当前位置: 首页 > 专利查询>东北大学专利>正文

金湿法冶金过程运行状态在线评价方法技术

技术编号:10470295 阅读:155 留言:0更新日期:2014-09-24 21:02
金湿法冶金过程运行状态在线评价方法,包括浸出、洗涤、置换等工艺构成,其特征在于通过计算在线数据与各个性能等级过程特征的相似度,实时评价湿法冶金生产过程的运行状态,并且在过程运行状态不优时,自动识别其原因,为实际生产过程提供有价值的指导建议。算法包括离线建模数据的模态识别、评价模型的建立、过程操作模态的在线识别、过程运行状态的在线评价、运行状态非优原因追溯等步骤。本发明专利技术能够提供实时的评价结果,避免人工评价的滞后问题,自动追溯非优原因,为操作工提供合理可靠的操作指导建议,以便及时对过程运行状态进行适当调整,确保企业经济效益和生产效率。

【技术实现步骤摘要】
金湿法冶金过程运行状态在线评价方法
本专利技术属于金湿法冶金运行状态评价领域,提供一种有效的过程运行状态在线评价方法。
技术介绍
随着高品位矿石的逐渐减少,湿法冶金工业已经开始受到世界各国的高度重视。与传统的火法冶炼相比,湿法冶金技术具有高效、清洁、适用于低品位复杂金属矿产资源回收等优势。特别是针对我国金矿品位低,复杂共生,杂质含量高的特点,湿法冶金工艺工业化对于提高金矿的综合利用率,降低固体废弃物产量,减少环境污染,都有着重大意义。黄金湿法冶金全流程包括磨矿、浮选、氰化浸出、压滤洗涤、锌粉置换以及精炼等主要工序。由于黄金的经济价值和实用价值极高,不理想的生产运行状态将为企业经济效益、设备维护等方面带来严重的影响。因此,在线评价湿法冶金生产过程运行状态则更具有实际意义。本文以某黄金湿法冶金过程为研究背景,对其中氰化浸出、压滤洗涤和锌粉置换三个主要工序的生产运行状态进行评价。黄金湿法冶金主要工序如图1所示。氰化浸出工序是决定最终黄金产量的重要生产过程之一。将浮选后的矿浆送往氰化浸出工序,同时向每个浸出槽内添加氰化钠并充入空气,使金与所添加试剂充分反应。其中,氰化钠是湿法冶金的重要反应试剂,充入的空气则为反应提供搅拌动力和适当的氧化还原电位,推进反应进行。另外,为防止氰化钠发生水解,放出剧毒的氰化氢气体,需要向矿浆中添加氧化钙以调节pH值。压滤洗涤工序的主要任务是将含金贵液从矿浆中分离出来,所用设备为具有固液分离功能的立式压滤机。该工序以追求最大固液分离效率为目标,而压滤机的进料压力、挤压压力和液压压力则是影响固液分离效率的关键参数。分离出来的贵液被送往锌粉置换工序。由于贵液中所含杂质和氧分子会严重影响置换效果,因此在贵液与锌粉反应之前需经过净化和脱氧。向脱氧后的贵液中添加适量锌粉,将贵液中的金置换出来。最后,通过板框挤压将置换后的贫液排出,金留在滤饼(金泥)中。达到一定重量的滤饼被送往精炼工序进一步提金。合理的湿法冶金工艺流程是确保矿石中金有效回收利用、企业获得高收益回报的基本前提。然而,在实际生产过程受到外部环境干扰及不确定因素的影响时,操作变量(如,氰化钠流量,锌粉流量等)将逐渐偏离生产初期设定的最优工作范围,导致过程运行状态发生退化。过程运行状态的优劣与企业综合经济指标密切相关。较好的过程运行状态意味着,生产过程保持在当前生产操作条件下运行,企业将获得较高的综合经济收益。另外,由于初始条件(矿石中各个金属的品位、矿石粒径、矿石处理量等)的差异,操作变量的工作范围也不同,即湿法冶金过程具有多模态特性,每种初始条件对应着一种模态,每种模态的最优综合经济指标也不尽相同。