CN103131870A - 用于预处理废杂铜冶炼炉炉内温度分布数据的方法 - Google Patents

Abstract

本发明公开了一种用于预处理废杂铜冶炼炉炉内温度分布数据的方法，本方法应用现有的流体力学模拟仿真计算获得稳定工作状态下的冶炼炉炉内温度分布的数据集，然后从该数据集中选取特性数据集并通过正交分解法获得冶炼炉炉内温度分布特性变化的空间基函数，接着根据冶炼炉炉内热量传递的时空分布特性用最小二乘法获得冶炼炉炉内热量传递的时间参数的估计值，最后获得由时间参数的估计值与空间基函数的线性函数构成的冶炼炉炉内温度分布数据，从而减少了数据的存储量，释放了处理器的内存空间，使得处理器能够平稳运行，从而实现对废杂铜冶炼过程的精确控制。

Description

用于预处理废杂铜冶炼炉炉内温度分布数据的方法

技术领域

本发明涉及一种冶金工业测控技术领域，尤其是涉及一种用于预处理废杂铜冶炼炉炉内温度分布数据的方法。

背景技术

目前，我国的铜材料主要是依靠氧化—还原法在冶炼炉中冶炼、提纯废杂铜获得。氧化—还原法的具体步骤为：将废杂铜材料装入竖炉中，接着在燃烧室内放入可燃气体，通过可燃气体的燃烧使得废杂铜材料熔化，材料溶液流入反射炉内后通过氧化、造渣、除渣、还原、精炼作业，获得纯度适宜的铜材料。

其中，冶炼炉如图1所示主要有竖炉、燃烧室、反射炉和烟道组成，承担了为整个冶炼过程提供适宜的工作环境的任务，也即提供适宜温度环境，使冶炼过程中的各种物理化学反应能够顺利的进行，从而保证最终产品的质量以及较低的能耗。因此，精确获知冶炼炉内的温度分布，对于实现废杂铜冶炼炉生产过程中的各项工艺参数的自动控制、生产的顺利进行与生产过程的节能降耗具有重要的意义。

然而由于冶炼炉内温度过高，在工业化冶炼过程中，实际测量冶炼炉内温度所需要耗费的成本过高，且测量操作非常危险，不易经常采用。现有的方法是通过采样定点数据，然后通过流体力学模拟计算仿真分析获得不同时间点的冶炼炉内温度分布数据，这种方法比较成熟，获得的温度分布数据也比较准确。但是由于冶炼时间比较长，通常仿真分析获得的温度分布数据的数据量由于时间点比较多而非常大，将该温度分布数据存储到程控设备的处理器后，在冶炼过程中进行提取时，经常会由于数据量过大，而占用处理器大量内存空间，导致处理器运行缓慢，不利于实现对冶炼过程的精确控制。

发明内容

本发明所要解决的技术问题是提供一种用于预处理废杂铜冶炼炉炉内温度分布数据的方法，降低冶炼炉内温度分布数据的数据量，减少内存占用量，提高程控设备的中央处理器运行速度，为实现对废杂铜冶炼过程的精确控制提供有力基础，从而获得优良的产品品质以及较低的能耗。

本发明解决上述技术问题所采用的技术方案为：一种用于预处理废杂铜冶炼炉炉内温度分布数据的方法，其特征在于，具体包括如下步骤：

（1）、建立冶炼炉炉内温度的流体力学模拟计算仿真模型；

（2）、根据步骤（1）所述的仿真模型，在冶炼炉的稳定工作状态下，以竖炉前部的天燃气流量变化为基础，对冶炼炉炉内温度进行流体力学模拟计算仿真分析，获得该稳定工作状态下的冶炼炉炉内温度分布的数据集；

（3）、从步骤（2）所述的冶炼炉炉内温度分布的数据集中选取M个点的的温度分布数据，形成冶炼炉炉内温度分布的特性数据集；

（4）、用正交分解法从步骤（3）所述的特性数据集中获得冶炼炉炉内温度分布变化的空间基函数；

（5）、根据热量传递的时空分布特性，将冶炼炉炉内温度分布变化表示为步骤（4）所述的空间基函数与时间参数的线性组合；并用最小二乘法解所述的线性组合，获得时间参数的估计值；

