氧化铝生产过程苛性比值与溶出率智能集成预测模型研究

《氧化铝生产过程苛性比值与溶出率智能集成预测模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要苛性比值与溶出率是氧化铝高压溶出过程中两个重要的经济技术指标。它们不仅决定了氧化铝溶出的效果及碱耗，而且对氧化铝的后续生产具有极大的影响。然而，目前苛性比值与溶出率的检测严重滞后、波动范围大且难以及时调整，从而导致整个生产流程的实时控制陷入被动。为此，研究如何运用智能集成建模方法建立苛性比值与溶出率的预测模型从而实现苛性比值与溶出率的在线检测，对实现氧化铝生产过程的稳产高产、提高企业竞争力都具有重要意义。本文以中国铝业公司河南分公司氧化铝生产过程为背景，着重研究了苛性比值与溶出率的智能集成预测模型的建立和应用。首先，在分析氧化铝高压溶出过程机理的基础上，确定了影

2、响苛性比值与溶出率的主要因素，提出了苛性比值与溶出率的机理模型；然后，提出了基于主元分析的多神经网络模型，用来补偿机理模型的偏差，从而建立机理模型与神经网络的集成模型；接着又提出了具有白校正样本库的基于聚类分析的匹配模型，用来预测苛性比值与溶出率；最后在深入分析机理模型与神经网络集成模型、匹配模型两者的优点与不足的基础上，提出了采用基于专家知识和统计学知识的智能协调器对两者的输出进行协调，从而建立苛性比值与溶出率的智能集成预测模型。智能集成预测模型的现场运行结果表明该模型具有较高精度，能很好地实现苛性比值与溶出率的在线预测。关键词苛性比值，溶出率，高压溶出，神经网络

3、，智能集成模型ABSTRACTRatioofSodatoAluminate(RSA)andLeachingRate(LR)aretwoVeryiⅡlponameconomicalaIldtechnicalindicesint11eprocessofHigh—PressureDigestion(HPD)ofalumina．Notonjyt11eyaf诧ctoutputofaluminaandalkaliconsumption，butalsotheymakegreatinnuenceonsuccessivepmductionofalumina．However，atpre

4、sentitisdi衔culttomeasureRSAandLRtimelⅥwhichmakesithardtoachievereal-timecontrolofthewh01eprocessofproduction．Therefore，Howtoimplememon—linemeasurementofRSAandLRbyestablishillgpredictionmodelusingimelligentintegratedmodeling，issignificamforrealizingsteadyandhi曲productionofaluminaandenha

5、ncingthecor印etitivepowerofenterprises．0n也ebackgroundofproductionpmcessofaluminainHenaIlBrachChinaAluminium，thispapermailllydoesresea托hintheestablishmentand印plicationofintelligentintegratedpredictionmodelofRSAandLR．Firstlv'mekevfactorsmatinnuenceRSAa11dLRareacquiredbya11alyzingthemechan

6、ismofprocessof}玎)D，thenmechanismmodelofRSAandLRisestablished．SecondlⅥinordertocompensateerrorsofmechanismmodel，multipleneuralne栅or玉(sbasedonprincipIecomponentaIlalysisispmfonvard，ttler曲y协tegratedmodelofmechanismmodelandneuralnetworkisproposed．Thjrdly’matchingmodelwitllself-tunings啪plel

7、ibrarybasedoncluSteranalysisisputf．onⅣardFinal】y，onmebaseofanalyzingmeritsandfIawsofintegratedmodelofmechanismmodelandneuralnetwod(andmatchingmodel，intelligentcoordinatorbasedonexpertknowledgeandstatiSticsisdesignedtoharrnonizeoutputsofmesetwomodels，mereforeinteIligemintegratedpredic