- · 《湿法冶金》编辑部征稿[10/30]
- · 《湿法冶金》杂志社刊物[10/30]
- · 《湿法冶金》期刊栏目设[10/30]
- · 《湿法冶金》数据库收录[10/30]
- · 《湿法冶金》投稿方式[10/30]
基于案例推理的湿法冶金全流程优化设定
作者:网站采编关键词:
摘要:随着经济的快速发展,高品位高价值矿产资源的开发利用不断加速;与此同时,由于环保意识的不断增强,高排放、高污染的传统有色金属冶炼方法难以持续.与火法冶炼相比,湿法冶金
随着经济的快速发展,高品位高价值矿产资源的开发利用不断加速;与此同时,由于环保意识的不断增强,高排放、高污染的传统有色金属冶炼方法难以持续.与火法冶炼相比,湿法冶金技术可以处理低品位、复杂矿,同时具有对环境污染较小等诸多优点[1].
已有对湿法冶金全流程优化控制的研究大多是基于过程定量数学模型进行的.Yuan等根据黄金冶炼厂的湿法冶金工艺,建立全流程的机理模型[2],以总浸出率最高为优化目标,建立浸出过程的优化模型[3].Yu等[4]在全流程优化模型中加入设备生产能力、精品矿处理量、能源消耗限制以及生产指标上下限等约束条件.由于稳态机理模型和实际生产过程往往存在模型失配问题,由此得到的优化解难以应用到实际的生产过程.
随着基础自动化水平的不断提高,利用历史数据进行优化控制已成为湿法冶金过程自动化领域的研究热点之一.文献[5]提出使用铜闪速操作模式优化的方法,借助动态T-2递归模糊神经网络,提升了铜闪速炉的生产效率.文献[6]首先识别出导致过程非优的关键原因变量,进而采用基于强化学习的非优自恢复方法来修正原因变量的设定值,从而实现过程的优化控制.
作为数据挖掘中的一项重要研究内容,关联规则挖掘技术拥有广阔的应用前景.Yang等[7]提出一种将模糊量化关联规则和遗传算法相结合的优化方法用于锅炉脱硝经济性优化,提取了各调整变量的最优设定值与机组负荷之间的关系.文献[8]将关联规则挖掘算法用于寻找引发交通事故的关键因素,为交通管理部门提供决策支持.
针对湿法冶金生产工艺具有不确定性、强耦合和非线性的特点,本文提出了基于案例推理的全流程优化设定方法.由于湿法冶金中各运行参数和各变量的最优设定值之间彼此关联,利用关联规则挖掘算法可以确定综合经济效益最优下各工况运行参数和各调整变量的优化设定值之间的关联关系,从而提取出综合经济效益最优时各关键变量的优化设定值.因此,本文提出基于关联规则挖掘的案例修正方法.湿法冶金全流程进行优化设定时,如果当前的工况在一定范围波动,根据当前的工况条件在湿法冶金案例库中匹配出与目标案例最为相似的源案例,如果相似度满足要求,那么重用源案例的解,否则进行案例的在线修正.在进行案例修正时,根据当前工况的条件,通过关联规则挖掘的规则获取操作变量的设定值,并将设定值应用到生产过程中.
1 湿法冶金优化问题描述
湿法冶金工艺流程通常由浸出、洗涤和置换等工序构成.首先,排矿泵将上游过程产生的矿浆溶液输送到浸出槽中,两次浸出均在第1,2和4级浸出槽中放入氰化物与矿浆溶液进行浸出反应,实现精矿中的金元素和杂质的分离;进入洗涤过程,用置换工序生成的贫液对压滤后的滤饼进行洗涤;之后进入压滤洗涤过程,浸出后的矿浆进入压滤机中,用置换工序生成的贫液对压滤后的滤饼进行洗涤;最后是置换过程,将压滤后的滤液进行脱氧操作后送至混合器中与锌粉充分混合,混合后的溶液输送至板框压滤机中进行置换反应,最终生成金泥.浸出过程原理如图1所示,置换过程如图2所示.
图1 湿法冶金浸出过程原理示意图Fig.1 Flow chart of hydrometallurgical leaching process
图2 湿法冶金置换过程原理示意图 chart of hydrometallurgical replacementprocess
由于单纯的人工调节难以满足湿法冶金全流程的生产指标要求,因此在湿法冶金优化控制中加入优化设定系统,即根据综合经济效益指标,在各个工序中寻找最佳的工艺指标,然后将操作变量设定值应用到各个工序的控制回路,使湿法冶金生产过程能够达到预期的目标.
由于湿法冶金全流程变量多、数据量大,许子昂[9]提出利用遗传算法对历史数据决策表进行粗糙集属性约简,以获取更精简的优化设定规则.结合湿法冶金高铜线的历史数据,可知初始固金品位ws,矿石流量Qm,高品位贵液处理量Gy,高品位贵液金品位wAu,一浸一槽氰根离子含量wCN1,二浸一槽氰根离子含量wCN2,一浸氰渣尾金品位wAu1及二浸氰渣尾金品位wAu2共8个工况变量对湿法冶金全流程综合经济效益影响较大,能够描述优化设定中的不同工况变化.
湿法冶金的综合经济效益为
总经济效益=精矿处理量×精矿品位×浸出率×置换率×金的单价-物耗.
其中,物耗=氰化钠(NaCN)添加量×氰化钠单价+锌粉(Zn)添加量×锌粉单价.在温度和磨矿粒度等变量一致时,氰化钠添加量是影响浸出率的关键因素,锌粉添加量是影响置换率的关键因素.因而,全流程优化的决策变量为一级浸出过程和二级浸出过程的第1,2和4浸出槽中氰化钠的添加量QCN1,1,QCN1,2,QCN1,4,QCN2,1,QCN2,2和QCN2,4以及置换工序中锌粉的添加量QZn.
文章来源:《湿法冶金》 网址: http://www.sfyjzz.cn/qikandaodu/2020/1210/364.html
上一篇:CFD技术在湿法冶金中的应用及发展方向
下一篇:红土镍矿湿法冶金工艺现状及前景分析