（6）、将冶炼炉炉内温度分布数据转换为时间参数的估计值与空间基函数的线性函数。

与现有技术相比，本发明的优点在于：本方法应用现有的流体力学模拟仿真计算获得稳定工作状态下，以竖炉前部的天燃气流量变化为基础的冶炼炉炉内温度分布的数据集，然后从该数据集中选取特性数据集并通过正交分解法获得冶炼炉炉内温度分布变化的空间基函数，接着根据冶炼炉炉内热量传递的时空分布特性，用最小二乘法获得冶炼炉炉内热量传递的时间参数的估计值，最后将冶炼炉炉内温度分布数据转换为时间参数的估计值与空间基函数的线性函数，从而减少数据的存储量，释放了处理器的内存空间，从而使得处理器能够平稳运行，实现对废杂铜冶炼过程的精确控制。

作为优选，所述的M在100到1000之间。在数据满足精度要求的境况下，所需要存储的数据量比较适宜。

作为最优，所述的M为300。在数据精度较高的境况下，所需要存储的数据量比较小。

附图说明

图1为本发明的冶炼炉的结构示意图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

一种用于预处理废杂铜冶炼炉炉内温度分布数据的方法，具体包括如下步骤：

（1）建立冶炼炉炉内温度的流体力学模拟计算仿真模型。首先应用网格绘图软件（Gambit）绘制冶炼炉的三维网格模型；接着将该三维网格模型导入流体力学模拟计算（CFD）仿真软件（Fluent）；设置好仿真应用的各种工作条件，包括竖炉前部的天燃气的流量和压力及其相应的助燃空气的流量和压力、竖炉后部的天燃气的流量和压力及其相应的助燃空气的流量和压力、天燃气的成分、反射炉的天燃气的流量和压力及其相应的助燃空气的流量和压力、竖炉的壁面条件、反射炉的壁面条件、烟道中烟气的成分、压力和温度；设置天燃气的燃烧方式为非预混式燃烧；然后完成对废杂铜冶炼炉内生产过程的仿真。并以左侧反射炉顶部温度的测量值t₀₁、右侧反射炉顶部温度的测量值t₀₂、左侧反射炉与竖炉交界口温度的测量值t₀₃、右侧反射炉与竖炉交界口温度的测量值t₀₄、烟道温度的测量值t₀₅、竖炉底部温度的测量值t₀₆、竖炉顶部温度的测量值t₀₇作为校验点，当E≤5%满足误差要求时，即可认为CFD仿真获得的数据是对冶炼炉内温度分布较好的近似；当E≥5%时，以上一次网格大小的25%、36%、49%或64%，重新进行仿真，直到满足误差条件为止，得到冶炼炉炉内温度的流体力学模拟计算仿真模型。其中，三维网格模型中的每个网格看成是一个温度相同的点，E为误差， $E=(\frac{|t_{01}-{\mathrm{tt}}_{01}|}{\left|t_{01}\right|}+\frac{|t_{02}-{\mathrm{tt}}_{02}|}{\left|t_{02}\right|}+\frac{|t_{03}-{\mathrm{tt}}_{03}|}{\left|t_{03}\right|}+\frac{|t_{04}-{\mathrm{tt}}_{04}|}{\left|t_{04}\right|}+\frac{|t_{05}-{\mathrm{tt}}_{05}|}{\left|t_{05}\right|}+\frac{|t_{06}-{\mathrm{tt}}_{06}|}{\left|t_{06}\right|}+\frac{|t_{07}-{\mathrm{tt}}_{07}|}{\left|t_{07}\right|})\×100\%,$ tt₀₁为左侧反射炉顶部温度的仿真值、tt₀₂为右侧反射炉顶部温度的仿真值、tt₀₃为左侧反射炉与竖炉交界口温度的仿真值、tt₀₄为右侧反射炉与竖炉交界口温度的仿真值、tt₀₅为烟道温度的仿真值、tt₀₆为竖炉底部温度的仿真值、tt₀₇为竖炉顶部温度的仿真值。

（2）根据步骤（1）的仿真模型，在冶炼炉的稳定工作状态下，对影响炉内温度分布的主要变量为竖炉前部的天燃气流量，在该稳定工作状态附近天燃气流量的±Δ%范围内，间隔相同时间并以相同幅度d%进行调整，重复对冶金炉内温度分布进行CFD仿真，得到N组废杂铜冶炼炉内的仿真温度分布构成的数据集。其中，Δ%为在工作点附件竖炉前部天燃气流量允许的最大波动，在本实施例中为5%；d%为每次调整的幅度，在本实施例中为0.1%；二者之间的关系为2Δ=Nd，N为仿真次数，N=100。

