基于火焰及烟气特征深融合的转炉吹炼终点判断

转炉吹炼的终点判断是火法炼铜最重要的步骤之一,该步骤一般由操作人员凭经验或仪器对固定监测因素进行判断,但受制于个人操作经验、仪器测量精度、物料品位等诸多因素的差异,判断精度无法得到保证。为提高转炉吹炼终点判断的精准度,本文设计了一套智能化预测系统,首先基于显著性分析法对传统火焰、烟气浓度进行特征分析与显著性指标设计,然后利用残差网络构建终点预测模型,通过融合火焰、最后连续时间的PbS/PbO浓度比与SO₂浓度3个显著特征,实现了造渣期终点和造铜期终点的预测。实验结果证明了该融合特征的性能,造渣期终点时间预测误差均值为2.12%,造铜期终点时间预测误差均值为2.06%,双期预测准确率达到93.66%。这种高精度的判断主要归因于基于传统特征的显著性指标设计,所选用的火焰及烟气特征能在高维度对终点判断进行准确的预测,同时引入大量历史数据所训练的模型能够对预测过程进行显著量化。     

铜转炉吹炼炉口图像智能监测及辅助分析系统

传统转炉炼铜工艺非常依赖个人经验,一般通过人工观察炉口火焰判断炉体内温度、造渣和造铜终点,该过程存在重大的安全与环保隐患,同时粗铜的品位得不到保障且易损坏炉体。随着环保与本质化安全指标要求的提高,各家企业开始转向闭窗吹炼。为应对绿色化与安全性要求,本文基于转炉炉口火焰分析结果并综合吹炼工艺中涉及的多种因素,设计了一种转炉炉口图像智能监测系统,实现了转炉炉口火焰的智能化监测。在此基础上,通过对不同阶段炉口火焰图像的分析,设计了基于自适应曝光阈值的颜色特征计算方法,能够对图像进行预处理并提取到可预测终点时间的关键特征,解决了目前传感器曝光度参数影响图像特征的关键问题。最后设计了基于深度神经网络的终点时间预测模型,实验结果表明造渣一期、造渣二期和造铜期终点的预测误差分别为0.74, 0.83和1.4 min,显示了设计系统的有效性。