一种氧化铝运行指标的智能检测装置制造方法及图纸

本发明专利技术涉及一种氧化铝运行指标的智能检测装置，包括：数据采集模块用于采集氧化铝生产工况中在线检测仪表的检测数值和生产指标的化验值；数据分析模块用于针对每一氧化铝生产工况，分析该氧化铝生产工况中生产指标在人工化验周期内的在线检测示数与化验值的差值是否大于预设阈值；参数更新模块用于在差值大于阈值时，基于预先建立的智能检测模型和检测数值、化验值，对智能检测模型的参数进行更新；基于更新参数的智能检测模型，重复各模块的功能，直至当前生产工况中生产指标的在线检测示数与化验值的差值小于阈值。本发明专利技术的智能检测装置实现了苛性比值及苛性碱浓度高精度的智能检测，解决了现有技术中人工化验滞后大、仪表精度低的技术问题。表精度低的技术问题。表精度低的技术问题。

【技术实现步骤摘要】
一种氧化铝运行指标的智能检测装置


[0001]本专利技术涉及工业生产过程控制技术，尤其涉及一种氧化铝运行指标的智能检测装置。

技术介绍

[0002]氧化铝溶出过程是拜耳法生产氧化铝的主要工艺工程，是一个典型的复杂工业过程。在该工艺过程中，铝土矿中的氧化铝在碱液的作用下溶解进入溶液。溶出完成液的苛性比值合格率是重要的质量指标，溶出完成液的苛性比值反映了溶出过程中矿石的反应情况、碱耗，并且对后续工序产生影响，依据苛性比值调节溶出前矿石和碱液的配比，其对氧化铝溶出过程具有重要意义。此外在氧化铝蒸发过程中，低浓度的混合碱液进入蒸发器蒸发，得到高浓度的碱液。蒸发完成液的苛性碱浓度合格率是重要的质量指标，蒸发完成液的苛性碱浓度反映了蒸发与碱液调配过程中的汽耗，并且对溶出工序产生影响。
[0003]然而蒸发过程和溶出过程均存在大时滞、强非线性、原料组分(如铝酸钠、氢氧化钠、碳酸钠、矿浆成分)未知波动、机理复杂难以建立精确模型等特点，目前在大多数采用拜耳法生产氧化铝的企业中，溶出过程的苛性比值或蒸发过程的苛性碱浓度主要依靠人工化验完成，化验滞后大；例如溶出过程矿浆的冲刷和高温高压强腐蚀条件造成了难以在线检测苛性比值、矿浆组分的波动及结疤情况导致现有的苛性比值仪表精度低，无法满足生产需要；在蒸发过程高温强腐蚀条件造成了难以在线检测苛性碱浓度、溶液组分的波动及结疤情况导致现有的苛性碱浓度仪表精度低，需要专业人员定期维护，无法满足生产需要。
[0004]为此，如何解决现有技术中人工化验滞后大，且仪表检测精度低的问题成为当前亟需解决的技术问题。