由于黄金的经济价值极高,识别湿法冶金过程操作模态,并及时、准确的掌握该模态下生产过程的运行状态,对于提高企业生产效率和经济效益、便于生产调整具有重要的实际意义。目前,国内外对湿法冶金工业的研究较少,自动化水平也不高,理论研究也只停留在对工艺研究及动力学研究的层面上,未见针对湿法冶金过程运行状态在线评价的研究报道。工厂所采用的评价方法是根据离线分析、化验及测量数据,确定操作模态,在一个生产周期(通常以天、月、年等为单位)结束后,根据各项生产指标(氰化钠消耗总量、锌粉消耗总加量、浸出率、置换率、矿石处理量、金泥品位等)统计出一个综合经济指标,以此衡量在该操作模态下这一生产周期内过程运行状态的优劣,并根据此评价结果对下一个生产周期进行适当的调整,以获得更好的经济收益。这种做法的缺点是,评价结果严重滞后与实际生产,且只能为下一生产周期提供操作指导,对已经完成的生产周期却无能为力;操作模态的识别通常依赖于一些离线测量化验等手段,无法在线实施;另外,操作工主要依靠各自的生产经验调节操作点,难以确保下一生产周期过程运行状态的改进。因此必须寻求适当的方法,本专利技术提供了适用于湿法冶金过程运行状态在线评价的方法。
技术实现思路
本专利技术的目的,是提供一种湿法冶金过程运行状态在线评价方法,根据过程特性在线识别过程所属的操作模态,并实时评价过程运行状态,当运行状态不优时,结合非优原因及生产经验给出操作指导。本专利技术的目的是提供一种用于金湿法冶金生产过程运行状态在线评价的方法,能解决如下问题:①利用可测过程信息在线识别生产过程所属的操作模态,为获得准确可靠的在线评价结果提供保障;②为实际生产操作及管理人员实时提供湿法冶金生产过程运行状态信息,确保企业生产效率和经济效益;③在生产过程运行状态不优时,自动追溯其原因,为操作工提供合理可靠的操作指导建议;④提供实时的评价结果,避免人工评价的滞后问题,并及时对当前生产周期过程运行状态做出适当调整。本专利技术采用的装置包括湿法冶金过程运行状态评价系统、上位机、PLC、现场传感变送部分。其中现场传感变送部分包括浓度、压力、流量等检测仪表。在湿法冶金过程现场安装检测仪表,检测仪表将采集的信号通过Profibus-DP总线送到PLC,PLC通过以太网定时将采集信号传送到上位机,上位机把接受的数据传到湿法冶金过程运行状态评价系统,进行过程运行状态实时评价,并提供生产操作指导建议。本专利技术装置的各部分功能:①现场传感变送部分:包括浓度、压力、流量等检测仪表由传感器组成,负责过程数据的采集与传送;②PLC:负责把采集的信号A/D转换,并通过以太网把信号传送给上位机;③上位机:收集本地PLC数据,传送给湿法冶金过程运行状态评价系统,并提供生产操作指导建议;本专利技术所提供的湿法冶金过程运行状态在线评价方法包括:(1)离线数据的模态识别、(2)评价模型的建立、(3)过程操作模态的在线识别、(4)过程运行状态的在线评价、(5)运行状态非优原因追溯等步骤。(1)离线数据的模态识别本专利技术选择的能够影响过程运行状态的过程变量包括:x1:一浸氰化钠流量;x2:一浸氰根离子浓度1;x3:一浸氰根离子浓度2;x4:一浸空气流量;x5:一浸溶解氧浓度;x6:二浸氰化钠流量;x7:二浸氰根离子浓度1;x8:二浸氰根离子浓度2;x9:二浸空气流量;x10:二浸溶解氧浓度;x11:一次压滤板框压滤机液压压力;x12:二次压滤板框压滤机液压压力;x13:锌粉添加量;x14:贫液中金离子浓度;本专利技术采用长度固定的切割窗口作为分析的基本单元。