CN109023429A - 一种铝电解槽智能打壳和智能供料系统及方法 - Google Patents
一种铝电解槽智能打壳和智能供料系统及方法 Download PDFInfo
- Publication number
- CN109023429A CN109023429A CN201811276118.1A CN201811276118A CN109023429A CN 109023429 A CN109023429 A CN 109023429A CN 201811276118 A CN201811276118 A CN 201811276118A CN 109023429 A CN109023429 A CN 109023429A
- Authority
- CN
- China
- Prior art keywords
- module
- crust breaking
- data
- tup
- material mouth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 38
- 239000004411 aluminium Substances 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 34
- AZDRQVAHHNSJOQ-UHFFFAOYSA-N alumane Chemical compound [AlH3] AZDRQVAHHNSJOQ-UHFFFAOYSA-N 0.000 title claims abstract description 28
- 230000001105 regulatory effect Effects 0.000 claims abstract description 21
- 230000003993 interaction Effects 0.000 claims abstract description 13
- 239000000463 material Substances 0.000 claims description 95
- 230000000694 effects Effects 0.000 claims description 18
- 239000003792 electrolyte Substances 0.000 claims description 15
- PNEYBMLMFCGWSK-UHFFFAOYSA-N Alumina Chemical compound [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 claims description 13
- 230000000903 blocking effect Effects 0.000 claims description 13
- 238000001228 spectrum Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 10
- 238000005868 electrolysis reaction Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000000465 moulding Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 239000007858 starting material Substances 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004090 dissolution Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 230000003442 weekly effect Effects 0.000 claims description 4
- 238000007664 blowing Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 230000032258 transport Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 230000001788 irregular Effects 0.000 claims description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 claims 1
- 230000002045 lasting effect Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000002362 mulch Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000013500 performance material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25C—PROCESSES FOR THE ELECTROLYTIC PRODUCTION, RECOVERY OR REFINING OF METALS; APPARATUS THEREFOR
- C25C3/00—Electrolytic production, recovery or refining of metals by electrolysis of melts
- C25C3/06—Electrolytic production, recovery or refining of metals by electrolysis of melts of aluminium
- C25C3/14—Devices for feeding or crust breaking
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25C—PROCESSES FOR THE ELECTROLYTIC PRODUCTION, RECOVERY OR REFINING OF METALS; APPARATUS THEREFOR
- C25C3/00—Electrolytic production, recovery or refining of metals by electrolysis of melts
- C25C3/06—Electrolytic production, recovery or refining of metals by electrolysis of melts of aluminium
