CN103645694A - Ps铜转炉吹炼过程智能决策与终点预报方法及装置 - Google Patents

Abstract

本发明提供一种PS铜转炉吹炼过程智能决策与终点预报方法及装置，根据投料计划以及在线采集的入炉物料数据，连续实时计算吹炼过程中每个给定时间微元段内的炉内各相组成以及炉内熔体温度；然后基于预设的吹炼终点判断条件进行吹炼终点判断和预测。本发明提供的预报方法及装置对整个吹炼过程进行时间离散，将其分为若干个充分小的时间微元段，对每个时间微元段进行多相反应解析和传热计算，求出不同微元段的炉内各相组成和温度，并基于此进行吹炼终点预报以及据此进行冷料添加、溶剂添加等优化策略的选择。

Description

PS铜转炉吹炼过程智能决策与终点预报方法及装置

技术领域

本发明涉及工业自动控制技术领域，尤其是铜锍吹炼过程的智能控制，具体而言涉及一种PS铜转炉吹炼过程智能决策与终点预报方法及装置。

背景技术

铜锍吹炼是铜冶炼过程中制取粗铜的重要工序。长期以来铜锍吹炼主要采用PS转炉吹炼技术，PS转炉是自1909年以来世界通用的铜锍吹炼设备，到上世纪末，差不多全球矿产粗铜的80％都是用采用PS转炉吹炼制取。尽管目前PS转炉面临多种吹炼新设备、新技术的挑战，但由于PS转炉吹炼具有工艺成熟、尤其是能灵活处理各种废铜物料(包括块状物料)等优点，所以该工艺在从铜锍制取粗铜的过程中仍将占有十分重要的地位。

PS转炉是卧式侧吹廻转炉，空气或富氧从炉体一侧的风眼吹入,采用间歇周期性作业过程，操作上分为两个阶段。

在第一阶段(造渣期)，为了使FeS顺利地形成硅酸铁炉渣,需要加入石英熔剂（SiO₂），转炉造渣吹炼作业是在有石英熔剂存在的情况下,从风口向炉内熔体中鼓入富氧空气吹过炉内熔融的冰铜,吹炼过程是放热反应无需加热，通过空气的搅拌，冰铜中的硫化亚铁FeS与鼓入空气中的氧发生强烈氧化反应,生成氧化亚铁FeO和SO₂气体，氧化亚铁FeS再与添加的二氧化硅熔剂进行造渣反应，这个阶段持续到锍含Cu为75％以上、含Fe＜1％时结束，停风后排放上层炉渣。

造渣过程中FeS首先被氧化生成的氧化物FeO，造渣过程中FeO立即熔解于熔体内,并随着熔体的翻腾,而与SiO₂溶剂接触进行造渣反应。上述两个反应所产生的热是造渣期的主要热量来源。

冰铜中FeS氧化造渣一结束,标志着吹炼的第二周期的开始，即造铜期。在第二周期中，主要是部分Cu₂S氧化成Cu₂O,生成的Cu₂O再与Cu₂S发生反应,得到金属铜。在造铜期,留在炉内的白冰铜(主要以Cu₂S的形式存在)与鼓入的空气中的氧反应,生成粗铜和二氧化硫，直到粗铜含Cu98.5%以上结束。

尽管铜转炉吹炼工艺已问世百年，但其操作过程的决策控制一直依赖人工经验，由此带来以下主要问题：

1、各期终点判断误差波动大，增加作业成本与时间，产品质量得不到有效保证；

2、炉况不稳，由于对炉内温度变化趋势没有定量预判手段，风量调整、冷料加入时间数量等工艺参数的决策调整因人而异，难以及时准确把握，造成炉内温度波动幅度较大，炉况不稳，影响作业过程稳定性，加大对炉衬损害，降低炉寿命，增加炉体维护成本；

3、安全环保不易受控,人工取样终点判断不仅劳动强度大，而且存在一定的安全隐患，同时造成SO2烟气外逸，加大低空污染，治理低空污染需要大量投资和运行成本。

4、能耗高，由于过程参数优化程度低，各期终点判断误差波动大，产品合格率难以提高，造成冶炼周期长，设备能耗高。

综上所述，转炉吹炼过程参数优化及终点判断智能决策自动控制技术的突破，是该领域的迫切需要，它的实现可提升铜冶炼行业综合技术水平，实现增加产能、节能降耗、安全生产的目标，提高企业社会经济效益。

发明内容

本发明要解决的技术问题是，对PS铜转炉吹炼过程的全程仿真，预测出吹炼的结束点，进一步地，还基于全程仿真结果进行冷料、溶剂的智能决策。

为此，本发明的目的在于提供一种PS铜转炉吹炼过程智能决策与终点预报方法及装置，对吹炼过程进行时间离散，将其分为若干个充分小的时间微元段，对每个时间微元段进行多相反应解析和传热计算，求出不同微元段的炉内各相组成和温度，并基于此进行吹炼终点预报以及据此进行冷料添加、溶剂添加等优化策略选择。

本发明的上述目的通过独立权利要求的技术特征实现，从属权利要求以另选或有利的方式发展独立权利要求的技术特征。

为达成上述目的，本发明所采用的技术方案如下：

一种PS铜转炉吹炼过程智能决策与终点预报方法，包括以下步骤：

根据投料计划以及在线采集的入炉物料数据，连续实时计算吹炼过程中每个给定时间微元段内的炉内各相组成以及炉内熔体温度；以及

基于预设的吹炼终点判断条件进行吹炼终点判断和预测。

进一步的实施例中，所述给定时间微元段均为1分钟。

进一步的实施例中，所述预设的吹炼终点判断条件包括造渣期和造铜期两个时期的判断条件：

1）造渣期：当炉内铜锍中以FeS形式存在的Fe含量下降到1%时，即为造渣期终点；

2）造铜期：当炉内粗铜中的硫含量下降到0.04％时，即为造铜期终点。

进一步的实施例中，采用最小吉布斯自由能法计算所述每个给定时间微元段内的炉内各相组成，其实现包括以下过程：

每个给定时间微元段内的炉内各相体系达到平衡时，吉布斯自由能最小，总的吉布斯自由能可表示为：

$G=\underset{p}{\overset{p}{\mathrm{\Σ}}}\underset{c}{\overset{C_p}{\mathrm{\Σ}}}{x}_{\mathrm{pc}}(G_{\mathrm{pc}}^0+\mathrm{RT}\ln \left(\frac{{\mathrm{\γ}}_{\mathrm{pc}}{x}_{\mathrm{pc}}}{\underset{k}{\mathrm{\Σ}}{x}_{\mathrm{pk}}}\right)),$

