镍闪速熔炼过程数值仿真

采用数值模拟软件对国内某大型镍厂闪速炉内气相的速度、温度、浓度及不同粒径颗粒的速度和温度分布特性进行研究。研究结果表明：通过COMSOL软件模拟后,喷嘴喷入的混合气流入炉后发生膨胀,在闪速炉内形成涡流,并会向反应塔上部运动发生回流;氧化反应主要发生在离反应塔中心1.2 m区域内,在距塔顶5.59 m处氧化反应基本完成,且氧气未被完全消耗,沉淀池出口氧气体积分数为7.70%;喷嘴下方和反应塔中下部存在局部高温区域,反应塔中上部区域出现低温区域;小粒径混合物料颗粒与大粒径混合物料颗粒相比受气体影响程度较大,达到的最大速度更大,且由于着火点低,温度上升较快,控制混合物料颗粒粒径在60～80μm之间熔炼反应效果较好。     

铅闪速熔炼过程的多相平衡模型

针对粗铅、铜锍、炉渣和烟气四相平衡体系,基于最小吉布斯自由能原理,采用元素势法,建立铅闪速熔炼多相平衡热力学模型.在与半工业试验相同炉料组成、熔炼温度、富氧浓度等操作条件下,模拟计算平衡组成.研究结果表明;粗铅中Pb质量分数绝对误差为0.30,相对误差仅为0.30％;炉渣中Pb,CaO和SiO2质量分数绝对误差分别为2.00,0.50和0.70,相对误差分别为6.67％,3.57％和3.89％,说明建立的模型能较好地反映铅闪速熔炼实际情况,为铅闪速熔炼过程的热力学研究提供了依据.     

镍闪速熔炼过程的模糊动态质量模型与控制

提出了利用Ｔａｋａｇｉ－Ｓｕｇｅｎｏ（简称Ｔ－Ｓ）模糊模型建立镍闪速熔炼过程动态质量模型的方法（即考虑过去与当前的输入、输出信息对将来输出的影响）,并对其动态过程进行了结构辨识和模型参数辨识。;在此基础上,针对建立的模糊动态模型,设计了２种不同的模糊控制器,一种是建立模糊动态质量模型的逆模型来实现控制;另一种是通过模型计算输出的前馈控制加系统输出的反馈控制来实现控制。经过２个月的离线指导和实际在线     

基于神经网络的细小液体管道堵塞预测模型

在分析反映管道堵塞工艺参数的基础上,提出了一种基于BP神经网络的细小液体管道预测方法,通过收集管道堵塞时的各种工艺参数,建立预测模型。仿真结果表明,模型预测结果与实际堵塞结果非常吻合,并能成功用于实际的细小管道的堵塞预测。     

铜冰铜熔炼过程的物理现象

在模拟反射炉和电炉熔炼冰铜的实验中,用X射线电视装置研究了铜冰铜熔炼时的各种物理现象。炉料在熔炼时所发生的变化均记录在电视录像磁带及X光胶片上。利用渣锍两相之间界面张力的数据计算了体系的浮游系数和膜系数。讨论了熔融硫化物对固体炉料的浸染,泡沫渣的形成条件,冰铜液滴与气泡在渣中的行为以及它们对金属在渣中损失的影响。     

大棚气候的BP神经网络预测模型研究

以大棚外气象因子中温度、湿度、辐射等为输入量,分别以大棚内气温、地温、湿度等气象因子为单项输出量,构建了基于神经网络预测预报原理的大棚小气候预测模型,模型预测结果好,该模型一方面能够解决大棚内气候资料缺乏的问题,另一方面能够提前模拟大棚内气候,对大棚的环境调控起指导作用.     