- C25C3/20—Automatic control or regulation of cells
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Electrolytic Production Of Metals (AREA)
Abstract
本发明提供一种铝电解槽智能打壳和智能供料系统及方法，涉及铝电解槽生产控制系统技术领域。本发明为数据采集子系统采集压力、电流、电压、温度数据传输至智能控制器，由智能控制器输出加料速率以及锤头运行轨迹至输出驱动模块，智能控制器控制数字式比例调节阀的开度，输出驱动模块驱动打壳气缸驱动电磁阀和加料驱动电磁阀完成智能打壳和智能加料；需要人工操作时通过人机交互模块进行操作。该方法能够准确判断加料口状态，并通过控制系统给出的参数优化打壳锤头的运行轨迹、运行速度实现最少能量下，保障加料口的开孔率。
Description
技术领域
本发明涉及铝电解槽生产控制系统技术领域，尤其涉及一种铝电解槽智能打壳和智能供料系统及方法。
背景技术
目前，铝电解槽大多属于预焙槽，采用中间点式加料方式进行生产。电解槽内存在气、液、固三相流，电解槽外属于高温、高粉尘、强磁场环境。电解槽控制系统按照一定间隔通过加料口向电解槽内给料。料口状态直接影响电解槽的供料状态，目前，电解铝行业通过槽控机驱动气动系统，按照一定间隔利用打壳锤头冲击加料口，保证料口开孔率，从而实现有效加料。
电解槽阳极上的覆盖料在电解槽运行过程中经过复杂的物理、化学反应后形成质地坚硬的壳面，虽然可对槽内电解质起到保温作用，但为电解槽加料带来影响。料口小容易形成堵料、积料等生产问题，导致供料不均匀。料口过大容易导致锤头沾包、加料飞扬，阳极氧化等问题。
锤头温度过高会导致电解质沾附于锤头表面，并形成锤头沾包，因此锤头浸入电解质中的时间、深度均需要被精确控制，以防止锤头温度过高。
传统的智能打壳系统无供料控制功能，不能根据电解槽内电解质实际性能按需加料，也不能对打壳与加料动作时序实施有效控制，传统的槽控机加料过程，由于大量的氧化铝可能会粘于锤头电解质上，在较短的时间内形成大的沾包。
目前，铝电解槽所使用的打壳气缸均为直线气缸，由于成本或磁场环境的影响，电解铝行业所用的打壳系统一般仅对气缸动作时间或行程进行控制，例如多段式气缸、智能压壳气缸等。或者通过位移传感器检测气缸行程，从而实现智能打壳。但以上传统的智能打壳气缸或智能打壳系统仅对气缸本身行程进行检测，或仅对壳面厚度进行检测，而对加料口状态无法给出精准辨识。更不能根据电解槽加料周期、电解质溶解能力、两水平、分子比等工艺条件随动式调整打壳节奏、控制锤头运行轨迹。因此传统打壳系统依然存在系统运行不稳定、堵料口漏判或者误判频发等问题。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，提供一种铝电解槽智能打壳和智能供料系统及方法，该方法能够准确判断加料口状态，并通过控制系统给出的参数优化打壳锤头的运行轨迹、运行速度；保障加料口的开孔率，通过控制系统按需、有效加料，实现无效应生产，获得生产过程的最少能量消耗。
为解决上述技术问题，本发明所采取的技术方案是：
一方面，本发明提供一种铝电解槽智能打壳和智能供料装置，包括数据采集子系统、智能控制器、输出驱动模块、数字式比例调节阀、打壳气缸驱动电磁阀、加料驱动电磁阀、人机交互模块；
所述数据采集子系统包括压力传感器、高精度电流采集器、高精度电压采集器、温度传感器、模拟量采集及传输装置；所述压力传感器用于采集电解槽打壳气缸上、下腔的压力数据，压力传感器的输出端与模拟量采集及传输装置的输入端相连接；所述高精度电流采集器用于采集电解槽的实时电流数据，高精度电流采集器的输出端与智能控制器的智能加料控制模块相连接；所述高精度电压采集器用于采集电解槽的电压数据，高精度电压采集器的输出端与智能控制器中智能加料控制模块相连接；所述温度传感器用于采集电解槽温度数据，温度传感器的输出端与模拟量采集及传输装置的输入端相连接；所述模拟量采集及传输装置用于将接收到的数据进行整合和传输，模拟量采集及传输装置的输出端与智能控制器的料口在线辨识模块输入端相连接；
所述智能控制器包括控制系统、上位机软件系统；所述控制系统包括料口在线辨识模块、锤头轨迹优化控制模块、智能加料控制模块、下位机主控制模块；所述料口在线辨识模块用于加料口的状态辨识，并将数据传输至锤头轨迹优化控制模和智能加料控制模块；所述锤头轨迹优化控制模块用于优化打壳锤头的锤头运行速度和行动轨迹，并将数据传输至下位机主控制模块；所述智能加料控制模块用于按照电解槽内氧化铝的浓度最优方式进行加料，并将数据传输至下位机主控制模块；所述下位机主控制模块用于按照接收到的数据控制输出驱动模块和数字式比例调节阀，并将工艺参数、料口状态、打壳动作参数、加料动作参数、电解槽电压、系列电流数据传输至打壳与加料数据采集与存储模块，下位机主控制模块的输出端分别与输出驱动模块的输入端、数字式比例调节阀的输入端、打壳与加料数据采集与存储模块的输入端相连接；
所述上位机软件系统包括打壳与加料数据采集与存储模块、报表模块、数据库模块；所述打壳与加料数据采集与存储模块用于负责料口堵塞、系统软件和硬件故障的异常报警，并将接收到的数据存储于数据库模块；所述报表模块用于将每天、每周、每月对所有电解槽加料口状态、加料情况、效应情况、电解槽测量数据进行分析与统计并形成日报、周报、月报，并将数据传输至数据库模块；所述数据库模块用于将接收到的数据进行整合及存储，形成打壳加料策略规则库；
所述输出驱动模块用于驱动打壳气缸驱动电磁阀和加料驱动电磁阀；输出驱动模块的输出端分别与打壳气缸驱动电磁阀的输入端和加料驱动电磁阀的输入端相连接；
所述数字式比例调节阀用于调节打壳气缸的输入压力；包括通信端口、压缩空气输入端口、输出端口，通信端口与下位机主控制模块的输出端相连接，压缩空气输入端口接主管道上，朝向风源方向，输出端口接主管道，朝向用风设备方向；
所述打壳气缸驱动电磁阀用于驱动打壳气缸动作的电气开关装置；
所述加料驱动电磁阀用于驱动加料气缸动作，完成定容加料器的充料过程和放料过程
所述人机交互模块用于人工操作的输入及以数字、图表方式输出控制信息，与智能控制器的通信端口相连接。
另一方面，本发明还提供一种铝电解槽智能打壳和智能供料方法，通过所述的一种铝电解槽智能打壳和智能供料装置实现，包括以下步骤：
步骤1：将数据采集子系统采集的电流数据和电压数据输出至智能加料控制模块，将采集的压力数据和温度数据通过模拟量采集及传输装置输处至料口在线辨识模块；
步骤2：料口在线辨识模块对接收到的数据队列进行实时分析，将槽温是否异常作为料口辨识模块的判断因子并通过压力数据获取加料口状态，将该状态输出至智能加料控制模块、锤头轨迹优化控制模块；
步骤3：智能加料控制模块根据电流数据队列、电压数据队列以及电解槽状态信息，输出加料速率，锤头轨迹优化模块根据料口在线辨识模块输出的状态信息调节锤头运行轨迹，并将加料速率以及锤头运行轨迹输出至下位机主控制模块；