式中，p表示吹炼体系中的总相数，c_p表示p相中的组分总数，x_pc表示组分pc的摩尔数，

表示组分pc为纯物质时在温度T时生成的吉布斯自由能，γ_pc表示组分pc的活度系数，R表示炉内气体常数；

将上述吉布斯自由能G在

处用泰勒公式二阶展开并结合质量守恒有：

$\underset{p=1}{\overset{P}{\mathrm{\Σ}}}\underset{c=1}{\overset{\mathrm{Cp}}{\mathrm{\Σ}}}{A}_{\mathrm{pce}}{x}_{\mathrm{pc}}-A_e=0,e=\mathrm{1,2},\·\·\·,E,$

式中，A_pce表示组分pc的分子式中e原子的个数，A_e表示平衡体系中e原子的总摩尔数，E表示吹炼体系中元素的种类数；

然后，按照拉格朗日因子法构造L函数：

$L=G-\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{\mathrm{\λ}}_e(\underset{p=1}{\overset{p}{\mathrm{\Σ}}}\underset{c=1}{\overset{\mathrm{Cp}}{\mathrm{\Σ}}}{A}_{\mathrm{pce}}{x}_{\mathrm{pc}}-A_e),$

式中，λ_e为拉格朗日因子；

再将L函数对x_pc及λ_e分别求偏导，并令各偏导等于零，可得方程：

$\frac{\∂L}{\∂x_{\mathrm{pc}}}=0,p=1,\·\·\·p,c=1,\·\·\·\mathrm{Cp}$

$\frac{\∂L}{\∂{\mathrm{\λ}}_e}=0,e=1,\·\·\·,E,$

采用迭代法求解上述方程，可得到每个给定时间微元段的炉内平衡时各相中各组分的摩尔分数。

进一步的实施例中，所述吹炼过程属多相反应过程，基于权利要求4所述的计算方法，连续实时解析判断每个给定时间微元段的炉内锍相、粗铜相及Fe₃O₄相存在与否，以及各存在相的组成。

进一步的实施例中，利用一维非稳态导热方程来计算所述每个给定时间微元段内的炉内熔体温度。

进一步的实施例中，所述方法更包含以下步骤：

可选择地切换至优化决策模式，在该模式下，基于所述每个给定时间微元段内的炉内各相组成以及炉内熔体温度、即在不加冷料的情况下对吹炼过程的仿真计算，得到炉内熔体的温度变化曲线，结合预先给定的熔体温度控制值即最低温度T_L和最高温度为T_H，采用步进法进行冷料计算，获得冷料的加入与加入时间，使得温度变化曲线在温度控制值范围内。

进一步的实施例中，对于吹炼过程熔体允许最低温度T_L，允许最高温度T_H，在熔体温度上升段，如果熔体最高温度>T_H，则在温度到达T_H之前开始加入冷料，设熔体温度上升至≥T_L所对应的时间为t₁，达到T_H的时间为t₂，则冷料开始加入时间t满足：t₁≤t<t₂，其中，可通过调整冷料加入量，并令熔体最高温度等于T_H，由此确定冷料加入量。

根据本发明的改进，还提出一种PS铜转炉吹炼过程智能决策与终点预报装置，包括：

OPC数据采集模块，用于采集吹炼过程的操作数据；

组成计算模块，用于根据投料计划以及在线采集的入炉物料数据计算给定时间微元段内的炉内各相组成；

温度计算模块，用于根据投料计划以及在线采集的入炉物料数据计算所述给定时间微元段内的炉内熔体温度；

吹炼终点预测模块，基于所述组成计算模块和温度计算模块在每一个时间微元段内所计算出的结果，根据造渣期和造铜期不同的终点判断条件进行吹炼终点判断和预测；

数据存储管理模块，用于各种数据的存储；

冷料计算模块，用于根据所述组成计算模块和温度计算模块在每一个时间微元段内所计算出的结果，计算冷料的加入量与加入时间；

系统总控模块，分别与所述吹炼终点预测模块、冷料计算模块连接，并且从外部可选择地控制切换下述模式：

1）吹炼终点预测模式，输出吹炼终点预测结果；或者切换至

2）优化决策模式，输出吹炼终点预测结果、冷料的加入量与加入时间。

进一步的实施例中，所述给定时间微元段均为1分钟。

进一步的实施例中，所述组成计算模块采用最小吉布斯自由能法计算所述每个给定时间微元段内的炉内各相组成，所述吹炼过程中所涉相包括气相、渣相、锍相、粗铜相及Fe₃O₄相，其组成计算包括以下过程：

每个给定时间微元段内的炉内各相体系达到平衡时，吉布斯自由能最小，总的吉布斯自由能可表示为：

$G=\underset{p}{\overset{p}{\mathrm{\&Sigma;}}}\underset{c}{\overset{C_p}{\mathrm{\&Sigma;}}}{x}_{\mathrm{pc}}(G_{\mathrm{pc}}^0+\mathrm{RT}\ln \left(\frac{{\mathrm{\&gamma;}}_{\mathrm{pc}}{x}_{\mathrm{pc}}}{\underset{k}{\mathrm{\&Sigma;}}{x}_{\mathrm{pk}}}\right)),$

