碱煮工艺过程的智能集成建模探讨.doc

1、碱煮工艺过程的智能集成建模探讨摘要：通过对碱煮工艺过程的机理分析，建立了 WO3 浸出率的动态机理模型，并利用最小二乘支持向量机对机理模型的预测偏差进行了补偿，实现了对 WO3 浸出率的智能集成建模；利用 MATLAB 对智能集成模型进行了仿真分析，验证了模型的有效性和泛化性，并分析了主要因素对 WO3 浸出率的影响。碱煮工艺是钨冶炼湿法冶金中的重要工艺，近年来，很多大、中型钨冶炼企业已经实现了钨冶炼工艺的自动化控制 1，但碱煮工艺过程复杂，具有非线性、时变性、强耦合和不确定等特点，关键生产参数无法检测，传统的建模方法很难建立过程的精确模型，各种优化技术和现代控制技术难以利用，致使先进的自动化

2、控制设备难以实现碱煮工艺的优化控制。碱煮工艺的主要目标是在尽可能短的时间获得尽可能高的 WO3 浸出率，因此，如何实现对浸出率的检测及对其影响因素的研究成为实现碱煮工艺优化控制的关键。文献2利用 BP 神经网络对 WO3 浸出率进行了软测量，但没有对影响 WO3 浸出率的因素进行分析；文献3-6 对特定条件下碱煮工艺的热力学和动力学进行了研究，为本文的机理建模提供了理论基础。本文利用智能集成建模原理，对碱煮工艺进行机理建模，然后利用最小二乘支持向量机对机理模型与实际值的偏差进行补偿，完成 WO3 浸出率的智能集成建模，并对影响浸出率的因素进行了仿真分析。1 碱煮工艺过程机理建模1.1 碱煮工艺

3、过程简介碱煮工艺过程的核心是三氧化钨的浸出过程，该过程一般在高压釜中进行，属于间歇式浸出过程，即将物料一次性加入反应器中，密闭反应器并反应一定时间后将反应物从反应器中移出。在反应过程中，主要是细磨的钨矿浆与氢氧化钠反应生成可溶的钨酸钠，并伴随少量杂质与浸出剂的反应。影响三氧化钨浸出率的主要因素由：钨矿物品位、精矿粒度、碱用量、固液比、温度、压力、杂质等，反应过程具有不连续、非稳态、不确定性等特点 7。1.2 碱煮工艺过程机理建模在碱煮工艺过程中，由于反应釜内搅拌桨的作用，假设反应器内物料达到了分子尺度上的均匀混合，釜内物料浓度处处相等，因此不考虑物质的传递问题；由于釜内物料均匀混合和良好的传热

4、条件，假设反应器内的温度也处处相等，因此也不考虑反应器内的传热问题。通过文献可知，在温度为 100 左右时，固体产物膜也不成为反应进行的障碍。文献8通过试验研究了氢氧化钠浓度、矿物粒度、温度、时间对三氧化钨浸出率的影响，结果表明，该反应过程仅由受表面化学反应动力学控制。根据表面化学反应控制动力学原理 9，反应速率可表示为：（1）nkSCdtN式中，N 为固体矿粒在时刻 t 的摩尔数；S 为固体颗粒表面积； C 为浸出剂的浓度；K 为化学反应速度常数；n 为反应级数。反应过程中，颗粒的表面积 S 会发生改变，设矿粒为球形且致密无孔隙，并设其半径为 r，密度为 ，M为矿物的摩尔质量，则： 24rS

5、MN3dtrdt2带入式（1）得：（2）nkCtr反应浸出分数 X 可表示为：（3）3001rNX根据阿累尼乌斯公式：（4）RTEAek式中，A 为活化系数，E 为矿物活化能，R 为气体常数，T 为浸出液温度。将（3） 、 （4）式带入（2）式，可得氢氧化钠分解钨矿的动力学方程为：（5）320)1(3XerMCdtXREn1.3 碱煮工艺过程物料平衡方程随着碱煮过程的进行，浸出液氢氧化钠浓度在不断变化，引起浸出液浓度变化的原因主要是其与含钨矿浆中的部分组分进行反应，并且大多被含钨组分所消耗，氢氧化钠溶液的物料平衡方程可表示为：（6）0001CVXNVXNCLL式中，V L 为浸出液总体积； 为