基于BP神经网络的柴油机燃烧特征参数前馈预测模型

CA50是柴油机缸压反馈控制技术中的反馈变量,对柴油机的性能有重要的影响。在一台六缸高压共轨柴油机上研究了喷油正时与CA50关系,以及CA50对柴油机经济性和排放的影响。为探究基于神经网络的前馈控制在缸压反馈控制中运用的可行性,建立了通过不同的燃烧边界条件预测CA50的BP神经网络预测模型,进行原机试验得到CA50对发动机性能影响的系列试验点数据。选取190个不同边界条件的试验点作为模型的总样本,其中用于前期神经网络训练的样本125个、用于检测神经网络泛化能力的测试样本65个。结果表明基于BP神经网络的预测模型在误差允许范围内,能较为准确的通过边界条件预测CA50,可以满足柴油机缸压反馈技术中前馈控制的要求。     

基于神经网络的预测模型的比较研究

随着经济预测、电力预测等各种预测的兴起,预测对各种领域的重要性开始显现.针对在建立预测模型时不能准确判别使用合适的神经网络,论文归纳了几种常用干预测的神经网络:BP神经网络、RBF神经网络、小波神经网络、组合神经网络,并总结了相应的优缺点,及其适用的预测范围.以某蓄电池厂近几年的销售量为例,检验各种预测模型的精度.预测结果显示,用单一预测模型进行预测时,因自身的局限,使其预测精度和稳定性不高.相比之下,组合预测模型更能有效提高预测精度,可以较充分的降低预测风险,保证预测结果的稳健性.     

BP神经网络水华预测模型的敏感性分析

敏感性分析能够定量地评价模型输入变量的变化对输出结果产生的影响,是揭示模型蕴含规律的有效途径.本文将敏感分析方法应用于BP神经网络巢湖水华预测模型中,分析结果表明巢湖水华形成受诸多环境因子共同影响,水温、溶解氧、浊度、气温、光照强度等环境因子变化与藻类质量浓度变化相关,其中气温是最大影响因素,相对贡献率达到17.01%;气压的上升则不利用于藻类质量浓度的增加;pH值的上升对藻类质量浓度的影响有正有负.     

基于BP神经网络的公路风吹雪雪深预测模型

公路风吹雪雪深预测作为国际雪冰学领域的研究热点和难点问题一直未能很好解决.以白茫雪山防雪走廊段安装的自动气象站和当地气象局提供的气象资料为基础,提取了对公路风吹雪雪深有影响的4种因素(降雪量、大气温度、风速和湿度)的指标值,建立了基于BP(back propagation)神经网络的公路风吹雪雪深预测模型.对研究区5次降雪过程中所记录的199组数据进行训练学习,用20组数据来验证建立的模型,验证结果表明20h累计雪深预测值的误差在10%以内,85%的雪深预测值误差在20%以内,因此所建立的模型具有很强的泛化能力和较高的精度.并对降雪量、大气温度、风速和湿度这4个因素进行了敏感性分析,表明雪深与降雪量成正比,与其他3个因素成反比,其中降雪量对雪深的影响最大,风速次之,湿度最小.     

Moisture effect on the combustion of a single copper concentrate particle in a flash smelting furnace

A mathematical model has been presented to study the combustion of a single copper concentrate particle with high moisture content. By using the presented model, the effect of particle moisture content on particle temperature, sulfur oxidation, and combustion heat generation has been evaluated. The mineralogical composition of the commonly used concentrate at Khatoonabad flash smelting furnace has been used in this study. It was found that the particle moisture content is removed in the sub-second time range and thus the moisture has marginal impact on the variation of particle temperature and on the reaction rate when the gas temperature is assumed to be constant in the reaction shaft. When a concentrate with high moisture content is charged, the particle size enlargement due to the agglomeration of concentrate particles causes an abrupt fall in the particle reaction rate.     

Numerical modeling of Jinlong CJD burner copper flash smelting furnace

Fluid flow, heat transfer and combustion in Jinlong CJD concentrate burner flash smelting furnace have been investigated by numerical modeling and flow visualization. The modeling is based on the Eulerian approach for the gas flow equations and the Lagrangian approach for the particles. Interaction between the gas phase and particle phase, such as frictional forces, heat and mass transfer, are included by the addition of sources and sinks. The modeling results including the fluid flow field, temperature field, concentration field of gas phase and the trajectories of particles have been obtained. The predicted results are in good agreement with the data obtained from a series of experiments and tests in the Jinlong Copper Smelter and the temperature error is less than 20 K.     