步骤4：下位机主控制模块控制数字式比例调节阀的开度；当料口通畅或主风管压力过大时，调节数字式比例调节阀的开度；当主风管风压不够或需要并行打壳方式时，下位机主控制模块将数字式比例调节阀开度调整至保证锤头按照设定轨迹运行；
步骤5：下位机主控制模块按照锤头运行轨迹通过输出驱动模块驱动打壳气缸驱动电磁阀，使锤头进行打壳；如果料口堵塞，则在一个打壳周期内重复性、快速打击壳面，如果料口持续堵塞则由打壳与加料数据采集与存储模块打开料口堵塞报警开关，转由人工处理；
步骤6：下位机主控制模块按照智能加料控制模块的输出结果对应的加料速率通过输出驱动模块驱动加料驱动电磁阀动作，完成浓度的随动自适应控制；
步骤7：报表模块对料口堵塞情况、效应情况、加料情况、温度变化情况进行数据统计，并形成日报保存于数据库模块中；
步骤8：数据库模块对不同打壳模式、加料数据进行统计与分析；分析各种打壳模式、加料策略与电解槽工艺条件的匹配性；通过打壳加料策略规则库，将最优打壳、加料策略参数下发到下位机主控制模块，作为新一天的打壳、加料策略；
步骤9：人机交互模块中以数字、图表的方式显示当前电解槽的实时数据信息及当前工作状态，在手动状态时，工作人员通过人机交互模块进行打壳、加料动作，或者通过人工输入控制参数。
所述步骤2包括如下子步骤：
步骤2.1：料口在线辨识模块启动后，该模块会对温度传感器采集的电解槽温度数据队列进行实时分析，将槽温是否异常作为料口辨识模块的判断因子；
步骤2.2：在线分析打壳前、打壳过程中、打壳后的各支路风管压力数据中的功率谱信息，利用堵料时不同频段能量分布无规律的特点，在线分析采集的压力数据队列，得到压力数据队列的功率谱，得到料口的加料口状态；
步骤2.3：料口在线辨识模块通过小波分析算法对原始压力数据进行解构，通过内嵌于此模块的的人工神经元网络最优化地选择基本小波，使对应的小波变换在时域频域都有表征风管压力信号局部特征的能力，利用电解槽的开口状态对应不同频段奇点的特征实现对加料口状态的在线辨识，所述开口状态包括堵料口、微小开口、开口、较大开口；
步骤2.4：结合步骤2.1至步骤2.3的辨识结果，通过加权计算得到加料口堵塞状态，并将加料口堵塞状态传输至下位机主控制模块；
步骤2.5：压力数据异常时，料口在线辨识模块将硬件故障信息传输至下位机主控制模块，由下位机主控制模块将故障信息传输至打壳与加料数据采集与存储模块，由打壳与加料数据采集与存储模块发出警报，转至人工处理。
所述步骤3包括如下子步骤：
步骤3.1：智能加料控制模块根据料口在线辨识模块的辨识结果调整堵塞料口的加料速率；
步骤3.1.1：在设定间隔的基础上通过适当的比例变换，调整电解质中氧化铝的含量，实现表观槽电阻的变化，判断出整槽浓度的偏差；当比例大于1时为减量加料，比例小于1时为增量加料；
步骤3.1.2：对输入的实时电压数据进行频谱分析，得出高频部分、中频部分、低频部分的噪声数据，根据不同频段中数据特征得到实际浓度与控制浓度之间的偏差，将偏差作为负反馈自适应地调节加料速率；
步骤3.1.3：利用浓度的随动自适应控制方法得到加料速率，将该速率输出至下位机主控制模块；
所述根据浓度的随动自适应控制为：根据上述步骤和加料速率、加料周期持续时间、目标浓度估计值，计算电解槽表观槽电阻，并进行滤波处理；将当前加料速率数据队列与槽电阻变化率数据进行相关性分析；则根据槽电阻变化率、槽温变化的绝对值，得出加料速率；
步骤3.2：锤头轨迹优化模块启动后，根据加料口开口大小设置锤头运行模式；；
步骤3.2.1：如果加料口为堵塞状态，则锤头轨迹优化模块会将该加料口对应的锤头运行轨迹设置为：高速运行，且满行程运行，通过高速冲击，打通加料口；如果加料口为畅通状态，则锤头轨迹优化控制模块将锤头设置为：慢速运行、碰到电解质即可返回的运行模式；
步骤3.2.2：根据步骤3.2.1设置的锤头运行模式，将锤头运行轨迹设置为如下两个控制参数：数字式比例调节阀的开度、锤头动作时间，并将两个参数传递下位机主控制模块；
步骤3.2.3：根据料口堵塞状态、智能加料控制模块所处的加料周期，设置各个锤头的打壳模式，所述打壳模式包括所有锤头并行打壳、所有锤头串行打壳、奇数与偶数锤头串行交替打壳、奇数与偶数锤头并行交替打壳、或者根据用户自定义模式打壳。
所述步骤2中料口在线辨识模块的启动方式为四种，包括：方式1：定时启动；方式2：效应发生时启动料口在线辨识模块；方式3：下位机主控制模块预判出效应即将发生时启动料口在线辨识模块；方式4：当前运行时的系统的加料周期，以及电解槽内的电解质溶解能力、两水平高度、分子比得到料口堵塞发生概率估值，当料口堵塞发生概率估值大于设置阈值时，则启动料口在线辨识模块。
所述步骤3中锤头轨迹优化模块的启动方式为两种；包括：方式1：定时启动；方式2：加料口状态辨识模块辨识结果与前一次辨识结果不同时，则启动锤头轨迹优化控制模块。
所述锤头打壳动作均是在加料动作完成后才进行。
采用上述技术方案所产生的有益效果在于：本发明提供的一种铝电解槽智能打壳和智能供料装置及方法，本发明通过内嵌于智能控制器中的多层神经元网络学习算法，对电解槽运行过程中的实时采集数据和离线测量数据进行分析，在线高精度地辨识电解槽每个加料口状态、打壳锤头状态，并通过智能控制器在线优化每个气缸风压值、锤头运动时间、速率等关键参数，从而实现锤头运行轨迹的在线智能控制。从根本上解决电解槽供料不均匀、效应频发等问题。智能控制器中还内嵌有风压及锤头轨迹的随动控制算法，极大地减少了锤头沾包及其被腐蚀的风险。此外，该装置针对电解槽每个气缸分别设计了一个独立的驱动电磁阀，从而实现打壳气缸打壳加料策略的自由组合与切换，实现整槽按需打壳、局部按需加料的智能化控制模式。
附图说明
图1为本发明实施例提供的铝电解槽智能打壳和智能供料系统框图；
图2为本发明实施例提供的铝电解槽智能打壳和智能供料方法流程图；
图3为本发明实施例提供的智能打壳系统配置图；
图4为本发明实施例提供的电解铝厂应用铝电解槽智能打壳和智能供料系统拓扑解构图；
其中：1，数字式比例调节阀；2，打壳气缸驱动电磁阀；3，压力传感器；4，压力传感器；5，高精度电流采集器和高精度电压采集器；6，通信电缆；7，智能控制器；8，主管道。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本实施例的方法如下所述。
一方面，本发明提供一种铝电解槽智能打壳和智能供料装置，如图1所示，包括数据采集子系统、智能控制器、输出驱动模块、数字式比例调节阀、打壳气缸驱动电磁阀、加料驱动电磁阀、人机交互模块；