式中，p表示平衡体系中的总相数，c_p表示p相中的组分总数，x_pc表示组分pc的摩尔数，

表示组分pc为纯物质时在温度T时生成的吉布斯自由能，γ_pc表示组分pc的活度系数，R表示炉内气体常数；

将上述吉布斯自由能G在

处用泰勒公式二阶展开并结合质量守恒有：

$\underset{p=1}{\overset{P}{\mathrm{\&Sigma;}}}\underset{c=1}{\overset{\mathrm{Cp}}{\mathrm{\&Sigma;}}}{A}_{\mathrm{pce}}{x}_{\mathrm{pc}}-A_e=0,e=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,E,$

式中，A_pce表示组分pc的分子式中e原子的个数，A_e表示平衡体系中e原子的总摩尔数，E表示吹炼体系中元素的种类数；

然后，按照拉格朗日因子法构造L函数：

$L=G-\underset{e=1}{\overset{E}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_e(\underset{p=1}{\overset{p}{\mathrm{\&Sigma;}}}\underset{c=1}{\overset{\mathrm{Cp}}{\mathrm{\&Sigma;}}}{A}_{\mathrm{pce}}{x}_{\mathrm{pc}}-A_e),$

式中，λ_e为拉格朗日因子；

再将L函数对x_pc及λ_e分别求偏导，并令各偏导等于零，可得方程：

$\frac{\&PartialD;L}{\&PartialD;x_{\mathrm{pc}}}=0,p=1,\&CenterDot;\&CenterDot;\&CenterDot;p,c=1,\&CenterDot;\&CenterDot;\&CenterDot;\mathrm{Cp}$

$\frac{\&PartialD;L}{\&PartialD;{\mathrm{\&lambda;}}_e}=0,e=1,\&CenterDot;\&CenterDot;\&CenterDot;,E,$

采用迭代法求解上述方程，可得到每个给定时间微元段的炉内平衡时各相中各组分的摩尔分数。

进一步的实施例中，所述温度计算模块利用一维非稳态导热方程来计算所述每个给定时间微元段内的炉内熔体温度。

进一步的实施例中，在所述优化决策模式下，所述冷料计算模块基于每个给定时间微元段内的炉内各相组成以及炉内熔体温度、即在不加冷料的情况下对吹炼过程的仿真计算，得到炉内熔体的温度变化曲线，结合预先给定的熔体温度控制值即最低温度T_L和最高温度为T_H，进行冷料计算，获得冷料的加入与加入时间，使得温度变化曲线在温度控制值范围内。

进一步的实施例中，所述冷料计算模块的计算过程中，对于吹炼过程熔体允许最低温度T_L，允许最高温度T_H，在熔体温度上升段，如果熔体最高温度>T_H，则在温度到达T_H之前开始加入冷料，设熔体温度上升至≥T_L所对应的时间为t₁，达到T_H的时间为t₂，则冷料开始加入时间t满足：t₁≤t<t₂，其中，可通过调整冷料加入量，并令熔体最高温度等于T_H，由此确定冷料加入量。

进一步的实施例中，所述装置还包括一溶剂计算模块，与所述系统总控模块连接，用于根据所述组成计算模块和温度计算模块在每一个时间微元段内所计算出的结果，计算溶剂的加入量与加入时间

由以上本发明的技术方案可知，本发明提出的PS铜转炉吹炼过程智能决策与终点预报方法及装置，将整个吹炼过程进行时间离散，划分为若干个充分小的时间微元段，并连续不断地对每个时间微元段进行仿真计算，依据每个时间微元段的投入物料、滞留产物及排除产物进行多相反应解析和传热计算，从而求出不同时间微元段即每个时刻段内的炉内各相组成和炉内熔体温度，即全程仿真过程，实现对吹炼过程炉内熔（烟气）的质量、成分与温度的动态解析。基于这些仿真计算的结果，结合造渣期和造铜期不同的吹炼终点判断条件进行吹炼终点的判断和预测，提高对吹炼过程的控制。更进一步，基于这些仿真计算的结果，还可以得到整个吹炼过程的温度变化曲线，结合预设的熔体允许最高温度和最低温度控制值，可进行冷料的加入优化计算与预测。更进一步，基于这些仿真计算的结果，还可以进行溶剂加入的优化选择。

通过以下结合附图以举例方式对本发明的实施方式进行详细描述，本发明的其他特征、特点和优点将会更加明显。

附图说明

图1为PS铜转炉吹炼过程智能决策与终点预报方法的总体流程示意图。

图2为图1所示方法的具体实现的一个示例性流程示意图。

图3为PS铜转炉吹炼过程智能决策与终点预报装置的一个示例性结构示意图。

图4为PS铜转炉吹炼过程智能决策与终点预报装置的另一个示例性结构示意图。

图5为一种信息处理系统示例性的结构示意图，图1-图2所示的方法可在该系统中实现。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。

图1是按照本发明一实施例PS铜转炉吹炼过程智能决策与终点预报方法的流程图，该流程开始于步骤101。然后，在步骤102，根据投料计划以及在线采集的入炉物料数据，连续实时计算吹炼过程中每个给定时间微元段内的炉内各相组成以及炉内熔体温度。接下来在步骤103，基于步骤102所得的每个给定时间微元段内的炉内各相组成以及炉内熔体温度，根据造渣期和造铜期不同的终点判断条件进行吹炼终点判断和预测。然后，在步骤104中，进行预测结果输出。最后，在步骤105，结束流程。

在步骤102，针对每个对应时间微元段内的各相组成计算和熔体温度计算，计算所用的数据满足：在过去时和当前时（也即当前时间微元段以及在此之前的时间微元段），采用在线采集的入炉物料组成数据,这些数据可来源于OPC数据采集；针对将来时（也即在当前时间微元段以后的时间微元段），基于投料计划来进行计算。