首先选取长度为H的窗口,变量H定义为“最小稳定模态长度”,是根据经验选取的可以涵盖相同稳定模态过程特性的最短运行时间长度。将离线数据划分成一系列长度为H的窗口,提取每个窗口的负载矩阵P,通过定量评估每个窗口的负载矩阵P与稳定模态的窗口的负载矩阵P的相似度,从中揭示过程潜在特性沿着时间方向的发展变化,进而判断每一个稳定模态的范围。如果两个窗口的负载矩阵的相似度大于给定的稳定模态阈值,认为这两个窗口内的数据属于同一个稳定模态;反之,如果窗口的负载矩阵的相似度小于定义的阈值,则认为这两个窗口的数据蕴含的过程特性不可以用一个模型描述,过程模态发生变化。将建模数据表示为最常用的二维矩阵形式其中Noff和J分别表示过程的采样个数以及过程变量个数。对这个二维数据矩阵沿采样方向采用滑动窗口H进行分割,即矩阵X转置后沿横轴方向分割。窗口的滑动步长为H,也就是说,每个切割窗口顺次排列,如图2所示,每个窗口的数据表示为将PCA应用于这些二维矩阵,我们可以从中提本文档来自技高网
...
金湿法冶金过程运行状态在线评价方法

【技术保护点】
金湿法冶金过程运行状态在线评价方法,包括浸出、洗涤、置换工艺,其特征在于:通过计算在线数据与各个性能等级过程特征的相似度,实现金湿法冶金过程运行状态的在线评价,并且在过程运行状态不优时,自动识别其原因,为实际生产过程提供有价值的指导建议,算法包括离线数据的模态识别、评价模型的建立、过程操作模态的在线识别、过程运行状态的在线评价、运行状态非优原因追溯步骤;    1)离线数据的模态识别采用长度固定的切割窗口作为分析的基本单元;提取每个窗口的负载矩阵,通过定量评估各窗口矩阵与稳定模态的代表的相似度,从中揭示过程潜在特性沿时间方向的发展变化;将建模数据表示为二维矩阵形式,对沿采样方向采用滑动窗口H进行分割;窗口的滑动步长为H,得到,,…,,…,利用PCA提取每个窗口内过程变量之间的相关性信息,以第一个窗口的负载矩阵作为稳定模态的参考负载矩阵;通过比较每个窗口与参考窗口过程特性的相似度来识别稳定模态;定义负载矩阵与参考窗口负载矩阵的相似度:其中,和分别是矩阵和的第j列向量;假设从第K个窗口开始,负载矩阵与上一个参考窗口的相似度小于阈值时,表示过程进入下一个稳定模态,令为新的参考负载矩阵,重复上述过程直至完成所有离线数据的归类;假设初步识别出稳定模态的种类有种,分别对应的负载矩阵为,利用相似度作为度量两种稳定模态相似程度的指标,利用聚类算法对种负载矩阵进行聚类;具体聚类步骤如下:①选择作为聚类的第一个中心,计算其余每一个稳定模态负载矩阵与的相似度;如果第c个负载矩阵与的相似度,则第c类稳定模态数据与第一类稳定模态数据为同一种稳定模态;如果,则第c类稳定模态数据与第一类稳定模态数据不是同一类稳定模态;依次计算每一类稳定模态与第一类稳定模态的相似度后,得到第一类稳定模态新的建模数据;②除去以及与相似的负载矩阵,顺次从剩下的负载矩阵中选出一个负载矩阵作为聚类的第二个中心,依此判断剩余每一个稳定模态负载矩阵与新聚类中心的相似度,与相似度阈值比较以后,得到第二类稳定模态新的建模数据;③直至所有的负载矩阵重新归类到新的稳定模态后,聚类算法结束,种负载矩阵聚类得到种新的稳定模态,对应每一种新稳定模态的建模数据是;2)评价模型的建立本专利技术利用T‑PLS在提取过程数据特征的同时去除冗余过程信息,建立评价模型;利用过程知识从稳定模态中选取表征不同性能等级的过程数据和与其对应的综合经济指标,构成性能等级建模数据,其中,为性能等级数;利用