所述数据采集子系统包括压力传感器、高精度电流采集器、高精度电压采集器、温度传感器、模拟量采集及传输装置；所述压力传感器用于采集电解槽打壳气缸上、下腔的压力数据，压力传感器的输出端与模拟量采集及传输装置的输入端相连接；所述高精度电流采集器用于采集电解槽的实时电流数据，高精度电流采集器的输出端与智能控制器的智能加料控制模块相连接；所述高精度电压采集器用于采集电解槽的电压数据，高精度电压采集器的输出端与智能控制器中智能加料控制模块相连接；所述温度传感器用于采集电解槽温度数据，温度传感器的输出端与模拟量采集及传输装置的输入端相连接；所述模拟量采集及传输装置用于将接收到的数据进行整合和传输，模拟量采集及传输装置的输出端与智能控制器的料口在线辨识模块输入端相连接；
所述智能控制器包括控制系统、上位机软件系统；所述控制系统包括料口在线辨识模块、锤头轨迹优化控制模块、智能加料控制模块、下位机主控制模块；所述料口在线辨识模块用于加料口的状态辨识，并将数据传输至锤头轨迹优化控制模和智能加料控制模块；所述锤头轨迹优化控制模块用于优化打壳锤头的锤头运行速度和行动轨迹，并将数据传输至下位机主控制模块；所述智能加料控制模块用于按照电解槽内氧化铝的浓度最优方式进行加料，并将数据传输至下位机主控制模块；所述下位机主控制模块用于按照接收到的数据控制输出驱动模块和数字式比例调节阀，并将工艺参数、料口状态、打壳动作参数、加料动作参数、电解槽电压、系列电流数据传输至打壳与加料数据采集与存储模块，下位机主控制模块的输出端分别与输出驱动模块的输入端、数字式比例调节阀的输入端、打壳与加料数据采集与存储模块的输入端相连接；
所述上位机软件系统包括打壳与加料数据采集与存储模块、报表模块、数据库模块；所述打壳与加料数据采集与存储模块用于负责料口堵塞、系统软件和硬件故障的异常报警，并将接收到的数据存储于数据库模块；所述报表模块用于将每天、每周、每月对所有电解槽加料口状态、加料情况、效应情况、电解槽测量数据进行分析与统计并形成日报、周报、月报，并将数据传输至数据库模块；所述数据库模块用于将接收到的数据进行整合及存储，形成打壳加料策略规则库；
所述输出驱动模块用于驱动打壳气缸驱动电磁阀和加料驱动电磁阀；输出驱动模块的输出端分别与打壳气缸驱动电磁阀的输入端和加料驱动电磁阀的输入端相连接；
所述数字式比例调节阀用于调节打壳气缸的输入压力；包括通信端口、压缩空气输入端口、输出端口，通信端口与下位机主控制模块的输出端相连接，压缩空气输入端口接主管道上，朝向风源方向，输出端口接主管道，朝向用风设备方向；
所述打壳气缸驱动电磁阀用于驱动打壳气缸动作的电气开关装置；
所述加料驱动电磁阀用于驱动加料气缸动作，完成定容加料器的充料过程和放料过程
所述人机交互模块用于人工操作的输入及以数字、图表方式输出控制信息，与智能控制器的通信端口相连接。
本实施例中压力传感器型号为：MIK-P300 0～0.6MPa；高精度电流采集器型号为：电流采集模块MODBUS通讯-WP3082ADAM；高精度电压采集器型号为：ADS1256 24位ADC高精度数据采集卡；温度传感器型号为：温度模块MIK-ST500；模拟量采集及传输装置：MIK-M11系列；智能控制器：工业级IoT-3960L物联网网关网络控制器Linux工控主板；输出驱动模块型号为：DAM14142-0100-RS485；数字式比例调节阀型号为：ZXQ2004；
如图3所示，本发明工作原理如下：智能控制器会根据最近1天、最近1周、最近1个月内的槽温数据、两水平数据、氧化铝浓度数据、打壳压力传感器反馈数据、高频电压、电流数据等综合判断出电解槽状况估计值R1，并通过最优滤波算法得到槽况最优估计值R2从而得到符合当前槽况最优估计值的打壳、加料策略。当电解槽槽况处于冷行程且氧化铝消耗出现较大时滞时，为避免沾包、料口堵料等问题，智能控制系统会根据当前加料周期自动调整锤头运行轨迹，使其以高位运行为主，并通过气缸上、下腔内的压力信号在不同时期内的功率谱作为辅助判断依据，动态调整锤头打击加料口的频度。
对于料口状态在线辨识算法，系统会根据槽况最优估计值R2最为基本判定参数1，以气缸内气压频谱作为判定参数2，综合判定料口当前状态。如果料口开孔率较好，加料通畅，则上下腔压力的功率谱在指定频段内的功率谱不会发生突变，如果料口积料、锤头在料口卡堵则压力的功率谱会在指定的频段上发生较大突变。
另一方面，本发明还提供一种铝电解槽智能打壳和智能供料方法，通过所述的一种铝电解槽智能打壳和智能供料装置实现，如图2所示，包括以下步骤：
步骤1：将数据采集子系统采集的电流数据和电压数据输出至智能加料控制模块，将采集的压力数据和温度数据通过模拟量采集及传输装置输处至料口在线辨识模块；
步骤2：料口在线辨识模块对接收到的数据队列进行实时分析，将槽温是否异常作为料口辨识模块的判断因子并通过压力数据获取加料口状态，将该状态输出至智能加料控制模块、锤头轨迹优化控制模块；
料口在线辨识模块的启动方式为四种，包括：方式1：定时启动；每20分钟间隔定时启动料口在线辨识模块；方式2：效应发生时启动料口在线辨识模块；方式3：下位机主控制模块预判出效应即将发生时启动料口在线辨识模块；方式4：当前运行时的系统的加料周期，以及电解槽内的电解质溶解能力、两水平高度、分子比得到料口堵塞发生概率估值，当料口堵塞发生概率估值大于设置阈值时，则启动料口在线辨识模块；
具体步骤如下：
步骤2.1：料口在线辨识模块启动后，该模块会对温度传感器采集的电解槽温度数据队列进行实时分析，将槽温是否异常作为料口辨识模块的判断因子；
步骤2.2：在线分析打壳前、打壳过程中、打壳后的各支路风管压力数据中的功率谱信息，利用堵料时可能产生的噪声为依据，在线分析采集的压力数据队列，得到压力数据队列的功率谱，得到料口的加料口状态；
依据如下公式，计算谱估计值，得到功率谱；
其中，L为打壳前、打壳过程中、打壳后的各支路风管压力数据长度，M为压力数据段个数，为第m段数据队列中的第i个数据，j为虚数单位,w为角速度，在实施例中M＝3；
注意：所有数据经过窗函数作加窗处理时，由于堵料时产生的扰动信号基本是集中在被测频率的干扰频率分量，因此无需考虑旁瓣衰减速度；
由于堵料时0～10Hz频段对应的能量大于不堵料时状态，因此通过以上计算可以得到料口是否堵塞的结果。
步骤2.3：料口在线辨识模块通过小波分析算法对原始压力数据进行解构，通过内嵌于此模块的的人工神经元网络最优化地选择基本小波，使对应的小波变换在时域频域都有表征风管压力信号局部特征的能力，利用电解槽的开口状态对应不同频段奇点的特征实现对加料口状态的在线辨识，所述开口状态包括堵料口、微小开口、开口、较大开口；
小波变换具体实施时：
步骤2.3.1：计算压力信号队列的小波分解层数N，
步骤2.3.2：对分解后信号的小波系数进行阈值量化，具体计算公式如下：
其中W(h,k)经过阈值量化后的小波系数；x为未经过阈值量化的小波系数；σ为噪声的标准差；h,k分别是伸缩因子和平移因子；e为初始误差；α为初始化计算参数，默认初始值为0.5；
步骤2.3.2：信号重构，计算理想滤波幅值；
所述开口状态包括堵料口、微小开口、开口、较大开口在压力数据队列中对应的特征提取过程如下：
