基于再生铝原料的电解高纯铝成分智能优化方法及系统
本发明属于高纯铝制备领域,具体涉及一种基于再生铝原料的电解高纯铝成分智能优化方法及系统。
背景技术:
1、高纯铝作为重要的高纯金属材料,被广泛应用于电子工业、化学工业、制造高纯合金、激光材料及科学研究中,而对高纯铝的纯度及成分稳定性对材料性能具有重要影响。铝提纯技术包括三层液电解法和偏析法。其中,三层液电解精炼法是利用精铝、电解质和阳极合金的密度差形成上中下三层液体,在直流电作用下,阳极合金中的铝电化学溶解为al3+离子,然后在阴极放电沉积为高纯度铝,而杂质则被分离。为了降低高纯铝的生产成本,常采用再生铝作为原料。由于再生铝原料中含有铁、硅等杂质元素,这些杂质在高温冶炼过程中会发生氧化烧损、相变以及形成金属间化合物等复杂行为,从而对最终纯度产生不确定影响,导致纯度预测误差较大,难以实现成分的稳定控制。
2、现有技术中,为了解决再生铝原料使用过程造成的成分及纯度不稳定的问题,多采用基于历史数据的经验模型或数据驱动模型对纯度进行预测,再基于预测结果对原料配比及制备工艺进行调整。但该类方法通常未考虑冶炼过程中杂质的实际物理化学行为,对再生铝原料引入所带来的影响表征不足,因而在高再生铝原料比例条件下预测精度下降明显。此外,现有技术通常以纯度最大化为单一优化目标,缺乏对再生铝原料利用率的协同考虑,难以在保证高纯度要求的同时兼顾资源利用效率与生产成本。
技术实现思路
1、为了解决上述问题,本发明提供了一种基于再生铝原料的电解高纯铝成分智能优化方法及系统,在数据驱动纯度预测模型的基础上,引入用于表征再生铝原料杂质冶金行为的机理修正函数,对模型预测结果进行约束修正,从而抑制数据驱动模型在超出训练数据范围时产生的不合理预测结果,提高预测结果的工程可靠性;并进一步结合多目标优化模型,提高纯度预测精度,同时实现高纯铝纯度与再生铝原料利用率之间的协同优化。
2、为了达到上述目的,本发明实施例所采用的技术方案如下:
3、第一方面,本发明实施例提供了一种基于再生铝原料的电解高纯铝成分智能优化方法,所述方法包括如下步骤:
4、采集高纯铝生产过程中的工艺参数及对应的化验数据,所述化验数据至少包括出槽高纯铝纯度以及痕量元素含量;根据工艺参数及化验数据构建历史生产数据集;
5、基于xgboost模型构建级联纯度预测模型,依次建立工艺参数与痕量元素、高纯铝纯度之间的映射关系;
6、基于所述级联纯度预测模型得到预测高纯铝纯度,并构建机理修正函数,对进行修正,得到机理修正纯度;
7、构建多目标优化模型,以最大化以及再生铝原料投入比例最大化为优化目标,并设置机理修正纯度下限约束;
8、对所述多目标优化模型进行求解,获得满足约束条件的帕累托最优解集及对应的工艺参数组合;
9、基于所述帕累托最优解集,输出多组最优成分配比及对应的目标纯度和痕量元素控制范围,并指导高纯铝熔炼过程中配料参数的优化控制。
10、作为本发明的一个优选实施例,所述工艺参数包括电流、电压、温度及投料比例,所述痕量元素包括铁、硅、镁和/或铜。
11、作为本发明的一个优选实施例,所述级联纯度预测模型,包括痕量元素预测子模型及高纯铝纯度预测子模型;其中,痕量元素预测子模型以工艺参数作为输入特征,输出预测的痕量元素含量;高纯铝纯度预测子模型以痕量元素预测子模型的预测结果和工艺参数作为输入特征,输出预测的高纯铝纯度,从而建立工艺参数与高纯铝纯度之间的映射关系。
12、作为本发明的一个优选实施例,所述机理修正函数用于表征:
13、(1)再生铝原料中微量杂质在铝基体中形成金属间化合物所引起的纯度下降效应;
14、(2)再生铝原料在高温冶炼过程中发生氧化烧损所导致的有效铝含量降低效应。
15、作为本发明的一个优选实施例,所述机理修正函数为:
16、,(1)
17、式(1)中,表示再生铝原料中杂质质量占比,为杂质等效放大系数。
18、作为本发明的一个优选实施例,所述杂质等效放大系数满足如下关系:。
19、作为本发明的一个优选实施例,所述多目标优化模型的决策变量包括:铝液设定温度、再生铝原料加入比例以及各痕量元素的配料掺入比例。
20、作为本发明的一个优选实施例,所述机理修正纯度下限约束包括:
21、(1)机理修正纯度不低于99.995%;
