷入局部极小值和训练速度慢的问题,优化的粒子群算法优化了惯性权重和学习因子,进一步加快了训练速度和搜索速度,提高了BP神经网络跳出局部极小值的能力。以工作环境中容易对喷枪寿命造成影响的因素作为输入,喷枪寿命作为输出,通过实际生产采集的数据做验证,并与BP神经网络和PSO-BP神经网络预测模型作对比。结果表明,本文构建的寿命预测模型预测效果比BP神经网络和PSO-BP神经网络的预测更加准确,精度更高,该预测模型为富氧底吹铜熔炼的喷枪寿命预测提供了一种方法借鉴。     

卡尔多炉处理高杂铜阳极泥的工艺改进

随着铜闪速熔炼工艺日益成熟,对复杂铜矿的适应性越来越强,后续电解精炼产出更多杂质含量较高的铜阳极泥。针对杂质高、金银品位低的铜阳极泥,从卡尔多炉操作和配套设施工艺以及中间物料控制三方面进行了优化改造,使得卡尔多炉的年处理物料量从2 400t提升至3 800t,生产能力提高了58.3%,实现了金银产能的最大化。     

贵溪冶炼厂铜溶炼过程澡主要杂质分布及脱除方法探索

本文针对精矿和物料中高杂质会加剧阴极铜污染程度的问题，研究了铜闪速熔炼过程杂质元素的分布规律，探讨杂质在铜熔体、气、渣三相中的分配行为，介绍近年来通过实验探索出的几种可实际操作的在火法冶炼中脱除Ａｓ、Ｓｂ、Ｂｉ的处理方法（建立配料数模、高热强度作业制度、转炉深吹脱杂、喷粉技术等），及其取得的实际效果。     

基于BP神经网络的MAG熔焊成形模型

鉴于MAG熔焊过程复杂,具有高度的非线性和不确定性。采用BP神经网络建立多输入与多输出变量的非线性模型,研究熔焊工艺参数与焊缝宽度和余高的关系。通过分析神经网络的预测值与试验测量值的相对误差,验证了模型的正确性。     

阳极铜中杂质在电解过程中的不利影响及分析

铜火法熔炼生产的阳极铜所含杂质,随电解过程这些杂质释放到电解液中。通过各有害元素对阴极铜质量影响的直观描述,分析各有害杂质元素在阳极铜中适宜的含量范围,以期在熔炼过程中合理控制各杂质含量,从电解"源头"上减轻杂质元素对电解产品的影响,提高铜电解质量和效率。     

利用底吹熔炼技术处理含铜贵多基固废物料

利用底吹熔炼炉对原料适应性强的特点，对底吹熔炼技术处理含铜多基固废及高含镍铂钯物料的工艺控制过程进行研究，摸索最佳工艺控制参数，并探索Au、Ag、Pt、Pd等贵金属元素及伴生杂质元素在铜锍中的富集情况，形成了底吹炉系统处理含铜多基固废和高含镍铂钯物料高效回收贵金属的技术，为提高铜冶炼系统处理杂料量和盈利能力提供技术保障。     

基于自适应模糊神经网络的铜闪速熔炼冰铜温度模型研究

基于自适应模糊神经网络系统(ANFIS)及利用某闪速炼铜厂生产实践的稳定数据,建立了网络结构为3输入、单输出、隶属度函数个数为(7,5,7)的闪速炼铜过程的冰铜温度模型。结果显示其训练数据平均绝对误差为5.0℃,相对误差为0.41%;仿真检验数据平均绝对误差为6.7℃,相对误差为0.55%,表明所建立的模型预测值与生产操作数据基本吻合,该模型对铜熔炼过程的最优化具有参考价值,可以代替现有的静态配料模型用于工业在线计算机控制。     