通过提取每段子信号的一个特征向量，得到一组特征向量：f′(1),f′(2),f′(3),…,f′(l)，其中l为采样点个数；通过已有的样本数据P＝(f′(a),f′(a+1),…,f′(l-1)),t＝(f′(a+2),f′(a+3),…,f′(l)),a∈l，并假设神经元网络的中心为(c1，c2，…cd),d＝1,2,3…p，且p<l；
根据神经元网络的输出值与实际值的差值调整神经元网络的中心、权值和宽度并最终得到可使用的神经元网络模型；
假设T为加料口堵塞时对应压力信号数据队列中的突变信号阈值；
根据神经元网络输出值与阈值T之比，得到料口开孔状态。
步骤2.4：步骤2.1至步骤2.3的辨识结果归一化为Y0，Y1通过加权计算Y＝(Y0+Y1)/2得到加料口堵塞状态，若Y>0.5则判断为堵料，Y<＝0.5则判断为料口开，并将加料口堵塞状态传输至下位机主控制模块；
步骤2.5：压力数据异常时，料口在线辨识模块将硬件故障信息传输至下位机主控制模块，由下位机主控制模块将故障信息传输至打壳与加料数据采集与存储模块，由打壳与加料数据采集与存储模块发出警报，转至人工处理。
步骤3：智能加料控制模块根据电流数据队列、电压数据队列以及电解槽状态信息，输出加料速率，锤头轨迹优化模块根据料口在线辨识模块输出的状态信息调节锤头运行轨迹，并将加料速率以及锤头运行轨迹输出至下位机主控制模块；
锤头轨迹优化模块的启动方式为两种；包括：方式1：定时启动；每20分钟间隔定时启动料口在线辨识模块；方式2：加料口状态辨识模块辨识结果与前一次辨识结果不同时，则启动锤头轨迹优化控制模块；
具体步骤如下：
步骤3.1：智能加料控制模块根据料口在线辨识模块的辨识结果调整堵塞料口的加料速率；
步骤3.1.1：在设定间隔的基础上通过适当的比例变换，调整电解质中氧化铝的含量，实现表观槽电阻的变化，判断出整槽浓度的偏差；当比例大于1时为减量加料，比例小于1时为增量加料；
步骤3.1.2：对输入的实时电压数据进行频谱分析，得出高频部分、中频部分、低频部分的噪声数据，根据不同频段中数据特征得到实际浓度与控制浓度之间的偏差，将偏差作为负反馈自适应地调节加料速率；
步骤3.1.3：利用浓度的随动自适应控制方法得到加料速率，将该速率输出至下位机主控制模块；
所述根据浓度的随动自适应控制为：根据上述步骤和加料速率、加料周期持续时间、目标浓度估计值，计算电解槽表观槽电阻，并进行滤波处理；将当前加料速率数据队列与槽电阻变化率数据进行相关性分析；则根据槽电阻变化率、槽温变化的绝对值，得出加料速率；
步骤3.2：锤头轨迹优化模块启动后，根据加料口开口大小设置锤头运行模式；；
步骤3.2.1：如果加料口为堵塞状态，则锤头轨迹优化模块会将该加料口对应的锤头运行轨迹设置为：高速运行，且满行程运行，通过高速冲击，打通加料口；如果加料口为畅通状态，则锤头轨迹优化控制模块将锤头设置为：慢速运行、碰到电解质即可返回的运行模式；
步骤3.2.2：根据步骤3.2.1设置的锤头运行模式，将锤头运行轨迹设置为如下两个控制参数：数字式比例调节阀的开度、锤头动作时间，并将两个参数传递下位机主控制模块；
步骤3.2.3：根据料口堵塞状态、智能加料控制模块所处的加料周期，设置各个锤头的打壳模式，所述打壳模式包括所有锤头并行打壳、所有锤头串行打壳、奇数与偶数锤头串行交替打壳、奇数与偶数锤头并行交替打壳、或者根据用户自定义模式打壳。
步骤4：下位机主控制模块控制数字式比例调节阀的开度；当料口通畅或主风管压力过大时，调节数字式比例调节阀的开度；当主风管风压不够或需要并行打壳方式时，下位机主控制模块将数字式比例调节阀开度调整至保证锤头按照设定轨迹运行；
步骤5：下位机主控制模块按照锤头运行轨迹通过输出驱动模块驱动打壳气缸驱动电磁阀，使锤头进行打壳；如果料口堵塞，则在一个打壳周期内重复性、快速打击壳面，如果料口持续堵塞则由打壳与加料数据采集与存储模块打开料口堵塞报警开关，转由人工处理；
步骤6：下位机主控制模块按照智能加料控制模块的输出结果对应的加料速率通过输出驱动模块驱动加料驱动电磁阀动作，完成浓度的随动自适应控制；
步骤7：报表模块对料口堵塞情况、效应情况、加料情况、温度变化情况进行数据统计，并形成日报保存于数据库模块中；
步骤8：数据库模块对不同打壳模式、加料数据进行统计与分析；分析各种打壳模式、加料策略与电解槽工艺条件的匹配性；通过打壳加料策略规则库，将最优打壳、加料策略参数下发到下位机主控制模块，作为新一天的打壳、加料策略；
步骤9：人机交互模块中以数字、图表的方式显示当前电解槽的实时数据信息及当前工作状态，在手动状态时，工作人员通过人机交互模块进行打壳、加料动作，或者通过人工输入控制参数。
应该注意的是本发明中任何锤头打壳动作均是在加料动作完成后才进行，防止氧化铝沾附于锤头上的电解质，形成锤头沾包；本系统为了使得锤头从电解质中返回后温度降低，在保证加料间隔一定的前提下，将打壳与加料之间动作间隔最大化，实现加料时机最优。例如：奇数号加料口打壳时，偶数点加料口打壳。
在电解铝厂应用时系统采用级联方式，可将不同工区内，分布于各个电解槽、打壳气缸和定容器上的加料口状态辨识与智能供料控制系统连接为一个统一的系统，通过交换机与上层的大数据处理服务器连接。该大数据服务器可放置于电解铝企业也可以以企业云方式为企业提供强大的计算能力，如图4所示。
在不同电解质成分、不同槽温、不同槽型使用加料口状态辨识与智能供料控制系统料口状态辨识率达到99.5％以上，缺料效应预测率达99％，基本实现无效应、低浓度运行。工人巡视劳动强度降低60％以上，铝电解槽生产操作方式由人工在线巡检转化为在线智能预测控制方式；数据统计表明电解槽高、低噪声平均降低20％以上，如表1所示：
表1使用本系统前后数值对比表
| 使用系统后数值 | 使用系统前数值 | |
| 2秒以上效应系数 | 0.001 | 0.03 |
| 加料周期欠过比方差 | 0.1 | 0.3 |
| 料口状态辨识率 | 99.50％ | 无 |
| 堵塞料口定位精度 | 99.50％ | 无 |
| 电解槽高、低频噪声 | <50纳欧 | <100纳欧 |
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (7)
1.一种铝电解槽智能打壳和智能供料系统，其特征在于：包括数据采集子系统、智能控制器、输出驱动模块、数字式比例调节阀、打壳气缸驱动电磁阀、加料驱动电磁阀、人机交互模块；
所述数据采集子系统包括压力传感器、高精度电流采集器、高精度电压采集器、温度传感器、模拟量采集及传输装置；所述压力传感器用于采集电解槽打壳气缸上、下腔的压力数据，压力传感器的输出端与模拟量采集及传输装置的输入端相连接；所述高精度电流采集器用于采集电解槽的实时电流数据，高精度电流采集器的输出端与智能控制器的智能加料控制模块相连接；所述高精度电压采集器用于采集电解槽的电压数据，高精度电压采集器的输出端与智能控制器中智能加料控制模块相连接；所述温度传感器用于采集电解槽温度数据，温度传感器的输出端与模拟量采集及传输装置的输入端相连接；所述模拟量采集及传输装置用于将接收到的数据进行整合和传输，模拟量采集及传输装置的输出端与智能控制器的料口在线辨识模块输入端相连接；