6、 1 mol 钨矿浸出时消耗的氢氧化钠摩尔数。1.4 碱煮工艺过程能量平衡方程碱煮时，采用蒸汽加热反应釜，并通过搅拌桨搅拌物料，在这个过程中能量从搅拌槽的釜壁向物料中扩散。该过程的热量衡算可用如下方程表示：（7）pCmyuBUdty1式中，y 为釜体温度；B 为高压釜的换热面积；U 为高压釜的传热系数； u1 为温度控制量；m 为整个浸出液的质量；C p 为浸出液平均比热。式（5）（7）即为碱煮过程的动态机理模型。2 基于最小二乘支持向量机的误差补偿建模以上建立的机理模型是在对工艺机理分析的基础上，利用冶金动力学、物料平衡、能量平衡建立的，能够反应系统的主要规律，在描述系统的整体行为上是有效的

7、，但是建立的模型是在很多假设条件下进行的，实际生产过程复杂多变，机理模型与实际值之间还存在偏差，精度不高，可以利用工业过程生产数据、经验知识运用智能建模技术对机理模型预测偏差进行补偿 10。本文建立的碱煮工艺并联补偿智能集成模型如图 1 所示。控制输入碱 煮 工 艺 过 程离 线 化 验 统 计过 程机 理 模 型最 小 二 乘 支 持 向 量 机 补偿 模 型边 界 条 件过 程 输 出机 理 模 型 输 出补 偿 模 型 输 出智 能 模 型 输 出图 1 智能集成模型结构Fig.1 Structure of intelligent integrated modeling2.1 最小二乘支

8、持向量机简介支持向量机的基本思想是将输入向量通过非线性映射 映射到一个高维乃至无穷维的特征空间，利用结构风险最小化原则构造最优线性超平面，高维特征空间中的点积运算被原空间的核函数所取代 11。与支持向量机相比，最小二乘支持向量机不能保证是全局最优解，但具有更快的求解速度，求解所需的计算资源也较少12。文献13详细介绍了最小二乘支持向量机的原理，最后得到函数估计的 LS-SVM 模型为：（8）lijibxKaxf1,2.2 最小二乘支持向量机补偿模型工业现场有丰富的生产数据可供利用，以高压釜温度、氢氧化钠含量、WO 3 含量、时间、固液比作为最小二乘支持向量机的输入，模型输出为实际浸出率与机理模

9、型预测的偏差，错误惩罚因子取 50，核函数采用具有正态分布特点的高斯核函数，核函数的宽度 sig2 取 0.2，通过训练，选出最佳参数组合，建立最小二乘支持向量机模型，最后利用建立的支持向量机模型对生产数据进行预测。3 模型验证及仿真实验结果分析根据机理模型，分析了温度、碱浓度、粒度对浸出率的影响关系，并对智能集成模型进行了验证。3.1 模型建立由以上机理模型可知其中的参数有很多，某钨冶炼厂碱煮工艺过程中的部分数据如下：反应釜体积 5 m3、传热面积 30 m3、釜内物料体积 3.8 m3、釜壁厚度 22 mm、精矿粒径 2055 m、釜内温度 120195 、蒸汽压力 0.52.5 MPa、

10、反应时间 45 h、母液碱浓度 258 g/L、上清液 WO3 含量 4.00%24.69%、碱液体积 2 m3。在进行相关计算后，得到了针对该钨冶炼厂碱煮对象的机理模型为： 173. )27(.85404501( tTeray3.2 温度对分解率的影响在碱浓度、粒度等保持不变的情况下，不同温度下浸出率的仿真曲线如图 2 所示。04080120160202402802040608010WO3浸出率/%时 间 /min1807 1605图 2 温度对钨浸出率的影响Fig.2 Effect of temperature on tungsten leaching rate由图 2 可见，温度越高，对