（3）从前述步骤（2）得到的数据集中，选取其中M个指定点的的温度分布数据，获得冶炼炉炉内温度分布的特性数据集，并将该特性数据集构建成矩阵T， $T=\left(\begin{array}{ccc}{t}_{11}& ...& t_{1N}\\ ...& t_{\mathrm{pq}}& ...\\ t_{M1}& ...& t_{\mathrm{MN}}\end{array}\right).$ 其中，t_pq为第p个点第q次仿真的数据值，p∈(1,...,M)、q∈(1,...,N)；在本实施例中，M在100～1000之间，M越小，数据量越少但数据精度越差；M越大，计算时间越多但数据精度越高。作为最优，选取M为300，数据精度较高的情况下，所用数据量较少。

（4）用正交分解法从步骤（3）所述的特性数据集中获得冶炼炉炉内温度分布变化的空间基函数，具体为：计算矩阵T′=(t′)_pq，t′_pq=t_pq-t_ave(p)，其中

计算矩阵R=(r)_pq，

计算矩阵R的特征值λ与特征向量x，获得矩阵R的MM个非零特征值，将这些非零特征值按降序进行排列，即λ₁≥λ₂≥...≥λ_MM，相应的特征向量为x₁，x₂，...，x_P，在MM个非零特征值中选取前K个非零特征值，满足指标

其中，P为特征向量的个数；获得空间基函数φ_j，其中， $T_j=\left(\begin{array}{c}{t}_{1j}\\ ...\\ t_{\mathrm{pj}}\\ ...\\ t_{\mathrm{Mj}}\end{array}\right),$ j∈(1,...,K)。

（5）将冶炼炉炉内温度分布变化根据冶炼炉炉内热量传递的时空分布特性表示为步骤（4）所述的空间基函数φ_j与时间参数α_n的线性组合，即

其中， ${T_n}^{\′}=\left(\begin{array}{c}{t^{\′}}_{1n}\\ ...\\ {t^{\′}}_{\mathrm{pn}}\\ ...\\ {t^{\′}}_{\mathrm{Mn}}\end{array}\right),$ n∈(1,...,N)；设置优化问题：

应用最小二乘法求解上述优化问题，获得时间参数α_n的估计值

其中，

为

的转置。

（6）将冶炼炉炉内温度分布数据转换为时间参数的估计值与空间基函数的线性函数。冶炼炉炉内温度分布数据的计算公式为：

${\hat{T}}_i=T_{\mathrm{ave}}\left(i\right)+\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{\widehat{\mathrm{\α}}}_i{\mathrm{\φ}}_j,$

其中，为T_i的估计值，T_i为i时M个指定点的温度分布数据构成的单列M行矩阵，T_ave(i)为M个指定点的温度分布数据的平均温度构成的单列M行矩阵， $T_{\mathrm{ave}}\left(i\right)=\left(\begin{array}{c}{t}_{\mathrm{ave}}\left(i\right)\\ ...\\ t_{\mathrm{ave}}\left(i\right)\end{array}\right),$ t_ave(i)为i时M个指定点仿真温度的平均值。

此时，按时间分组的大量温度数据转换成线性函数后，所需存储的数据量急剧下降，不再占用大量的内存空间。

通常为延长冶炼炉的使用寿命，冶炼炉一般只在几种设定的工作条件下进行冶炼，上述的稳定状态是指其中一种设定的工作条件下，冶炼炉内废杂铜的冶炼进入常态过程中，温度变化相对比较稳定。

Claims (3)

1.一种用于预处理废杂铜冶炼炉炉内温度分布数据的方法，其特征在于，具体包括如下步骤：

（1）、建立冶炼炉炉内温度的流体力学模拟计算仿真模型； 

（2）、根据步骤（1）所述的仿真模型，在冶炼炉的稳定工作状态下，以竖炉前部的天燃气流量变化为基础，对冶炼炉炉内温度进行流体力学模拟计算仿真分析，获得该稳定工作状态下的冶炼炉炉内温度分布的数据集；

（3）、从步骤（2）所述的冶炼炉炉内温度分布的数据集中选取M个点的温度分布数据，形成冶炼炉炉内温度分布的特性数据集；

（4）、用正交分解法从步骤（3）所述的特性数据集中获得冶炼炉炉内温度分布变化的空间基函数；

（5）、根据热量传递的时空分布特性，将冶炼炉炉内温度分布变化表示为步骤（4）所述的空间基函数与时间参数函数的线性组合；并用最小二乘法解所述的线性组合，获得时间参数函数的估计值；

（6）、将冶炼炉炉内温度分布数据转换为时间参数的估计值与空间基函数的线性函数。

2.根据权利要求1所述的用于预处理废杂铜冶炼炉炉内温度分布数据的方法，其特征在于：步骤（3）所述的M在100到1000之间。

3.根据权利要求2所述的用于预处理废杂铜冶炼炉炉内温度分布数据的方法，其特征在于：步骤（3）所述的M为300。

Images