[发明专利]一种含挥发组元炉渣实际成分及物性随时间变化的预测方法

说明书

本发明涉及一种含挥发组元的炉渣实际成分及物性随时间变化的预测方法，包括如下步骤：对含挥发组元炉渣的初始成分进行检测分析；在一定温度、时间条件下对含挥发性组元炉渣进行多组物性检测，得到不同条件下的炉渣物性参数；对该炉渣进行急冷处理至室温，并对炉渣的实际成分进行检测分析；根据炉渣初始成分与不同条件下的炉渣高温物性参数及炉渣实际成分之间的对应关系，建立BP神经网络模型，其输入层为炉渣初始成分、温度与时间，输出层为炉渣相应时间下的炉渣实际成分和物性。本预测方法将时间作为变量条件，解决了含挥发性组元炉渣在高温下进行性能测定时实际组分测不准问题，并得到一定温度条件下不同时刻炉渣物性参数与实际成分的对应关系。

技术领域

本发明涉及冶金技术领域，具体来说，是一种利用BP神经网络模型对含挥发组元炉渣的实际成分以及所对应炉渣的高温物性参数随时间变化规律进行预测的方法。

背景技术

冶金炉渣成分及其物理化学性能对熔炼过程的温度控制、界面反应特性、夹杂物去除、甚至是熔炼过程顺行均息息相关。但是部分冶金炉渣组分具有易挥发特性，在高温条件下易挥发组分会随着时间持续挥发，会导致炉渣组分在熔炼中不断发生变化，进而引起炉渣物性参数的变化，并影响冶炼生产顺行。在炉渣高温性能测定中也会由于易挥发组分的大量挥发，导致最终测定的炉渣性能实际上并非对应设定的初始炉渣成分。这类问题在含易挥发组元渣熔炼和性能测定中普遍存在。近年来，随着直接炼铅新工艺逐渐成熟，研究者们对PbO-FeO_x-CaO-SiO₂-ZnO多元系物理化学性能与还原特性的关注倍增，相继取得了一些很有成效的研究结果。但对含PbO等易挥发分的炉渣进行高温物性测定时，不可避免地会造成易挥发组分挥发，导致炉渣成分发生不同程度的变化，所测数据实际上是炉渣组分变化后的物性参数，而并非是初始的炉渣成分设定值，而对已经变化了的实际组分并未做检测分析；另外，含氟连铸结晶器保护渣中一般常添加Na₂O、CaF₂、Li₂O、MgO、MnO等添加剂来改善保护渣的物理化学性能，Na₂O、CaF₂在保护渣中起降低熔化温度和粘度的作用，但缺点是高温下易发生反应产生挥发性物质致使渣成分变化，导致炉渣组分与初始成分出现偏差，影响到渣性能；同理，电渣重熔过程中的含中、高氟渣系，高温下渣中的CaF₂会与其他组分反应生成挥发性气体，影响电渣重熔过程实际渣性能和生产顺行。综上，对含挥发组分炉渣，使用现有的炉渣性能测定方法不能解决炉渣物性与成分随时间变化的问题，高温停留时间越长，炉渣物性与成分的偏差越大，目前尚缺乏有效的解决办法。

人工神经网络(Artificial Neural Network)简称神经网(NN)，它是模仿生理神经网络结构及功能的一种信息处理系统。其中，BP反向传播算法是在众多的神经网络模型中应用最广泛且较为完善的算法，由于其多种优势，因此在冶金行业得到广泛的应用，并且取得了良好的结果。因此本申请旨在利用BP神经网络模型在一定温度范围、加热时间(保温持续)条件下，对含挥发性组元炉渣的实际组分与其相关高温物性参数之间对应关系进行预测。

发明内容

针对含挥发组元炉渣利用现有技术进行高温性能测定时存在的组分和性能随时间变化难以确定问题，本发明旨在提供一种含挥发组元实际炉渣实际成分及物性随时间变化的预测方法，该方法通过检测多组不同温度、时间条件下炉渣的实际成分与物性参数，从而获取建模条件及数据，并结合炉渣初始成分建立BP神经网络模型，对含挥发组元炉渣的实际组分及其相关高温物性参数的对应关系进行预测。

为实现上述技术目的，本发明采用的技术方案如下：

一种含挥发性组元炉渣实际成分及物性随时间变化的预测方法，包括如下步骤：

(1)对含挥发组元炉渣初始成分进行检测分析；

(2)在加热温度为600～1600℃，加热时间为0～300分钟的条件下，对步骤一中的含挥发性组元炉渣进行多组物性检测，获得炉渣在不同加热温度、加热时间条件下的物性参数测定结果；