所述智能控制器包括控制系统、上位机软件系统；所述控制系统包括料口在线辨识模块、锤头轨迹优化控制模块、智能加料控制模块、下位机主控制模块；所述料口在线辨识模块用于加料口的状态辨识，并将数据传输至锤头轨迹优化控制模块和智能加料控制模块；所述锤头轨迹优化控制模块用于优化打壳锤头的锤头运行速度和行动轨迹，并将数据传输至下位机主控制模块；所述智能加料控制模块用于按照电解槽内氧化铝的浓度最优方式进行加料，并将数据传输至下位机主控制模块；所述下位机主控制模块用于按照接收到的数据控制输出驱动模块和数字式比例调节阀，并将工艺参数、料口状态、打壳动作参数、加料动作参数、电解槽电压、系列电流数据传输至打壳与加料数据采集与存储模块，下位机主控制模块的输出端分别与输出驱动模块的输入端、数字式比例调节阀的输入端、打壳与加料数据采集与存储模块的输入端相连接；
所述上位机软件系统包括打壳与加料数据采集与存储模块、报表模块、数据库模块；所述打壳与加料数据采集与存储模块用于负责料口堵塞、系统软件和硬件故障的异常报警，并将接收到的数据存储于数据库模块；所述报表模块用于将每天、每周、每月对所有电解槽加料口状态、加料情况、效应情况、电解槽测量数据进行分析与统计并形成日报、周报、月报，并将数据传输至数据库模块；所述数据库模块用于将接收到的数据进行整合及存储，形成打壳加料策略规则库；
所述输出驱动模块用于驱动打壳气缸驱动电磁阀和加料驱动电磁阀；输出驱动模块的输出端分别与打壳气缸驱动电磁阀的输入端和加料驱动电磁阀的输入端相连接；
所述数字式比例调节阀用于调节打壳气缸的输入压力；包括通信端口、压缩空气输入端口、输出端口，通信端口与下位机主控制模块的输出端相连接，压缩空气输入端口接主管道上，朝向风源方向，输出端口接主管道，朝向用风设备方向；
所述打壳气缸驱动电磁阀用于驱动打壳气缸动作的电气开关装置；
所述加料驱动电磁阀用于驱动加料气缸动作，完成定容加料器的充料过程和放料过程
所述人机交互模块用于人工操作的输入及以数字、图表方式输出控制信息，与智能控制器的通信端口相连接。
2.一种铝电解槽智能打壳和智能供料方法，通过权利要求1所述的一种铝电解槽智能打壳和智能供料装置实现，其特征在于：包括以下步骤：
步骤1：将数据采集子系统采集的电流数据和电压数据输出至智能加料控制模块，将采集的压力数据和温度数据通过模拟量采集及传输装置输处至料口在线辨识模块；
步骤2：料口在线辨识模块对接收到的数据队列进行实时分析，将槽温是否异常作为料口辨识模块的判断因子并通过压力数据获取加料口状态，将该状态输出至智能加料控制模块、锤头轨迹优化控制模块；
步骤3：智能加料控制模块根据电流数据队列、电压数据队列以及电解槽状态信息，输出加料速率，锤头轨迹优化模块根据料口在线辨识模块输出的状态信息调节锤头运行轨迹，并将加料速率以及锤头运行轨迹输出至下位机主控制模块；
步骤4：下位机主控制模块控制数字式比例调节阀的开度；当料口通畅或主风管压力过大时，调节数字式比例调节阀的开度；当主风管风压不够或需要并行打壳方式时，下位机主控制模块将数字式比例调节阀开度调整至保证锤头按照设定轨迹运行；
步骤5：下位机主控制模块按照锤头运行轨迹通过输出驱动模块驱动打壳气缸驱动电磁阀，使锤头进行打壳；如果料口堵塞，则在一个打壳周期内重复性、快速打击壳面，如果料口持续堵塞则由打壳与加料数据采集与存储模块打开料口堵塞报警开关，转由人工处理；
步骤6：下位机主控制模块按照智能加料控制模块的输出结果对应的加料速率通过输出驱动模块驱动加料驱动电磁阀动作，完成浓度的随动自适应控制；
步骤7：报表模块对料口堵塞情况、效应情况、加料情况、温度变化情况进行数据统计，并形成日报保存于数据库模块中；
步骤8：数据库模块对不同打壳模式、加料数据进行统计与分析；分析各种打壳模式、加料策略与电解槽工艺条件的匹配性；通过打壳加料策略规则库，将最优打壳、加料策略参数下发到下位机主控制模块，作为新一天的打壳、加料策略；
步骤9：人机交互模块中以数字、图表的方式显示当前电解槽的实时数据信息及当前工作状态，在手动状态时，工作人员通过人机交互模块进行打壳、加料动作，或者通过人工输入控制参数。
3.根据权利要求2所述的一种铝电解槽智能打壳和智能供料方法，其特征在于：所述步骤2包括如下子步骤：
步骤2.1：料口在线辨识模块启动后，该模块会对温度传感器采集的电解槽温度数据队列进行实时分析，将槽温是否异常作为料口辨识模块的判断因子；
步骤2.2：在线分析打壳前、打壳过程中、打壳后的各支路风管压力数据中的功率谱信息，利用堵料时不同频段能量分布无规律的特点，在线分析采集的压力数据队列，得到压力数据队列的功率谱，得到料口的加料口状态；
步骤2.3：料口在线辨识模块通过小波分析算法对原始压力数据进行解构，通过内嵌于此模块的的人工神经元网络最优化地选择基本小波，使对应的小波变换在时域频域都有表征风管压力信号局部特征的能力，利用电解槽的开口状态对应不同频段奇点的特征实现对加料口状态的在线辨识，所述开口状态包括堵料口、微小开口、开口、较大开口；
步骤2.4：结合步骤2.1至步骤2.3的辨识结果，通过加权计算得到加料口堵塞状态，并将加料口堵塞状态传输至下位机主控制模块；
步骤2.5：压力数据异常时，料口在线辨识模块将硬件故障信息传输至下位机主控制模块，由下位机主控制模块将故障信息传输至打壳与加料数据采集与存储模块，由打壳与加料数据采集与存储模块发出警报，转至人工处理。
4.根据权利要求2所述的一种铝电解槽智能打壳和智能供料方法，其特征在于：所述步骤3包括如下子步骤：
步骤3.1：智能加料控制模块根据料口在线辨识模块的辨识结果调整堵塞料口的加料速率；
步骤3.1.1：在设定间隔的基础上通过适当的比例变换，调整电解质中氧化铝的含量，实现表观槽电阻的变化，判断出整槽浓度的偏差；当比例大于1时为减量加料，比例小于1时为增量加料；
步骤3.1.2：对输入的实时电压数据进行频谱分析，得出高频部分、中频部分、低频部分的噪声数据，根据不同频段中数据特征得到实际浓度与控制浓度之间的偏差，将偏差作为负反馈自适应地调节加料速率；
步骤3.1.3：利用浓度的随动自适应控制方法得到加料速率，将该速率输出至下位机主控制模块；
所述根据浓度的随动自适应控制为：根据上述步骤和加料速率、加料周期持续时间、目标浓度估计值，计算电解槽表观槽电阻，并进行滤波处理；将当前加料速率数据队列与槽电阻变化率数据进行相关性分析；则根据槽电阻变化率、槽温变化的绝对值，得出加料速率；
步骤3.2：锤头轨迹优化模块启动后，根据加料口开口大小设置锤头运行模式；；