T‑PLS算法分别建立每个性能等级的评价模型:其中,,,分别为模态中性能等级的主元得分向量或矩阵,,,为负载矩阵,为残差矩阵;且有:其中;将作为模态中性能等级的评价模型,用于过程运行状态的在线评价;3)过程操作模态的在线识别采用模态转换频度的概念,对应最大转换频度的模态被认为是最可能出现的稳定模态;综合在线连续ω个采样数据的识别结果,即从第(k‑ω+1)个采样到第k个采样,对在线模态进行识别判断;在线模态识别包括5步:第一步:在线初步识别;采用第(k‑ω)时刻的模型对从第(k‑ω+1)采样时刻到第k采样时刻的连续ω个在线数据进行过程监测;第二步:初步识别结果分析;如果ω个在线数据并没有连续出现故障报警,说明第(k‑ω+1)采样时刻过程运行正常,并且该时刻过程的模态类型与第(k‑ω)时刻一致;否则,说明模态在第(k‑ω+1)时刻发生改变,过程进入新的操作模态;第三步:模型选择过程;过程从第(k‑ω+1)时刻进入新模态,分析(k‑ω)时刻的模态类型,重新选择(k‑ω+1)时刻对应的模型对过程进行监测;因为模态转换频度由大到小代表了模型转换可能性的由高到低,所以根据转换频度的从大到小依次选择对应的稳定模态模型,并利用该模型依次对从(k‑ω+1)采样时刻到第k个采样时刻的连续ω个在线数据重新进行过程监测;第四步:在线模态识别结果;如果ω个在线数据并没有连续出现故障报警,说明实际生产过程恰好运行于该模态;否则,如果连续ω个在线数据全部超出统计量控制限,说明当前模型不能描述新模态的过程特性,按照概率顺序继续选择下一类模态模型进行过程监测;依次选择所有可能的模型对过程进行监测,如果所有模型都不能涵盖新模态的过程特性,说明过程进入的新模态是无法识别的模态,需要人工经验来支持进一步的区分;如果匹配成功,选用新的模型继续对过程进行监测,并且认为过程运行于该操作模态;4)过程运行状态的在线评价在线评价时,通过计算在线数据信息与当前操作模态各个性能等级的相似度,以评价当前生产过程的运行状态;在线评价步骤如下:①在时刻时,构造在线数据窗口;②利用模态中各个性能等级离线建模数据的均值和标准差分别对标准化处理,并将标准化后的数据记为;③计算的得分向量:④计算在线数据与性能等级的距离:其中,,,是的样本数;由T‑PLS性质可知,. 因此,;⑤计算在线数据与性...

【技术特征摘要】
1.金湿法冶金过程运行状态在线评价方法,包括浸出、洗涤、置换工艺,其特征在于:通过计算在线数据与各个性能等级过程特征的相似度,实现金湿法冶金过程运行状态的在线评价,并且在过程运行状态不优时,自动识别其原因,为实际生产过程提供有价值的指导建议,算法包括离线数据的模态识别、评价模型的建立、过程操作模态的在线识别、过程运行状态的在线评价、运行状态非优原因追溯步骤;1)离线数据的模态识别采用长度固定的切割窗口作为分析的基本单元;提取每个窗口的负载矩阵P,通过定量评估每个窗口的负载矩阵P与稳定模态的窗口的负载矩阵P的相似度,从中揭示过程潜在特性沿时间方向的发展变化;将建模数据表示为二维矩阵形式X,对X沿采样方向采用滑动窗口H进行分割;窗口的滑动步长为H,得到其中k为滑动窗口的编号,利用PCA提取每个窗口内过程变量之间的相关性信息,以第一个窗口的负载矩阵P1作为稳定模态的参考窗口的负载矩阵Pbase;通过比较每个窗口与参考窗口过程特性的相似度来识别稳定模态;定义负载矩阵与参考窗口负载矩阵的相似度:其中,pj,k和pj,base分别是矩阵Pk和Pbase的第j列向量;假设从第K个窗口开