[發明專利]一種含揮發組元爐渣實際成分及物性隨時間變化的預測方法

有效

• 申請號: 201811436920.2
• 申請日: 2018-11-28
• 公開（公告）號: CN109541143B
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 崔雅茹;楊澤;施瑞盟;趙俊學;王國華;郝禹;郭子亮
• 申請（專利權）人: 西安建筑科技大學
• 主分類號: G01N33/00
• 分類號: G01N33/00;G06N3/08
• 代理公司: 重慶晟軒知識產權代理事務所(普通合伙) 50238
• 代理人: 楊曉磊

本發明涉及一種含揮發組元的爐渣實際成分及物性隨時間變化的預測方法，包括如下步驟：對含揮發組元爐渣的初始成分進行檢測分析；在一定溫度、時間條件下對含揮發性組元爐渣進行多組物性檢測，得到不同條件下的爐渣物性參數；對該爐渣進行急冷處理至室溫，并對爐渣的實際成分進行檢測分析；根據爐渣初始成分與不同條件下的爐渣高溫物性參數及爐渣實際成分之間的對應關系，建立BP神經網絡模型，其輸入層為爐渣初始成分、溫度與時間，輸出層為爐渣相應時間下的爐渣實際成分和物性。本預測方法將時間作為變量條件，解決了含揮發性組元爐渣在高溫下進行性能測定時實際組分測不準問題，并得到一定溫度條件下不同時刻爐渣物性參數與實際成分的對應關系。

技術領域

本發明涉及冶金技術領域，具體來說，是一種利用BP神經網絡模型對含揮發組元爐渣的實際成分以及所對應爐渣的高溫物性參數隨時間變化規律進行預測的方法。

背景技術

冶金爐渣成分及其物理化學性能對熔煉過程的溫度控制、界面反應特性、夾雜物去除、甚至是熔煉過程順行均息息相關。但是部分冶金爐渣組分具有易揮發特性，在高溫條件下易揮發組分會隨著時間持續揮發，會導致爐渣組分在熔煉中不斷發生變化，進而引起爐渣物性參數的變化，并影響冶煉生產順行。在爐渣高溫性能測定中也會由于易揮發組分的大量揮發，導致最終測定的爐渣性能實際上并非對應設定的初始爐渣成分。這類問題在含易揮發組元渣熔煉和性能測定中普遍存在。近年來，隨著直接煉鉛新工藝逐漸成熟，研究者們對PbO-FeO_x-CaO-SiO₂-ZnO多元系物理化學性能與還原特性的關注倍增，相繼取得了一些很有成效的研究結果。但對含PbO等易揮發分的爐渣進行高溫物性測定時，不可避免地會造成易揮發組分揮發，導致爐渣成分發生不同程度的變化，所測數據實際上是爐渣組分變化后的物性參數，而并非是初始的爐渣成分設定值，而對已經變化了的實際組分并未做檢測分析；另外，含氟連鑄結晶器保護渣中一般常添加Na₂O、CaF₂、Li₂O、MgO、MnO等添加劑來改善保護渣的物理化學性能，Na₂O、CaF₂在保護渣中起降低熔化溫度和粘度的作用，但缺點是高溫下易發生反應產生揮發性物質致使渣成分變化，導致爐渣組分與初始成分出現偏差，影響到渣性能；同理，電渣重熔過程中的含中、高氟渣系，高溫下渣中的CaF₂會與其他組分反應生成揮發性氣體，影響電渣重熔過程實際渣性能和生產順行。綜上，對含揮發組分爐渣，使用現有的爐渣性能測定方法不能解決爐渣物性與成分隨時間變化的問題，高溫停留時間越長，爐渣物性與成分的偏差越大，目前尚缺乏有效的解決辦法。

人工神經網絡(Artificial Neural Network)簡稱神經網(NN)，它是模仿生理神經網絡結構及功能的一種信息處理系統。其中，BP反向傳播算法是在眾多的神經網絡模型中應用最廣泛且較為完善的算法，由于其多種優勢，因此在冶金行業得到廣泛的應用，并且取得了良好的結果。因此本申請旨在利用BP神經網絡模型在一定溫度范圍、加熱時間(保溫持續)條件下，對含揮發性組元爐渣的實際組分與其相關高溫物性參數之間對應關系進行預測。

發明內容

針對含揮發組元爐渣利用現有技術進行高溫性能測定時存在的組分和性能隨時間變化難以確定問題，本發明旨在提供一種含揮發組元實際爐渣實際成分及物性隨時間變化的預測方法，該方法通過檢測多組不同溫度、時間條件下爐渣的實際成分與物性參數，從而獲取建模條件及數據，并結合爐渣初始成分建立BP神經網絡模型，對含揮發組元爐渣的實際組分及其相關高溫物性參數的對應關系進行預測。

為實現上述技術目的，本發明采用的技術方案如下：

一種含揮發性組元爐渣實際成分及物性隨時間變化的預測方法，包括如下步驟：

(1)對含揮發組元爐渣初始成分進行檢測分析；

(2)在加熱溫度為600～1600℃，加熱時間為0～300分鐘的條件下，對步驟一中的含揮發性組元爐渣進行多組物性檢測，獲得爐渣在不同加熱溫度、加熱時間條件下的物性參數測定結果；