步骤3.2.1：如果加料口为堵塞状态，则锤头轨迹优化模块会将该加料口对应的锤头运行轨迹设置为：高速运行，且满行程运行，通过高速冲击，打通加料口；如果加料口为畅通状态，则锤头轨迹优化控制模块将锤头设置为：慢速运行、碰到电解质即可返回的运行模式；
步骤3.2.2：根据步骤3.2.1设置的锤头运行模式，将锤头运行轨迹设置为如下两个控制参数：数字式比例调节阀的开度、锤头动作时间，并将两个参数传递下位机主控制模块；
步骤3.2.3：根据料口堵塞状态、智能加料控制模块所处的加料周期，设置各个锤头的打壳模式，所述打壳模式包括所有锤头并行打壳、所有锤头串行打壳、奇数与偶数锤头串行交替打壳、奇数与偶数锤头并行交替打壳、或者根据用户自定义模式打壳。
5.根据权利要求2所述的一种铝电解槽智能打壳和智能供料方法，其特征在于：所述步骤2中料口在线辨识模块的启动方式为四种，包括：方式1：定时启动；方式2：效应发生时启动料口在线辨识模块；方式3：下位机主控制模块预判出效应即将发生时启动料口在线辨识模块；方式4：当前运行时的系统的加料周期，以及电解槽内的电解质溶解能力、两水平高度、分子比得到料口堵塞发生概率估值，当料口堵塞发生概率估值大于设置阈值时，则启动料口在线辨识模块。
6.根据权利要求2所述的一种铝电解槽智能打壳和智能供料方法，其特征在于：所述步骤3中锤头轨迹优化模块的启动方式为两种；包括：方式1：定时启动；方式2：加料口状态辨识模块辨识结果与前一次辨识结果不同时，则启动锤头轨迹优化控制模块。
7.根据权利要求2所述的一种铝电解槽智能打壳和智能供料方法，其特征在于：所述锤头打壳动作均是在加料动作完成后才进行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811276118.1A CN109023429B (zh) | 2018-10-30 | 2018-10-30 | 一种铝电解槽智能打壳和智能供料系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811276118.1A CN109023429B (zh) | 2018-10-30 | 2018-10-30 | 一种铝电解槽智能打壳和智能供料系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109023429A true CN109023429A (zh) | 2018-12-18 |
| CN109023429B CN109023429B (zh) | 2020-03-17 |
Family
ID=64614501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811276118.1A Active CN109023429B (zh) | 2018-10-30 | 2018-10-30 | 一种铝电解槽智能打壳和智能供料系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109023429B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109487300A (zh) * | 2019-01-02 | 2019-03-19 | 新疆农六师铝业有限公司 | 一种铝电解槽智能打壳辅助系统 |
| CN111155149A (zh) * | 2020-01-17 | 2020-05-15 | 湖南阿尔惠特科技股份有限公司 | 一种基于数字化电解槽的铝电解智能优化控制平台 |
| CN113776453A (zh) * | 2021-07-28 | 2021-12-10 | 贵阳铝镁设计研究院有限公司 | 基于激光线轮廓仪阵列的铝电解槽扫描结果自动拼合方法 |
| CN113790669A (zh) * | 2021-07-28 | 2021-12-14 | 贵阳铝镁设计研究院有限公司 | 基于激光线轮廓仪阵列扫描的铝电解槽筑炉结果检测方法 |
| CN114381764A (zh) * | 2022-02-09 | 2022-04-22 | 北京鼎立鑫科技有限公司 | 一种基于物料均衡控制技术的铝电解槽控制方法 |
| CN115369451A (zh) * | 2022-07-19 | 2022-11-22 | 东北大学 | 一种铝电解槽的打壳控制系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2126181A1 (en) * | 1992-07-14 | 1994-01-20 | James P. Kissane | Alumina supply apparatus for electrolytic smelter |
| CN101275246A (zh) * | 2007-12-20 | 2008-10-01 | 中国铝业股份有限公司 | 一种铝电解槽下料系统故障实时检测方法 |
| CN102851704A (zh) * | 2011-06-30 | 2013-01-02 | 沈阳铝镁设计研究院有限公司 | 铝电解槽下料器单点控制下料方法 |
| CN104532298A (zh) * | 2014-12-10 | 2015-04-22 | 中国铝业股份有限公司 | 一种电解槽打壳系统和方法 |
| WO2016128661A1 (fr) * | 2015-02-09 | 2016-08-18 | Fives Ecl | Unité pour l'exploitation d'une installation de production d'aluminium, installation de production d'aluminium et procédé d'exploitation d'une telle installation |
| CN108330509A (zh) * | 2018-03-16 | 2018-07-27 | 杨钧福 | 铝电解槽全智能打壳系统 |
| CN108360021A (zh) * | 2018-04-10 | 2018-08-03 | 中南大学 | 基于数据与知识的铝电解槽过程控制参数获取方法及设备 |
-
2018
- 2018-10-30 CN CN201811276118.1A patent/CN109023429B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2126181A1 (en) * | 1992-07-14 | 1994-01-20 | James P. Kissane | Alumina supply apparatus for electrolytic smelter |
| CN101275246A (zh) * | 2007-12-20 | 2008-10-01 | 中国铝业股份有限公司 | 一种铝电解槽下料系统故障实时检测方法 |