前述步骤103中，造渣期和造铜期的终点判断条件包括：

1）造渣期：按粗铜中的硫含量或氧含量进行判断。本实施例中，当炉内铜锍中以FeS形式存在的Fe含量下降到1%时，即为造渣期终点；

2）造铜期：由于粗铜中的硫含量和氧含量相互制约，可任取其一个进行判断。本实施例中，按粗铜中的硫含量加以判断，即当炉内粗铜中的硫含量下降到0.04％时，即为造铜期终点。

当然，在一些实施例中，由于工艺、入炉原料的质量等因素，上述造渣期和造铜期的终点判断条件，可以进行微调，以作为终点判断条件。本领域技术人员可知的是，本实施例中所提出的终点判断条件仅为一个示例，并不以这些所选择的的硫及其含量、Fe及其含量此作为限制，本领域技术人员可以根据工艺、入炉原料的质量等因素，合理地选择终点判断条件以作为终点判断依据。

PS铜转炉吹炼时，由于空气的鼓入，炉内熔体被强烈搅动，空气中的氧与熔体间接触面积大，氧化反应迅速进行，氧利用率达95％以上，同时熔体成分较均匀。因此，本实施例中，近似认为在吹炼过程中，炉内各相组成均接近平衡，但吹炼反应平衡点随着各种反应物（如空气）的不断投入，以及部分产物（如烟气）的不断排出而不断变化移动。为了动态解析吹炼过程炉内熔体（烟气）的质量、成分与温度，本实施例中，对整个吹炼过程进行时间离散，划分为若干个充分小的时间微元段，计算每个时间微元段内的炉内各相组成以及炉内熔体温度。作为优选地，给定时间微元段均为1分钟。当然，也可以设计适当缩短或延长，例如0.8分钟或者1.5分钟，但是这些设计的时间微元段应当充分的短但不应当过短，影响到仿真计算的过程，经过多次试验证明在1分钟，以及在1分钟左右微调是比较优选的。

参考图2所示，给出了一种PS铜转炉吹炼过程智能决策与终点预报方法的具体实施，该实施例开始于步骤201，然后进入步骤202，对时间微元段计数，其初始值N=1。

在步骤202之后，进入步骤203。

在步骤203，根据投料计划和在线采集的入炉物料数据，确定该时间微元段N时的反应物种类与数量。如前所述，针对每个对应时间微元段内的各相组成计算和熔体温度计算，计算所用的数据满足：在过去时和当前时（也即当前时间微元段以及在此之前的时间微元段），采用在线采集的入炉物料组成数据；针对将来时（也即在当前时间微元段以后的时间微元段），基于投料计划来进行计算。

值得一提的是，在PS铜转炉整个吹炼过程中，发生的典型化学反应包括：

（1）造渣期

主要是除去热铜锍中全部铁以及与铁化合的硫。氧化产生的FeO与加入的SiO₂熔剂发生造渣反应而被除去。反应为：

2FeS(l)+3O₂(g)==2FeO(l)+2SO₂(g)

2FeO(l)+SiO2(s)==2FeO·SiO2(l)

在吹炼温度下，FeS的氧化属气、液间的反应，进行得很迅速；而FeO的造渣属固、液间的反应，进行得较缓慢。如果SiO₂溶剂与FeO接触不充分，来不及造渣的FeO便随熔体循环并与空气再次相遇，进一步被氧化成磁性氧化铁：

6FeO(l)+O₂(g)==2Fe₃O₄(l)

形成的Fe₃O₄只能在有SiO₂溶剂存在时才按下式被还原：

3Fe₃O₄(l)+FeS(l)+5SiO₂(s)==5(2FeO·SiO₂)(l)+SO₂(g)

（2）造铜期

鼓入空气中的氧首先与Cu₂S熔体进行气、液反应生成Cu₂O。Cu₂O在液相中与Cu₂S进行交互反应而得到粗铜，即：

2Cu₂S(l)+3O₂(g)==2Cu₂O(l)+2SO₂(g)

Cu₂S(l)+2Cu₂O(l)==6Cu(l)+SO₂(g)

在步骤203之后，进入步骤204。

在步骤204，假定一个温度T，并在下面的步骤205，基于该假定的温度T进行组成模型解析，计算该时间微元段N下炉内的各相组成。

本实施例中，对组成模型进行解析，采用最小吉布斯自由能法计算所述每个给定时间微元段内的炉内各相组成。吹炼过程中所涉相包括气相、渣相、锍相、粗铜相及Fe₃O₄相。

由热力学原理可知，对于一个在恒温恒压、无非体积膨胀功的体系有：

dG+SdT-VdP≤0

$\mathrm{dG}=-S+\mathrm{VdP}+\underset{i}{\mathrm{\&Sigma;}}{\mathrm{\&mu;}}_{i}d{n}_i$

由上式有：

$\underset{i}{\overset{k}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_{i}d{n}_i\&le;0$

上式说明，在恒温恒压下，自发反应过程是向吉布斯自由能减小的方向进行。

当吉布斯自由能达到最小值时，体系就达到了平衡，这就是最小自由能原理。对于一个多相体系，由上式有：

$\underset{p=1}{\overset{p}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{C_p}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_i^{\left(p\right)}d{n}_i\&le;0$

式中：

表示p相中组分i的化学位，p表示相数，Cp表示P相中的组分总数。

上式为多相多组分反应体系是否达到平衡的判据，当体系处于平衡状态时，等号成立；当体系处于非平衡状态时，小于号成立。即体系总是向着吉布斯自由能减小的方向变化，直到吉布斯自由能达到最小时体系达到平衡。