始,负载矩阵PK与上一个参考窗口的相似度小于阈值时,表示过程进入下一个稳定模态,令PK为新的参考窗口的负载矩阵,重复上述过程直至完成所有离线数据的归类;假设初步识别出稳定模态的种类有C种,分别对应的负载矩阵为Pc(c=1,2,…,C),利用相似度μ作为度量两种稳定模态相似程度的指标,利用聚类算法对C种负载矩阵Pc进行聚类;具体聚类步骤如下:①选择P1作为聚类的第一个中心,计算其余每一个稳定模态负载矩阵与P1的相似度μ;如果第c个负载矩阵Pc与P1的相似度则第c类稳定模态数据与第一类稳定模态数据为同一种稳定模态;如果则第c类稳定模态数据与第一类稳定模态数据不是同一类稳定模态;依次计算每一类稳定模态与第一类稳定模态的相似度后,得到第一类稳定模态新的建模数据X1;②除去P1以及与P1相似的负载矩阵,顺次从剩下的负载矩阵中选出一个负载矩阵作为聚类的第二个中心,依此判断剩余每一个稳定模态的窗口的负载矩阵与新聚类中心的相似度,与相似度阈值α比较以后,得到第二类稳定模态新的建模数据X2;③直至所有的负载矩阵重新归类到新的稳定模态后,聚类算法结束,C种负载矩阵聚类得到种新的稳定模态,对应每一种新稳定模态的建模数据是Xc2)评价模型的建立利用T-PLS在提取过程数据特征的同时去除冗余过程信息,建立评价模型;利用过程知识从稳定模态中选取表征不同性能等级的过程数据和与其对应的综合经济指标构成性能等级建模数据其中s=1,2,...,S,S为性能等级数;利用T-PLS算法分别建立每个性能等级的评价模型:其中,分别为模态c中性能等级s的主元得分向量或矩阵,为负载矩阵,为残差矩阵;且有:其中将作为模态c中性能等级s的评价模型,用于过程运行状态的在线评价;3)过程操作模态的在线识别采用模态转换频度的概念,对应最大转换频度的模态被认为是最可能出现的稳定模态;综合在线连续ω个采样数据的识别结果,即从第(k-ω+1)个采样到第k个采样,对在线模态进行识别判断;在线模态识别包括5步:第一步:在线初步识别;采用第(k-ω)时刻的模型对从第(k-ω+1)采样时刻到第k采样时刻的连续ω个在线数据进行过程监测;第二步:初步识别结果分析;如果ω个在线数据并没有连续出现故障报警,说明第(k-ω+1)采样时刻过程运行正常,并且该时刻过程的模态类型与第(k-ω)时刻一致;否则,说明模态在第(k-ω+1)时刻发生改变,过程进入新的操作模态;第三步:模型选择过程;过程从第(k-ω+1)时刻进入新模态,分析(k-ω)时刻的模态类型,重新选择(k-ω+1)时刻对应的模型对过程进行监测;因为模态转换频度由大到小代表了模型转换可能性的由高到低,所以根据转换频度的从大到小依次选择对应的稳定模态模型,并利用该模型依次对从(k-ω+1)采样时刻到第k个采样时刻的连续ω个在线数据重新进行过程监测;第四步:在线模态识别结果;如果ω个在线数据并没有连续出现故障报警,说明实际生产过程恰好运行于该模态;否则,如果连续ω个在线数据全部超出统计量控制限,说明当前模型不能描述新模态的过程特性,按照概率顺序继续选择下一类模态模型进行过程监测;依次选择所有可能的模型对过程进行监测,如果所有模型都不能涵盖新模态的过程特性,说明过程进入的新模态是无法识别的模态,需要人工经验来支持进一步...

【专利技术属性】
技术研发人员:王福利常玉清刘妍王姝
申请(专利权)人:东北大学
类型:发明
国别省市:辽宁;21

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1