| CN102851704A (zh) * | 2011-06-30 | 2013-01-02 | 沈阳铝镁设计研究院有限公司 | 铝电解槽下料器单点控制下料方法 |
| CN104532298A (zh) * | 2014-12-10 | 2015-04-22 | 中国铝业股份有限公司 | 一种电解槽打壳系统和方法 |
| WO2016128661A1 (fr) * | 2015-02-09 | 2016-08-18 | Fives Ecl | Unité pour l'exploitation d'une installation de production d'aluminium, installation de production d'aluminium et procédé d'exploitation d'une telle installation |
| CN108330509A (zh) * | 2018-03-16 | 2018-07-27 | 杨钧福 | 铝电解槽全智能打壳系统 |
| CN108360021A (zh) * | 2018-04-10 | 2018-08-03 | 中南大学 | 基于数据与知识的铝电解槽过程控制参数获取方法及设备 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109487300A (zh) * | 2019-01-02 | 2019-03-19 | 新疆农六师铝业有限公司 | 一种铝电解槽智能打壳辅助系统 |
| CN111155149A (zh) * | 2020-01-17 | 2020-05-15 | 湖南阿尔惠特科技股份有限公司 | 一种基于数字化电解槽的铝电解智能优化控制平台 |
| CN113776453A (zh) * | 2021-07-28 | 2021-12-10 | 贵阳铝镁设计研究院有限公司 | 基于激光线轮廓仪阵列的铝电解槽扫描结果自动拼合方法 |
| CN113790669A (zh) * | 2021-07-28 | 2021-12-14 | 贵阳铝镁设计研究院有限公司 | 基于激光线轮廓仪阵列扫描的铝电解槽筑炉结果检测方法 |
| CN114381764A (zh) * | 2022-02-09 | 2022-04-22 | 北京鼎立鑫科技有限公司 | 一种基于物料均衡控制技术的铝电解槽控制方法 |
| CN115369451A (zh) * | 2022-07-19 | 2022-11-22 | 东北大学 | 一种铝电解槽的打壳控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109023429B (zh) | 2020-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109023429A (zh) | 一种铝电解槽智能打壳和智能供料系统及方法 | |
| CN108197648A (zh) | 一种基于lstm深度学习模型的水电机组故障诊断方法与系统 | |
| CN101870076B (zh) | 一种基于性能退化模型的数控机床导轨副寿命预测方法 | |
| CN103023065B (zh) | 一种基于相对误差熵值法的风电短期功率预测方法 | |
| CN114481077B (zh) | 一种金属镀膜自动化控制装置及其方法 | |
| CN111126658A (zh) | 一种基于深度学习的煤矿瓦斯预测方法 | |
| CN109647899A (zh) | 一种带钢热轧精轧过程中多规格轧件电耗预报方法 | |
| CN111723850A (zh) | 一种基于智能巡检系统的自动化检定设备状态评价方法 | |
| CN115396981B (zh) | 一种基于大数据技术的智能监测系统 | |
| CN110363355A (zh) | 一种氧化铝生产指标的云-边协同预报系统及方法 | |
| CN116502160A (zh) | 一种电量数据自动采集系统 | |
| CN111612331A (zh) | 基于土壤水势的模糊智能植物生长监控系统及控制目标阈值获取方法 | |
| CN114862035A (zh) | 一种基于迁移学习的组合式海湾水温预测方法 | |
| CN203432567U (zh) | 一种磁控溅射自动测量控制膜厚装置 | |
| CN108204997A (zh) | 常一线油闪点在线软测量方法 | |
| CN115994692B (zh) | 基于5g和大数据的智慧河湖管理平台 | |
| CN116894663A (zh) | 一种智能化的aem电解槽控制系统 | |
| CN106649202A (zh) | 基于多样性变量加权plsr模型的工业过程软测量方法 | |
| CN114936640A (zh) | 一种新能源发电智能预测模型的在线训练方法 | |
| CN109886455A (zh) | 雷电气候下超短期负荷预测方法 | |
| CN115034617A (zh) | 一种面向农业信息一体化的云计算系统 | |
| CN114841277A (zh) | 一种转炉出钢合金收得率预测方法和系统 | |
| CN112488367A (zh) | 一种基于量子遗传的用户相序降损方法及其系统 | |
| Lin et al. | Research on Setting Voltage of Electrolyzer Based on LGBM-LSTM Algorithm | |
| CN114971005B (zh) | 基于lstm与差分回归模型动态加权的海湾水温组合预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231222 Address after: Room 224, No. 153-2 (3 gates), Chuangxin Road, Shenyang Area, China (Liaoning) Pilot Free Trade Zone, Hunnan District, Shenyang City, 110000 Liaoning Province Patentee after: Shenyang WOPO Technology Co.,Ltd. Address before: Building 15, Zhonghai International Community, Heping District, Shenyang City, Liaoning Province, 110166 Patentee before: Chen Zhaona |
|
| TR01 | Transfer of patent right |