由上述推断，本实施例中在每个给定时间微元段内炉内各相各组分的计算过程如下：

每个给定时间微元段内的炉内各相体系达到平衡时，吉布斯自由能最小，总的吉布斯自由能可表示为：

$G=\underset{p}{\overset{p}{\mathrm{\&Sigma;}}}\underset{c}{\overset{C_p}{\mathrm{\&Sigma;}}}{x}_{\mathrm{pc}}(G_{\mathrm{pc}}^0+\mathrm{RT}\ln \left(\frac{{\mathrm{\&gamma;}}_{\mathrm{pc}}{x}_{\mathrm{pc}}}{\underset{k}{\mathrm{\&Sigma;}}{x}_{\mathrm{pk}}}\right)),$

式中，p表示平衡体系中的总相数，c_p表示p相中的组分总数，x_pc表示组分pc的摩尔数，

表示组分pc为纯物质时在温度T时生成的吉布斯自由能，γ_pc表示组分pc的活度系数，R表示炉内气体常数；

将上述吉布斯自由能G在

处用泰勒公式二阶展开并结合质量守恒有：

$\underset{p=1}{\overset{P}{\mathrm{\&Sigma;}}}\underset{c=1}{\overset{\mathrm{Cp}}{\mathrm{\&Sigma;}}}{A}_{\mathrm{pce}}{x}_{\mathrm{pc}}-A_e=0,e=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,E,$

式中，A_pce表示组分pc的分子式中e原子的个数，A_e表示平衡体系中e原子的总摩尔数，E表示吹炼体系中元素的种类数；

然后，按照拉格朗日因子法构造L函数：

$L=G-\underset{e=1}{\overset{E}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_e(\underset{p=1}{\overset{p}{\mathrm{\&Sigma;}}}\underset{c=1}{\overset{\mathrm{Cp}}{\mathrm{\&Sigma;}}}{A}_{\mathrm{pce}}{x}_{\mathrm{pc}}-A_e),$

式中，λ_e为拉格朗日因子；

再将L函数对x_pc及λ_e分别求偏导，并令各偏导等于零，可得方程：

$\frac{\&PartialD;L}{\&PartialD;x_{\mathrm{pc}}}=0,p=1,\&CenterDot;\&CenterDot;\&CenterDot;p,c=1,\&CenterDot;\&CenterDot;\&CenterDot;\mathrm{Cp}$

$\frac{\&PartialD;L}{\&PartialD;{\mathrm{\&lambda;}}_e}=0,e=1,\&CenterDot;\&CenterDot;\&CenterDot;,E,$

采用迭代法求解上述方程，可得到每个给定时间微元段的炉内平衡时各相中各组分的摩尔分数。

整个吹炼过程属多相（包括气相，渣相，锍相，粗铜相及Fe₃O₄相）反应过程，基于上述最小吉布斯自由能法，连续实时解析判断每个给定时间微元段的炉内锍相、粗铜相及Fe₃O₄相存在与否，以及各存在相的组成。

在步骤205之后，进入步骤206。

在步骤206，进行温度模型解析，从而得到一个温度值T1。

在吹炼过程中，导热过程是非稳态的，即温度场随着时间而变化，传热行为非常复杂，包括熔体、烟气、炉内表面及炉外部环境之间的传热，涉及传导、对流和辐射。对于熔体温度的动态计算，传统的三维非稳态温度场数值解析方法，其计算量太大，计算过程长，难以实现在线、实时的应用。

因此，在本实施例中，采用一维非稳态导热方程来计算所述每个给定时间微元段内的炉内熔体温度，在每个足够小的时间微元段内（例如1分钟），可快速计算出熔体温度。

一维非稳态导热方程，是常见的化学反应体系中节点温度的计算方法，通过构建一维非稳态导热方程（微分方程）并设定单值性条件（边界条件及初始条件），然后进行离散化得出一系列以温度为变量的代数方程（即各节点温度代数方程式），求解代数方程得到所以阶段的温度值。因此，通过对一维非稳态导热方程的求解，可得到每个时间微元段内的炉内熔体温度。一维非稳态导热方程及其求解方法，可采用例如：《传热学[M]》，(美)罗森诺(Rohsenow,W.M.)著,李荫亭译.科学出版社,1987年版中所提出的方法。当然，也可以采用例如杨能彪著《一维非稳态导热问题的数值计算》，载于“青海师范大学学报（自然科学版）”2006年第4期等。

在步骤206之后，进入步骤207。

在步骤207，对步骤206得出的温度值T1与步骤204设定的温度值T进行比较，并判断|T-T1|是否小于一常数ε，如果否，则进入步骤208，如果是，则进入步骤209。

在步骤208，将步骤207计算得出的温度值T1赋给T，然后再返回进入步骤205。

在步骤209，根据预设的吹炼终点判断条件进行终点的判断和预测，这里预设的吹炼终点判断条件已经如上所述做了说明，即炉内铜锍中以FeS形式存在的Fe含量（造渣期）和按粗铜中的硫含量（造铜期）。在该步骤209中，如果判断出（当前时间微元段N）炉内的物质组成不满足上述判断条件中的任意一个（分别对应造渣期和造铜期），即未到达吹炼终点，则进入步骤210；如果判断出（当前时间微元段N）炉内的物质组成满足上述判断条件（分别对应造渣期和造铜期），即到达吹炼终点，则进入步骤211。

在步骤210，对N进行累加1，即N=N+1，然后再返回进入步骤203。

在步骤211，计算结束并输出预测结果，然后进入结束步骤212。

由此可见，基于图2所示的方法，由于将整个吹炼过程划分为若干个等份且足够小的时间微元段，并计算出每个时间微元段内的炉内各相组成和温度，从而可得出整个吹炼过程的各相中各组分的质量变化曲线以及熔体温度变化曲线，在一些实施例中，如果以一定的方式例如通过显示器进行输出，从而表征给用户，可以将整个吹炼过程仿真并展现在用户眼前，可以直观地预测吹炼过程，对吹炼过程的实际掌控具有重要的意义。