闪速炉炼铜离线冶金数学模型软件的开发

以闪速炼铜为研究对象，基于铜冶炼的金属平衡、热平衡理论基础，构建了炉渣、冰铜品位和冰铜温度等控制变量，以及熔剂、工艺风、氧量、重油等操作变量，开发了与在线数学模型功能一致的闪速炼铜离线数学模型。经过2年闪速炉现场600多组数据的验证，在基于同等工艺条件下，由本软件计算的石英矿比率值、工艺风量、氧气量、重油量与在线控制系统计算值误差在0.02%以内。     

基于自适应模糊神经网络的铜闪速熔炼渣含Fe/SiO_2模型研究

基于Sugeno型自适应模糊神经网络系统（ANFIS）及利用某闪速炼铜厂生产实践的稳定数据,建立了网络结构为3输入、单输出、隶属度函数个数为[5 3 5]的闪速炼铜过程的渣含Fe/SiO2模型.结果显示其训练数据平均绝对误差为0.0055,相对误差为1.4%;仿真检验数据平均绝对误差为0.028,相对误差为2.9%,表明所建立的模型预测值与生产操作数据基本吻合,该模型对铜熔炼过程的最优化具有参考价值,可以代替现有的静态配料模型用于工业在线计算机控制.     

铜闪速熔炼过程数值模拟研究现状与展望

数值模拟具有实施代价低、结果表达直观等优势,已成为铜闪速熔炼等工业过程的重要研究手段。基于近30年来公开发表的文献资料,对国内外学者在闪速熔炼过程数值模拟方面所做研究工作进行了分类介绍,重点讨论了这些研究工作的技术特色、应用价值以及适用性,进而分析和探讨了该领域的发展现状、存在的问题及发展方向。     

闪速连续炼铜炉型数值模拟研究

通过分析带渣吹炼单烟道(A型)、甩渣吹炼单烟道(B型)、带渣吹炼双烟道(C型)、甩渣吹炼双烟道(D型)等4种炉型的特点,将闪速连续炼铜过程视为由相对独立的闪速造锍熔炼过程和连续吹炼造铜过程构成,分别建立了闪速造锍熔炼多相平衡数学模型和连续吹炼造铜局域平衡数学模型,并通过中间物料的传递将2模型有机结合,从而构建了完整的闪速连续炼铜过程热力学模型.运用此模型,考察了炉型结构对闪速连续炼铜过程的粗铜生成热力学条件、Fe3O4行为、渣含铜及熔炼直收率的影响.结果表明,D型炉是比较理想的连续炼铜炉体;对于闪速连续炼铜,造锍熔炼段和铜锍吹炼段宜在相对独立的分区进行,各自烟气也应分开排出炉体.     

铜闪速熔炼影响规律的神经网络分析

基于已建立的神经网络模型,研究了富化率、吨矿氧量、熔剂率以及铜精矿主要成分对铜闪速熔炼过程的影响。结果表明:富化率的增大会使铜锍品位降低、铜锍温度升高,而对渣含Fe/SiO2影响不大;吨矿氧量的增加会使铜锍品位、铜锍温度及渣含Fe/SiO2都升高;熔剂率的增加会使渣含Fe/SiO2明显下降;精矿中Cu含量的增大会使铜锍品位升高,铜锍温度稍微降低;而Fe的影响与Cu相反;S/Cu一般控制在1.0±0.2,自热熔炼应控制在1.34以上。     

铜冶炼过程中杂质元素走向探析

依据铜冶炼工艺流程、按季度频率、以南北厂区和全厂为单元,对砷、锑、铋、铅4种杂质元素的走向进行为期1年的跟踪调查。结果表明,4种杂质元素的投入产出比分别为As 1.047 8、Sb 0.852 2、Bi0.990 0、Pb 0.937 8;4种元素在FF烟尘、转炉渣、白烟尘、电炉渣、铜砷滤饼、黑铜泥中的富集度较高;冷铜带入的杂质量接近铜精矿带入量的15%～25%。