闪速炉熔炼配风对反应过程的影响

随着铜闪速炉熔炼强度的不断提高,熔炼生产及其反应配风之间的关系发生了明显变化,其相互影响关系需要重新确定,为此,建立闪速熔炼过程的数值模型,并采用CFD软件Fluent6.3就大投料量下闪速炉生产操作的2个主要参数(分散风与工艺风)对熔炼过程中气、粒两相运动与混合反应过程的影响进行仿真研究。研究结果表明:分散风工艺风的动量比对闪速炉内颗粒的分散效果影响显著;在适度分散精矿颗粒并有效控制其对反应塔壁造成冲刷蚀损的前提下,使用大分散风工艺风动量比更有利于炉内气、粒两相混合与反应过程的顺利进行;而在相同分散风工艺风动量比下,采用小工艺风风速的操作条件时炉内整体反应效果较佳。     

基于MetCal计算模型双底吹连续炼铜工艺关键参数影响规律分析

双底吹连续炼铜工艺具有连续性、瞬时性的特点,其生产操作参数控制相对于其他炼铜工艺更为复杂,为确保产品质量稳定、炉况处于优化状态,需对双底吹连续炼铜工艺关键控制参数及其影响规律进行研究。本论文利用MetCal desk计算平台,通过物质流、能量流守恒的原理建立了双底吹连续炼铜工艺冶金计算模型,并在此基础上,通过单一调整富氧空气量、石英石配量、电解残极配加量等参数,分别考察其对双底吹连续炼铜工艺熔炼关键参数“铜锍品位、熔炼渣铁硅比及温度”和吹炼关键参数“粗铜品位、吹炼渣铁硅比及温度”的影响规律。结果表明：铜锍品位与熔炼石英石量、富氧空气量呈正相关,与配煤量呈负相关;熔炼渣铁硅比与熔炼石英石量、配煤量呈负相关;熔炼渣温度与熔炼富氧空气量、配煤量呈正相关;粗铜品位与吹炼富氧空气量、电解残极量呈正相关;吹炼渣铁硅比与电解残极量呈正相关,与吹炼石英石量呈负相关;吹炼渣温度与吹炼富氧空气量、电解残极量呈正相关。     

铜闪速炉数值仿真

利用欧拉法求解气相方程,利用拉格朗日法求解颗粒相方程,并用PSIC法耦合气固两相方程．通过仿真得到反应塔内部的流场、温度场、浓度场、燃烧释热场以及颗粒的轨迹与温度．可视化结果表明闪速炉内部流场存在2个大涡;闪速炉内部温度除喷嘴下部外,基本分布均匀;反应塔中含硫铜精矿在反应塔上部2m处就基本反应完全,在距离精矿喷嘴不到5m处,所有颗粒达到峰值温度;反应塔内部温度场、浓度场、流场以及颗粒的轨迹表明反应塔内部的各种场并非轴对称,不能将反应塔简化为二维轴对称来处理;仿真结果和现场试验结果相符,温度校验点的相对误差小于2%．     

基于偏最小二乘与神经网络耦合的储层参数预测

将偏最小二乘回归(PLS)与神经网络(NN)耦合,建立了储层参数预报模型.利用偏最小二乘对影响储层参数的诸多因素进行分析,提取对因变量影响强的成分,从而克服了变量间的多重相关性问题,降低了神经网络的输入维数;同时,利用神经网络建模可以较好地解决非线性的储层参数预测问题.计算实例表明,本耦合模型的拟合和预报精度优于独立使用神经网络模型的精度.     

产品失效的神经网络预测法

小子样的预测是一个比较复杂的问题．以产品失效为例，应用神经网络预测方法，成功地对产品失效的发展趋势进行了预测，获得了很好的效果．结果表明，神经网络预测法对小子样的分析精度能满足工程需要，实例分析的结果也符合工程实际．     

基于BP神经网络的钢液终点磷含量预测模型

磷含量是描述钢液质量的一个重要的含量。结合遗传算法（GA）和误差反馈型神经网络（BP）,建立了优化的GA-BP神经网络预测模型,预测转炉炼钢过程钢液终点磷含量。对现场收集的数据进行仿真学习,结果表明,该预测模型收敛速度快,具有较高的预测精度,平均绝对误差可达到0.002 7%。随着训练样本的增加和模型结构的进一步优化和完善,将具有很好的应用前景。