22、(2)各痕量元素含量满足高纯铝的工艺标准范围。
23、作为本发明的一个优选实施例,所述指导高纯铝熔炼过程中配料参数的优化控制,具体包括:若当前生产目标以最高纯度为优先,则选择纯度最高的方案;若当前生产目标是在保证纯度满足要求的前提下提高再生铝原料利用率,则选择再生铝原料加入比例最高且满足纯度下限约束的方案;若需要兼顾纯度和再生铝原料利用率,则选择综合平衡方案。
24、第二方面,本发明实施例还提供了一种基于再生铝原料的电解高纯铝成分智能优化系统,所述系统包括数据采集模块、级联模型构建模块、纯度预测模块、纯度修正模块、多目标优化模型构建模块、多目标求解模块以及控制参数输出模块;其中,
25、所述数据采集模块用于采集高纯铝生产过程中的工艺参数及对应的化验数据,所述化验数据至少包括出槽高纯铝纯度以及痕量元素含量;根据工艺参数及化验数据构建历史生产数据集;
26、所述级联模型构建模块用于基于xgboost模型构建级联纯度预测模型,依次建立工艺参数与痕量元素和高纯铝纯度之间的映射关系;
27、所述纯度预测模块用于基于所述级联纯度预测模型得到预测高纯铝纯度;
28、所述纯度修正模块用于构建机理修正函数,对进行修正,得到机理修正纯度;
29、所述多目标优化模型构建模块用于构建多目标优化模型,以最大化以及再生铝原料投入比例最大化为优化目标,并设置机理修正纯度下限约束;
30、所述多目标求解模块用于对所述多目标优化模型进行求解,获得满足约束条件的帕累托最优解集及对应的工艺参数组合;
31、所述控制参数输出模块用于基于所述帕累托最优解集,输出多组最优成分配比及对应的目标纯度和痕量元素控制范围,并指导高纯铝熔炼过程中配料参数的优化控制。
32、本发明实施例的方案具有如下有益效果:
33、本发明实施例所提供的基于再生铝原料的电解高纯铝成分智能优化方法及系统,通过在纯度预测过程中引入机理修正函数,并设置杂质等效放大系数,提高了纯度预测结果的准确性;同时通过构建多目标优化模型,实现了高纯铝纯度与再生铝原料利用率之间的协同优化,从而在保证产品性能的前提下提升资源利用效率并降低生产成本。
34、当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
1.一种基于再生铝原料的电解高纯铝成分智能优化方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的方法,其特征在于,所述工艺参数包括电流、电压、温度及投料比例,所述痕量元素包括铁、硅、镁和/或铜。
3.根据权利要求1所述的方法,其特征在于,所述级联纯度预测模型,包括痕量元素预测子模型及高纯铝纯度预测子模型;其中,痕量元素预测子模型以工艺参数作为输入特征,输出预测的痕量元素含量;高纯铝纯度预测子模型以痕量元素预测子模型的预测结果和工艺参数作为输入特征,输出预测的高纯铝纯度,从而建立工艺参数与高纯铝纯度之间的映射关系。
4.根据权利要求1所述的方法,其特征在于,所述机理修正函数用于表征:
5.根据权利要求4所述的方法,其特征在于,所述机理修正函数为:
6.根据权利要求5所述的方法,其特征在于,所述杂质等效放大系数满足如下关系:。
7.根据权利要求1所述的方法,其特征在于,所述多目标优化模型的决策变量包括:铝液设定温度、再生铝原料加入比例以及各痕量元素的配料掺入比例。
8.根据权利要求1所述的方法,其特征在于,所述机理修正纯度下限约束包括:
9.根据权利要求1所述的方法,其特征在于,所述指导高纯铝熔炼过程中配料参数的优化控制,具体包括:若当前生产目标以最高纯度为优先,则选择纯度最高的方案;若当前生产目标是在保证纯度满足要求的前提下提高再生铝原料利用率,则选择再生铝原料加入比例最高且满足纯度下限约束的方案;若需要兼顾纯度和再生铝原料利用率,则选择综合平衡方案。
10.一种基于再生铝原料的电解高纯铝成分智能优化系统,其特征在于,所述系统包括数据采集模块、级联模型构建模块、纯度预测模块、纯度修正模块、多目标优化模型构建模块、多目标求解模块以及控制参数输出模块;其中,
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com