技术实现思路

[0005](一)要解决的技术问题
[0006]鉴于现有技术的上述缺点、不足，本专利技术提供一种氧化铝运行指标的智能检测装置，实现了溶出工况中苛性比值或蒸发工况中苛性碱浓度各自高精度的智能检测，解决了现有技术中人工化验滞后大、仪表精度低的技术问题。
[0007](二)技术方案
[0008]为了达到上述目的，本专利技术采用的主要技术方案包括：
[0009]第一方面，本专利技术实施例提供一种氧化铝运行指标的智能检测装置，包括：
[0010]数据采集模块，用于采集氧化铝生产工况中在线检测仪表的检测数值和生产指标的人工化验值；
[0011]数据分析模块，用于针对每一氧化铝生产工况，分析该氧化铝生产工况中生产指标在人工化验周期内的在线检测示数与人工化验值的差值是否大于预设阈值；
[0012]参数更新模块，用于在所述差值大于阈值时，基于预先建立的智能检测模型和所述检测数值、人工化验值，对所述智能检测模型的参数进行更新；
[0013]基于更新参数的智能检测模型，重复数据采集模块、数据分析模块和参数更新模块的功能，直至当前生产工况中生产指标的在线检测示数与人工化验值的差值小于阈值。
[0014]可选地，氧化铝生产工况包括：氧化铝溶出工况和氧化铝蒸发工况；
[0015]相应地，在氧化铝溶出工况时，所述数据采集模块采集的检测数值包括：电导率、温度、加碱流量的在线检测数据和苛性比值的在线化验数据；所述生产指标为苛性比值；
[0016]在氧化铝蒸发工况时，所述数据采集模块采集的检测数值包括：折光率、温度、进料流量的在线检测数据和苛性碱浓度的在线化验数据，所述生产指标为苛性碱浓度。
[0017]可选地，还包括：
[0018]数据存储模块，用于将检测数值和生产指标的人工化验值实时存储在云存储平台中。
[0019]可选地，所述数据分析模块，具体用于
[0020]对所述检测数值进行预处理；
[0021]具体地，将检测数值中的时序数据在滑动时间窗口内进行一阶惯性滤波；以及将生产指标的化验值和所述滤波后的检测数值进行时序对标处理；
[0022]基于对标处理后的检测数值中生产指标的在线检测示数，获取人工化验周期内所有在线检测示数的均值；获取该均值与人工化验值的差值绝对值；
[0023]判断差值绝对值是否大于预设阈值。
[0024]可选地，参数更新模块具体用于：
[0025]基于氧化铝溶出工况的运行指标，建立苛性比值的智能检测模型；
[0026]苛性比值智能检测模型表示为：
[0027][0028]式(1)中，y(k)为补偿后的苛性比值，为线性模型输出，v(k)为误差补偿项；
[0029]线性模型为：
[0030][0031]其中，k为仪表采样时刻，x1(k)为电导率检测信号，x2(k)为温度检测信号，x3(k
‑
l)为加碱流量检测信号，l为流量调节经过溶出过程的滞后时间，a、b、c和d为模型参数，在模型使用时随机给定运行初始值；
[0032]选择检测数值中的电导率、温度、加碱流量和生产指标的人工化验值，对智能检测模型的线性模型及误差补偿项进行参数更新。
[0033]可选地，针对智能检测模型中的线性模型的参数更新，包括：
[0034]当前时刻的人工化验值与上一时刻人工化验值的差超出某一限度δ时；保持智能检测模型中的参数值不变；
[0035]当前时刻的人工化验值y
a
(T)与上一时刻的人工化验值y
a
(T
‑
d1)满足|y
a
(T)
‑
y
a
(T
‑
d1)|＞δ时，保持智能检测模型中的参数值不变；
[0036]若当前时刻的下一时刻的人工化验值y
a
(T+d0)与当前时刻的人工化验值y
a
(T)满足|y
a
(T+d0)
‑
y
a
(T)|＜δ2，则基于当前时刻的下一时刻的人工化验值和当前时刻的人工化验值，采用最小二乘法对智能检测模型中的参数值进行更新；
[0037]若当前时刻的下一时刻的人工化验值y
a
(T+d0)与当前时刻的上一时刻y
a
(T
‑
d1)的人工化验值满足|y
a
(T+d0)
‑
y
a
(T
‑
d1)|＜δ3，则确认当前时刻的人工化验值y
a
(T)存在误差，将当前时刻的人工化验值丢弃。
[0038]可选地，针对智能检测模型中的线性模型的参数更新，包括：
[0039]采用最小二乘法对智能检测模型中的参数值进行更新，
[0040]使用最小二乘算法构建数据向量方程式和参数向量方程式，如下：