11、分解反应越有利，反应速度越快，但是温度过高对设备的要求越高，会产生安全隐患，并增加了能耗。3.3 氢氧化钠浓度对浸出率的影响在温度、粒度等不变的条件下，不同氢氧化钠浓度对应的钨浸出率仿真曲线如图 3 所示。04080120160202402802040608010WO3浸出率/%时 间 /min8 mol/kg 10 l/ 2 ol/kg 14 ml/图 3 碱浓度对钨浸出率的影响Fig.3 Effect of NaOH concentration on tungsten leaching rate图 3 表明，氢氧化钠浓度的增加能大大加快反应速率，在动力学和热力学上对分解率都影响很大，所以实

12、际生产过程中要保证足够的氢氧化钠浓度，才能保证足够的分解率。3.4 精矿粒度对浸出率的影响在温度、碱浓度等条件不变的条件下，分别取不同的矿粒半径，得到的钨浸出率的仿真曲线如图 4 所示。04080120160202402802040608010WO3浸出率%时 间 /min20 m3 40 m5图 4 精矿粒度对钨浸出率的影响Fig.4 Effect of particle size of concentrates on tungsten leaching rate图 4 可知，矿粒度越小，氢氧化钠溶液与矿粒接触面积就越大，大大提高了钨浸出率。该结果验证了多相化学反应原理，即反应速率与两相间接

13、触面积成正比。3.5 模型验证选取一组生产数据，并对其进行模型预测，可得如下图 5 所示结果。04080120160202402040608010WO3浸出率/%时 间 /min 机 理 模 型 预 测实 测 值 智 能 集 成 模 型 预 测图 5 钨浸出率预测模型验证结果Fig.5 Verification result of prediction model of tungsten leaching rate由图 5 可见，智能集成模型能对机理模型的预测进行补偿，提高了模型预测的精度，选取的 14 个样本，平均误差为 0.2，能够满足生产预测精度的要求。4 结论对碱煮工艺进行了机理建模，

14、通过对机理模型的仿真分析得出了温度、碱浓度、矿物粒度对浸出率的影响关系曲线，并利用最小二乘支持向量机对机理模型预测偏差进行了补偿，建立了浸出率的智能集成模型，结果表明，智能集成模型提高了机理模型的精度，改善了最小二乘支持向量机的泛化能力并降低了模型对数据的依赖程度，为碱煮工艺的优化控制研究提供了基础。参考文献1 张杰，林静章. 我国钨冶炼工艺及过程控制自动化J. 世界有色金属，2009（4）：33-35.2 刘飞飞，刘辉辉，李俊荣. 基于 RBF 神经网络的 WO3 浸出率软测量建模J. 有色金属科学与工程，2013，4（5）：117-121.3 孙培梅，李运姣，李洪桂，等. 白钨碱分解过程的

15、热力学研究J. 中国有色金属学报，1993，3（2）：37-39，43.4 何贵香，何利华，曹才放，等. 氢氧化钠分解白钨矿的热力学分析J. 粉末冶金材料科学与工程，2013，18（3）：368-372.5 李运姣，李洪桂，刘茂盛. 白钨矿碱分解过程的热力学和动力学研究J. 中南矿冶学院学报，1990，21（1）：39-45.6 杜阳，马光，吴贤，等. 碱熔融水浸法分离钨的试验研究 J. 有色金属（冶炼部分） ，2014(5)：34-37.7 孙小方，蔡亦军，潘海天. 间歇化学反应器的先进控制技术 J. 化工时刊，2002，16（11）：1-5.8 梁勇. 反应挤出法碱分解钨矿基础理论及新工艺D. 长沙：中南大学，2011.9 肖兴国. 冶金反应工程学基础M. 北京：冶金工业出版社， 1989：57.10 桂卫华，阳春华，陈晓方，等 . 有色冶金过程建模与优化的若干问题及挑战 J. 自动化学报，2013，39（3）：197-207.11 阎威武，朱宏栋，邵惠鹤. 基于最小二乘支持向量机的软测量建模 J. 系统仿真学报，2003，15（10）：1494-1496.