在一些实施例中，图2所示的方法更可包含以下步骤：

可选择地切换至优化决策模式，在该模式下，基于所述每个给定时间微元段内的炉内各相组成以及炉内熔体温度、即在不加冷料的情况下对吹炼过程的仿真计算，得到炉内熔体的温度变化曲线，结合预先给定的熔体温度控制值即最低温度T_L和最高温度为T_H，采用步进法进行冷料计算，获得冷料的加入与加入时间，使得温度变化曲线在温度控制值范围内。

进一步的实施例中，对于吹炼过程熔体允许最低温度T_L，允许最高温度T_H，在熔体温度上升段，如果熔体最高温度>T_H，则在温度到达T_H之前开始加入冷料，设熔体温度上升至≥T_L所对应的时间为t₁，达到T_H的时间为t₂，则冷料开始加入时间t满足：t₁≤t<t₂，其中，可通过调整冷料加入量，并令熔体最高温度等于T_H，由此确定冷料加入量。

在另一些实施例中，基于整个吹炼过程的各相中各组分的质量变化曲线，还可以进行溶剂的优化计算，这里的溶剂主要是指SiO₂溶剂，由于溶剂的加入可促进造渣，因此总是存在这样的一个平衡，使得炉渣的粘度达到一个预定值，这样可防止因为SiO₂溶剂投入过多而在炉渣表面形成一层絮状游离物（游离态石英），导致烟气不易排出，造成的喷炉事故。而如果投入不足，容易造成部分的FeO无法与SiO₂反应进行造渣，从而继续氧化生成Fe₃O₄生成磁炉渣。

图3是按照本发明一实施例PS铜转炉吹炼过程智能决策与终点预报装置的结构示意图。其中，该装置300包括：301表示系统总控模块，302表示OPC数据采集模块，303表示组成计算模块，304表示温度计算模块，305表示吹炼终点预测模块，306表示数据存储管理模块，307表示冷料计算模块，以及308表示溶剂计算模块。

OPC数据采集模块302，用于采集吹炼过程的操作数据。采集的操作数据包括：热铜锍量，熔剂加入速度与总量，冷料加入速度与总量，空气流量，氧气流量。

组成计算模块303，用于根据投料计划以及在线采集的入炉物料数据计算给定时间微元段内的炉内各相组成。

温度计算模块304，用于根据投料计划以及在线采集的入炉物料数据计算所述给定时间微元段内的炉内熔体温度。

参考图2所示，组成计算模块303和温度计算模块304所涉及的计算方法和流程已参照图2进行了详细的说明。

吹炼终点预测模块305，基于所述组成计算模块和温度计算模块在每一个时间微元段内所计算出的结果，根据造渣期和造铜期不同的终点判断条件进行吹炼终点判断和预测。

参考图2所示，吹炼终点预测模块305所使用的计算结果以及终点判断条件已经参考图2进行了详细的说明。

值得一提的是，由于组成计算模块303和温度计算模块304已经计算出每个时间微元段的炉内各相组成，因此可以得到一个炉内各相组成的变化曲线，因此，图2所示方法中所用到的终点判断条件仅仅是一个示例性的说明，当然可以采用其他的成分来预设终点判断条件，根据生产或工艺的实际条件，还可以将其中某些成分的取值参数做调节。

数据存储管理模块306，用于各种数据的存储。

冷料计算模块307，用于根据所述组成计算模块和温度计算模块在每一个时间微元段内所计算出的结果，计算冷料的加入量与加入时间。

系统总控模块301，分别与所述吹炼终点预测模块305、冷料计算模块307连接，并且从外部可选择地控制切换下述模式：

1）吹炼终点预测模式，输出吹炼终点预测结果；或者切换至

2）优化决策模式，输出吹炼终点预测结果、冷料的加入量与加入时间。

作为优选的实施例，给定的时间微元段为均等份的1分钟。

如图3所示，装置300还包括一数据输入模块309，用于手动地输入数据，当然，该模块仅作为装置300的一个优选模块，并不是必须的。

如图3所示，装置300还包括一计算数据输出模块310，用于熔体温度和炉内各相各组分的计算结果输出，与上述数据存储管理模块306数据连接。该计算数据输出模块310可以是一些数据接口。较佳地，还可设置一显示模块311与所述数据存储管理模块306连接，用于以图表或者其他有利的方式表征，将吹炼终点预测结果和/或冷料的加入量与加入时间表征给用户。

在另一些实施例中，如图4所示，装置300还包括一溶剂计算模块308，与系统总控模块301连接，用于根据所述组成计算模块和温度计算模块在每一个时间微元段内所计算出的结果，计算溶剂的加入量与加入时间。这样，在切换至优化决策模式时，除了输出吹炼终点预测结果、冷料的加入量与加入时间，还输出溶剂的加入量和加入时间。

图5示例性地给出了一个信息处理系统的结构示意图。图1-图2所示的各种方法可在该系统中实现。图5中所示的信息处理系统包括：401表示CPU（中央处理单元），402表示RAM（随机存取存储器），403表示ROM（只读存储器），404表示系统总线，405表示HD（硬盘）控制器，406表示键盘控制器，407表示串行接口控制器，408表示并行接口控制器，409表示显示器控制器，410表示硬盘，411表示键盘，412表示照相机，413表示打印机，以及414表示显示器。这些部件中，与系统总线404连接的有CPU401、RAM402、ROM403、HD控制器405、键盘控制器406、串行接口控制器407、并行接口控制器408及显示器控制器419。硬盘410与HD控制器405连接，键盘411与键盘控制器406连接。显示器414与显示器控制器409连接。照相机412与串行接口控制器407连接，打印机413与并行接口控制器408连接。

图5中所示的各部件的功能在本技术领域内是众所周知的，并且图5所示的结构也是常规的。这种结构不仅适用于个人计算机（Personal Computer）、而且适用于手持式设备，例如手提电脑（Notebook）、PDA（Personal Digital Assistant）。在一些实施例中，图5中的一些部件可以被省略，例如，如果应用软件存储在EPROM中或者其他非挥发性存储区中，HD控制器和硬盘可以被省略。