[0041]数据向量
[0042][0043]其中，x1(.)为溶出11级闪蒸出料电导率检测信号，x2(.)为溶出闪蒸出料温度检测信号，x3(.)为加碱流量检测信号，取样时间T
‑
d
j
(j＝1,2,...,20...,N)，T＝nk(n＝1,2,3,...)；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种氧化铝运行指标的智能检测装置，其特征在于，包括：数据采集模块，用于采集氧化铝生产工况中在线检测仪表的检测数值和生产指标的人工化验值；数据分析模块，用于针对每一氧化铝生产工况，分析该氧化铝生产工况中生产指标在人工化验周期内的在线检测示数与人工化验值的差值是否大于预设阈值；参数更新模块，用于在所述差值大于阈值时，基于预先建立的智能检测模型和所述检测数值、人工化验值，对所述智能检测模型的参数进行更新；基于更新参数的智能检测模型，重复数据采集模块、数据分析模块和参数更新模块的功能，直至当前生产工况中生产指标的在线检测示数与人工化验值的差值小于阈值。2.根据权利要求1所述的智能检测装置，其特征在于，氧化铝生产工况包括：氧化铝溶出工况和氧化铝蒸发工况；相应地，在氧化铝溶出工况时，所述数据采集模块采集的检测数值包括：电导率、温度、加碱流量的在线检测数据和苛性比值的在线化验数据；所述生产指标为苛性比值；在氧化铝蒸发工况时，所述数据采集模块采集的检测数值包括：折光率、温度、进料流量的在线检测数据和苛性碱浓度的在线化验数据，所述生产指标为苛性碱浓度。3.根据权利要求1所述的智能检测装置，其特征在于，还包括：数据存储模块，用于将检测数值和生产指标的人工化验值实时存储在云存储平台中。4.根据权利要求1所述的智能检测装置，其特征在于，所述数据分析模块，具体用于对所述检测数值进行预处理；具体地，将检测数值中的时序数据在滑动时间窗口内进行一阶惯性滤波；以及将生产指标的化验值和所述滤波后的检测数值进行时序对标处理；基于对标处理后的检测数值中生产指标的在线检测示数，获取人工化验周期内所有在线检测示数的均值；获取该均值与人工化验值的差值绝对值；判断差值绝对值是否大于预设阈值。5.根据权利要求2所述的智能检测装置，其特征在于，参数更新模块具体用于：基于氧化铝溶出工况的运行指标，建立苛性比值的智能检测模型；苛性比值智能检测模型表示为：式(1)中，y(k)为补偿后的苛性比值，为线性模型输出，v(k)为误差补偿项；线性模型为：其中，k为仪表采样时刻，x1(k)为电导率检测信号，x2(k)为温度检测信号，x3(k
‑
l)为加碱流量检测信号，l为流量调节经过溶出过程的滞后时间，a、b、c和d为模型参数，在模型使用时随机给定运行初始值；选择检测数值中的电导率、温度、加碱流量和生产指标的人工化验值，对智能检测模型的线性模型及误差补偿项进行参数更新。6.根据权利要求5所述的智能检测装置，其特征在于，
针对智能检测模型中的线性模型的参数更新，包括：当前时刻的人工化验值与上一时刻人工化验值的差超出某一限度δ时；保持智能检测模型中的参数值不变；当前时刻的人工化验值y
a
(T)与上一时刻的人工化验值y
a
(T
‑
d1)满足|y
a
(T)
‑
y
a
(T
‑
d1)|＜δ时，保持智能检测模型中的参数值不变；若当前时刻的下一时刻的人工化验值y
a
(T+d0)与当前时刻的人工化验值y
a
(T)满足|y
a
(T+d0)
‑
y
a
(T)|＜δ2，则基于当前时刻的下一时刻的人工化验值和当前时刻的人工化验值，采用最小二乘法对智能检测模型中的参数值进行更新；若当前时刻的下一时刻的人工化验值y
a
(T+d0)与当前时刻的上一时刻y
a
(T
‑
d1)的人工化验值满足|y
a
(T+d0)
‑
y
a
(T
‑
d1)|＜δ3，则确认当前时刻的人工化验值y
a
(T)存在误差，将当前时刻的人工化验值丢弃。7.根据权利要求6所述的智能检测装置，其特征在于，针对智能检测模型中的线性模型的参数更新，包括：采用最小二乘法对智能检测模型中的参数值进行更新，使用最小二乘算法构建数据向量方程式和参数向量方程式，如下：数据向量数据向量其中，x1(.)为溶出11级闪蒸出料电导率检测信号，x2(.)...

【专利技术属性】
技术研发人员：柴天佑，贾瑶，赵亮，于力一，
申请(专利权)人：东北大学，
类型：发明
国别省市：