基于透气性预测的铅锌烧结配料过程优化-研究

《基于透气性预测的铅锌烧结配料过程优化-研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、中南大学硕士学位论文第一章绪论第一章绪论弟一早珀下匕我国是世界上主要的铅锌生产国与出口国，近年来通过引进、消化和吸收国外先进技术，进行自主研究与开发，铅锌冶炼的技术和装备水平都得到了较大幅度的提高，但与国外先进技术水平相比还有较大的差距，主要表现在劳动生产率低、生产成本和能耗高、环境污染严重等方面。这些差距导致我国生产企业的竞争力不强，在参与国际市小竞争中需要付出更大的代价。因此，如何在现有工艺流程、生产设备的情况仿，果用现有的信息，在以生产经济效益和节能减排为目标的情况下，通过调节生产过程参数，使整个生产过

2、程运行在较优状态下，是目前铅锌工业控制中急需解决的关键问题。铅锌烧结过程是密闭鼓风炉铅锌熔炼工艺ISP(ImperialSmeltingProcess)的一个重要流程【1．7】，是密闭鼓风炉还原熔炼的原料准备过程。铅锌烧结的主要原料包括硫化铅、硫化锌或硫化铅锌混合精矿、实粉、熔剂等，通过复杂的物理化学反应，最终生产出成分符合要求、具有一定机械强度和还原性，满足鼓风炉还原熔炼的要求的烧结块。铅锌烧结配料过程则是铅锌烧结过程的首道工序，是烧结过程的原料准备过程，包括混合精矿的一次配料过程，烧结混合料的二次配料过程

3、和混合料的加水混合制粒过程等三个子过程。本文以铅锌冶炼工业中典型的密闭鼓风烧结过程为研究背景，针对烧结配料过程的二次配料过程，加水混合制粒过程，提出了基于透气性预测的烧结配料优化控制技术，为实现铅锌烧结过程的全流程优化控制奠定基础。1．1研究背景及意义在当前，真着能源的消耗，单一的原料矿源日益减少，烧结生产所用的原料呈现出多品种，成分差异大，价格不一等特点。在这种特点下，为保证烧结块的产量和质量的情况，如何合理地选择和有效利用现有的国内外矿产资源，降低烧结生产的成本，提高企业的生产效率，增强企业的竞争力就成为

4、企业必须面对和急需解决的战略课题。落实到生产过程中，就是怎样合理搭配矿产资源来有效利用多种矿源之间的相互作用，即烧结配料过程的优化问题。作为铅锌烧结生产的首要环节，目前烧结配料优化在我国冶炼企业中的作用尚未得到充分发挥，如配比的确定仍然由人工计算获得，计算量大且自动化水平低，配比的确定没有直接与烧结块质量挂钩，且化学成分人工分析造成成分检测中南大学硕士学位论文第一章绪论滞后，无法很好地实现烧结块成分的稳定控制等。概括起来就是配料准确性不高，没有充分优化生产成本。因此，通过充分地挖掘，可以有效促进企业的经济效益

5、。铅锌烧结配料质量的高低从本质上决定了烧结混合料的烧结性能，其一次配料过程决定了烧结块的主要化学成分铅和锌的百分比含量；二次配料过程的二配配比用于调节混合精矿和返粉的加料量，是铅锌烧结过程的一个重要操作参数，对烧结过程状态参数有较大影响，特别是对透气性的有重要影响，并最终影响到烧结生产的产量、质量等指标参数；加水混合制粒也是铅锌烧结过程的一个重要操作参数，对烧结过程状态尤其是透气性具有重大影响，并最终影响到烧结生产的整个过程。所以对烧结配料过程进行优化具有非常重要的意义。当前，我国铅锌烧结配料操作还处于手工调

6、节方式，为此，本文研究烧结配料过程的二次配料过程和加水混合制粒过程同烧结状态参数透气性的相互关系，提出了基于透气性预测的烧结配料优化控制方法，通过有目的地控制配料过程，使得烧结生产过程的状态参数透气性得到优化，进而间接地优化烧结生产全过程。通过本文的研究，可以提高烧结生产工艺流程的稳定性，解决烧结配料过程对烧结生产的滞后性和盲目性，还为铅锌烧结过程的全流程协调优化奠定一定的基础。．1．2国内外研究现状烧结生产所用的原料来源广，品种多，成分差异大，价格不一。在这种情况下，如何合理地选择和利用现有的矿源，保证烧结

7、块的产量和质量，降低烧结生产的成本，提高企业的生产效率，增强企业的竞争力就成为企业必须面对和急需解决的战略课题。国内外对此做了大量的研究与开发工作，并取得了一系列研究成果。在烧结块配料优化控制研究方面，针对烧结块化学成分预测与控制问题，日本住友金属公司开发了烧结矿化学成分控制系统【gJ，根据物料平衡原理建立了烧结矿化学成分(CaO，Si02，MgO)的预报模型，可预报供给原料2个小时后的烧结矿化学成分，根据预报成分和目标成分的偏差，计算混合料最佳配比，达到稳定成分的目的。为了稳定控制烧结矿化学成分，提高成分一

8、级品率，文献【9，10】结合烧结球团理论、人工智能理论和现代控制理论，提出了以碱度为中心的控制策略，开发了烧结矿化学成分控制专家系统。文献【11】提出了一种既可保证预测精度又可满足配料配比计算对数据完备性要求的铅锌烧结块成分智能集成预测模型。针对宝钢烧结生产的实际情况，文献【12】开发了基于BP神经网络的烧结矿化学成分预报模型，将模型的预报结果作为控制系统的前提条件，结合现场专家的经验知识，推理计算