图5中所示的整个系统由通常作为软件存在硬盘410中（或者如上所述的，存储在EPROM中或者其他非挥发性存储区中）的计算机可读指令控制，由CPU401控制执行。

在图1、图2所示的一个或多个流程图的基础上，对于一个本领域的普通技术人员来说，不需要经过创造性的劳动就可以直接开发出一个或多个软件来执行图1、图2流程图所示的方法。如图5所示的信息处理系统，如果得到这些软件的支持和加载，可实现与图3和图4所示装置300相同的功能。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (15)

1.一种PS铜转炉吹炼过程智能决策与终点预报方法，其特征在于，包括以下步骤：

根据投料计划以及在线采集的入炉物料数据，连续实时计算吹炼过程中每个给定时间微元段内的炉内各相组成以及炉内熔体温度；以及

基于预设的吹炼终点判断条件进行吹炼终点判断和预测。

2.根据权利要求1所述的PS铜转炉吹炼过程智能决策与终点预报方法，其特征在于，所述给定时间微元段均为1分钟。

3.根据权利要求1所述的PS铜转炉吹炼过程智能决策与终点预报方法，其特征在于，所述预设的吹炼终点判断条件包括造渣期和造铜期两个时期的判断条件：

1）造渣期：当炉内铜锍中以FeS形式存在的Fe含量下降到1%时，即为造渣期终点；

2）造铜期：当炉内粗铜中的硫含量下降到0.04％时，即为造铜期终点。

4.根据权利要求1所述的PS铜转炉吹炼过程智能决策与终点预报方法，其特征在于，采用最小吉布斯自由能法计算所述每个给定时间微元段内的炉内各相组成，其实现包括以下过程：

每个给定时间微元段内的炉内各相体系达到平衡时，吉布斯自由能最小，总的吉布斯自由能可表示为：

$G=\underset{p}{\overset{p}{\mathrm{\&Sigma;}}}\underset{c}{\overset{C_p}{\mathrm{\&Sigma;}}}{x}_{\mathrm{pc}}(G_{\mathrm{pc}}^0+\mathrm{RT}\ln \left(\frac{{\mathrm{\&gamma;}}_{\mathrm{pc}}{x}_{\mathrm{pc}}}{\underset{k}{\mathrm{\&Sigma;}}{x}_{\mathrm{pk}}}\right)),$

式中，p表示吹炼体系中的总相数，c_p表示p相中的组分总数，x_pc表示组分pc的摩尔数，

表示组分pc为纯物质时在温度T时生成的吉布斯自由能，γ_pc表示组分pc的活度系数，R表示炉内气体常数；

将上述吉布斯自由能G在

处用泰勒公式二阶展开并结合质量守恒有：

$\underset{p=1}{\overset{P}{\mathrm{\&Sigma;}}}\underset{c=1}{\overset{\mathrm{Cp}}{\mathrm{\&Sigma;}}}{A}_{\mathrm{pce}}{x}_{\mathrm{pc}}-A_e=0,e=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,E,$

式中，A_pce表示组分pc的分子式中e原子的个数，A_e表示平衡体系中e原子的总摩尔数，E表示吹炼体系中元素的种类数；

然后，按照拉格朗日因子法构造L函数：

$L=G-\underset{e=1}{\overset{E}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_e(\underset{p=1}{\overset{p}{\mathrm{\&Sigma;}}}\underset{c=1}{\overset{\mathrm{Cp}}{\mathrm{\&Sigma;}}}{A}_{\mathrm{pce}}{x}_{\mathrm{pc}}-A_e),$

式中，λ_e为拉格朗日因子；

再将L函数对x_pc及λ_e分别求偏导，并令各偏导等于零，可得方程：

$\frac{\&PartialD;L}{\&PartialD;x_{\mathrm{pc}}}=0,p=1,\&CenterDot;\&CenterDot;\&CenterDot;p,c=1,\&CenterDot;\&CenterDot;\&CenterDot;\mathrm{Cp}$

$\frac{\&PartialD;L}{\&PartialD;{\mathrm{\&lambda;}}_e}=0,e=1,\&CenterDot;\&CenterDot;\&CenterDot;,E,$

采用迭代法求解上述方程，可得到每个给定时间微元段的炉内平衡时各相中各组分的摩尔分数。

5.根据权利要求4所述的PS铜转炉吹炼过程智能决策与终点预报方法，其特征在于，所述吹炼过程属多相反应过程，基于权利要求4所述的计算方法，连续实时解析判断每个给定时间微元段的炉内锍相、粗铜相及Fe₃O₄相存在与否，以及各存在相的组成。

6.根据权利要求1所述的PS铜转炉吹炼过程智能决策与终点预报方法，其特征在于，利用一维非稳态导热方程来计算所述每个给定时间微元段内的炉内熔体温度。

7.根据权利要求1所述的PS铜转炉吹炼过程智能决策与终点预报方法，其特征在于，所述方法更包含以下步骤：

可选择地切换至优化决策模式，在该模式下，基于所述每个给定时间微元段内的炉内各相组成以及炉内熔体温度、即在不加冷料的情况下对吹炼过程的仿真计算，得到炉内熔体的温度变化曲线，结合预先给定的熔体温度控制值即最低温度T_L和最高温度为T_H，采用步进法进行冷料计算，获得冷料的加入与加入时间，使得温度变化曲线在温度控制值范围内。

8.根据权利要求7所述的PS铜转炉吹炼过程智能决策与终点预报方法，其特征在于，对于吹炼过程熔体允许最低温度T_L，允许最高温度T_H，在熔体温度上升段，如果熔体最高温度>T_H，则在温度到达T_H之前开始加入冷料，设熔体温度上升至≥T_L所对应的时间为t₁，达到T_H的时间为t₂，则冷料开始加入时间t满足：t₁≤t<t₂，其中，可通过调整冷料加入量，并令熔体最高温度等于T_H，由此确定冷料加入量。

9.一种PS铜转炉吹炼过程智能决策与终点预报装置，其特征在于，包括：

OPC数据采集模块，用于采集吹炼过程的操作数据；

组成计算模块，用于根据投料计划以及在线采集的入炉物料数据计算给定时间微元段内的炉内各相组成；

温度计算模块，用于根据投料计划以及在线采集的入炉物料数据计算所述给定时间微元段内的炉内熔体温度；

吹炼终点预测模块，基于所述组成计算模块和温度计算模块在每一个时间微元段内所计算出的结果，根据造渣期和造铜期不同的终点判断条件进行吹炼终点判断和预测；

数据存储管理模块，用于各种数据的存储；

冷料计算模块，用于根据所述组成计算模块和温度计算模块在每一个时间微元段内所计算出的结果，计算冷料的加入量与加入时间；

系统总控模块，分别与所述吹炼终点预测模块、冷料计算模块连接，并且从外部可选择地控制切换下述模式：

1）吹炼终点预测模式，输出吹炼终点预测结果；或者切换至

2）优化决策模式，输出吹炼终点预测结果、冷料的加入量与加入时间。

10.根据权利要求9所述的PS铜转炉吹炼过程智能决策与终点预报装置，其特征在于，所述给定时间微元段均为1分钟。

11.根据权利要求9所述的PS铜转炉吹炼过程智能决策与终点预报装置，其特征在于，所述组成计算模块采用最小吉布斯自由能法计算所述每个给定时间微元段内的炉内各相组成，所述吹炼过程中所涉相包括气相、渣相、锍相、粗铜相及Fe₃O₄相，其组成计算包括以下过程：

每个给定时间微元段内的炉内各相体系达到平衡时，吉布斯自由能最小，总的吉布斯自由能可表示为：

$G=\underset{p}{\overset{p}{\mathrm{\&Sigma;}}}\underset{c}{\overset{C_p}{\mathrm{\&Sigma;}}}{x}_{\mathrm{pc}}(G_{\mathrm{pc}}^0+\mathrm{RT}\ln \left(\frac{{\mathrm{\&gamma;}}_{\mathrm{pc}}{x}_{\mathrm{pc}}}{\underset{k}{\mathrm{\&Sigma;}}{x}_{\mathrm{pk}}}\right)),$

式中，p表示吹炼体系中的总相数，c_p表示p相中的组分总数，x_pc表示组分pc的摩尔数，

表示组分pc为纯物质时在温度T时生成的吉布斯自由能，γ_pc表示组分pc的活度系数，R表示炉内气体常数；

将上述吉布斯自由能G在

处用泰勒公式二阶展开并结合质量守恒有：

$\underset{p=1}{\overset{P}{\mathrm{\&Sigma;}}}\underset{c=1}{\overset{\mathrm{Cp}}{\mathrm{\&Sigma;}}}{A}_{\mathrm{pce}}{x}_{\mathrm{pc}}-A_e=0,e=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,E,$

式中，A_pce表示组分pc的分子式中e原子的个数，A_e表示平衡体系中e原子的总摩尔数，E表示吹炼体系中元素的种类数；

然后，按照拉格朗日因子法构造L函数：

$L=G-\underset{e=1}{\overset{E}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_e(\underset{p=1}{\overset{p}{\mathrm{\&Sigma;}}}\underset{c=1}{\overset{\mathrm{Cp}}{\mathrm{\&Sigma;}}}{A}_{\mathrm{pce}}{x}_{\mathrm{pc}}-A_e),$

式中，λ_e为拉格朗日因子；

再将L函数对x_pc及λ_e分别求偏导，并令各偏导等于零，可得方程：

$\frac{\&PartialD;L}{\&PartialD;x_{\mathrm{pc}}}=0,p=1,\&CenterDot;\&CenterDot;\&CenterDot;p,c=1,\&CenterDot;\&CenterDot;\&CenterDot;\mathrm{Cp}$

$\frac{\&PartialD;L}{\&PartialD;{\mathrm{\&lambda;}}_e}=0,e=1,\&CenterDot;\&CenterDot;\&CenterDot;,E,$

采用迭代法求解上述方程，可得到每个给定时间微元段的炉内平衡时各相中各组分的摩尔分数。

12.根据权利要求9所述的PS铜转炉吹炼过程智能决策与终点预报装置，其特征在于，所述温度计算模块利用一维非稳态导热方程来计算所述每个给定时间微元段内的炉内熔体温度。

13.根据权利要求12所述的PS铜转炉吹炼过程智能决策与终点预报装置，其特征在于，在所述优化决策模式下，所述冷料计算模块基于每个给定时间微元段内的炉内各相组成以及炉内熔体温度、即在不加冷料的情况下对吹炼过程的仿真计算，得到炉内熔体的温度变化曲线，结合预先给定的熔体温度控制值即最低温度T_L和最高温度为T_H，进行冷料计算，获得冷料的加入与加入时间，使得温度变化曲线在温度控制值范围内。

14.根据权利要求13所述的PS铜转炉吹炼过程智能决策与终点预报装置，其特征在于，所述冷料计算模块的计算过程中，对于吹炼过程熔体允许最低温度T_L，允许最高温度T_H，在熔体温度上升段，如果熔体最高温度>T_H，则在温度到达T_H之前开始加入冷料，设熔体温度上升至≥T_L所对应的时间为t₁，达到T_H的时间为t₂，则冷料开始加入时间t满足：t₁≤t<t₂，其中，可通过调整冷料加入量，并令熔体最高温度等于T_H，由此确定冷料加入量。

15.根据权利要求9所述的PS铜转炉吹炼过程智能决策与终点预报装置，其特征在于，所述装置还包括一溶剂计算模块，与所述系统总控模块连接，用于根据所述组成计算模块和温度计算模块在每一个时间微元段内所计算出的结果，计算溶剂的加入量与加入时间。

Images