CN115685934A - 一种氟化盐下料量设定方法、装置、设备及介质 - Google Patents
一种氟化盐下料量设定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115685934A CN115685934A CN202211355158.1A CN202211355158A CN115685934A CN 115685934 A CN115685934 A CN 115685934A CN 202211355158 A CN202211355158 A CN 202211355158A CN 115685934 A CN115685934 A CN 115685934A
- Authority
- CN
- China
- Prior art keywords
- fluoride salt
- set value
- process parameters
- blanking amount
- model
- 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.)
- Pending
Links
Images
Landscapes
- Electrolytic Production Of Non-Metals, Compounds, Apparatuses Therefor (AREA)
Abstract
本申请公开了一种氟化盐下料量设定方法、装置、设备及介质,涉及工业生产领域。通过获取槽控机所设置的工艺参数;将工艺参数输入至氟化盐设定值获取模型中,以通过氟化盐设定值获取模型获取氟化盐设定值;其中,氟化盐设定值获取模型是根据不同工艺参数下对应的氟化盐设定值生成的模型;基于氟化盐设定值通过槽控机设定氟化盐下料量。由此可知,上述方案通过预先对槽控机历史工艺参数的采集,借助计算机的算力来挖掘设定氟化盐下料量与电解铝各种工艺参数的关系,生成了氟化盐设定值获取模型。通过该模型获取每日的氟化盐设定值,从而指导槽控机设定氟化盐实际的下料量,使得氟化盐的设定更准确,提高了产铝量。
Description
技术领域
本申请涉及工业生产领域,特别是涉及一种氟化盐下料量设定方法、装置、设备及介质。
背景技术
随着电解铝工业和智能化技术的快速发展,对电解铝的平稳高效生产提出了更高的要求。现代大规模的工业电解铝生产中,普遍采用槽控机进行工艺参数的调整,其中每日对氟化盐下料量的设定是其中一个关键控制参数。合理的氟化盐下料量能使电解槽保持的分子比达到预期稳态,槽温保持稳定,从而带来较高的电流效率,提高产铝量。
目前,在电解铝大规模生产中有上百个电解槽同时工作,而日常生产中对每台槽控机氟化盐下料量的控制主要依靠工艺专家的人为经验进行手动设定。这种氟化盐下料方式很难保证下料量的准确性和稳定性,同时在大规模生产时推广性较差,智能自动化程度较低。
鉴于上述问题,如何实现电解铝生产中氟化盐下料量的准确设定,从而提高产铝量,是该领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种氟化盐下料量设定方法、装置、设备及介质,实现电解铝生产中氟化盐下料量的准确设定,从而提高产铝量。
为解决上述技术问题,本申请提供一种氟化盐下料量设定方法,包括:
获取槽控机所设置的工艺参数;其中,所述工艺参数至少包含设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率;
将所述工艺参数输入至氟化盐设定值获取模型中,以通过所述氟化盐设定值获取模型获取氟化盐设定值;其中,所述氟化盐设定值获取模型是根据不同工艺参数下对应的所述氟化盐设定值生成的模型;
基于所述氟化盐设定值通过所述槽控机设定氟化盐下料量。
优选地,所述氟化盐设定值获取模型的生成过程包括:
采集所述槽控机的工艺参数日报表;其中,所述工艺参数日报表中包含多日的所述工艺参数;所述工艺参数至少包含所述氟化盐设定值、所述设定电压、所述实际平均电压、所述槽温、所述噪声、所述铝水平、所述电解质水平、所述分子比和所述电流效率;
分别基于各日的所述工艺参数及对应前一日的所述工艺参数选取多个特征参数;
根据各所述特征参数通过多元线性回归生成所述氟化盐设定值获取模型;
其中,所述氟化盐设定值获取模型由各所述特征参数及其对应的特征系数构成。
优选地,在所述分别基于各日的所述工艺参数及对应前一日的所述工艺参数选取多个特征参数之前,在所述采集所述槽控机的工艺参数日报表之后,还包括:
若所述工艺参数日报表中的所述工艺参数存在空值,则根据时间顺序选取对应的所述工艺参数的非空数值作为所述空值的填充值。
优选地,在所述分别基于各日的所述工艺参数及对应前一日的所述工艺参数选取多个特征参数之前,在所述采集所述槽控机的工艺参数日报表之后,还包括:
根据所述工艺参数日报表中的所述工艺参数获取各日的电压偏差、设定氟化盐下料量日变化值和电流效率日变化值,以分别作为各日所述工艺参数的特征标签;
分别判断各所述特征标签中所述电流效率日变化值和所述设定氟化盐下料量日变化值是否同时满足预设条件;
若是,则将所述特征标签所属的所述工艺参数作为样本数据参与所述特征参数的选取。
优选地,在所述根据各所述特征参数通过多元线性回归生成所述氟化盐设定值获取模型之后,还包括:
根据各所述特征参数及其对应的所述特征系数获取各所述特征系数的T统计量;
分别判断各所述T统计量是否大于阈值;
若是,设置对应的所述特征系数为0,以优化所述氟化盐设定值获取模型。
优选地,在所述通过所述氟化盐设定值获取模型获取氟化盐设定值之后,还包括:
通过终端设备显示所述氟化盐设定值。
优选地,还包括:
根据预设周期更新所述氟化盐设定值获取模型。
为解决上述技术问题,本申请还提供一种氟化盐下料量设定装置,包括:
第一获取模块,用于获取槽控机所设置的工艺参数;其中,所述工艺参数至少包含设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率;
第二获取模块,用于将所述工艺参数输入至氟化盐设定值获取模型中,以通过所述氟化盐设定值获取模型获取氟化盐设定值;其中,所述氟化盐设定值获取模型是根据不同工艺参数下对应的所述氟化盐设定值生成的模型;
设定模块,用于基于所述氟化盐设定值通过所述槽控机设定氟化盐下料量。
为解决上述技术问题,本申请还提供一种氟化盐下料量设定设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述的氟化盐下料量设定方法的步骤。
为解决上述技术问题,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的氟化盐下料量设定方法的步骤。
本申请所提供的氟化盐下料量设定方法,通过获取槽控机所设置的工艺参数;其中,工艺参数至少包含设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率;将工艺参数输入至氟化盐设定值获取模型中,以通过氟化盐设定值获取模型获取氟化盐设定值;其中,氟化盐设定值获取模型是根据不同工艺参数下对应的氟化盐设定值生成的模型;基于氟化盐设定值通过槽控机设定氟化盐下料量。由此可知,上述方案通过预先对槽控机历史工艺参数的采集,借助计算机的算力来挖掘设定氟化盐下料量与电解铝各种工艺参数的关系,生成了氟化盐设定值获取模型。通过该模型获取每日的氟化盐设定值,从而指导槽控机设定氟化盐实际的下料量,使得氟化盐的设定更准确,提高了产铝量。
此外,本申请实施例还提供了一种氟化盐下料量设定装置、设备及介质,效果同上。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种氟化盐下料量设定方法的流程图;
图2为本申请实施例提供的一种氟化盐下料量设定装置的示意图;
图3为本申请实施例提供的一种氟化盐下料量设定设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,所获得的所有其他实施例,都属于本申请保护范围。
本申请的核心是提供一种氟化盐下料量设定方法、装置、设备及介质。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。
图1为本申请实施例提供的一种氟化盐下料量设定方法的流程图。如图1所示,方法包括:
S10:获取槽控机所设置的工艺参数。
其中,工艺参数至少包含设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率。
可以理解的是,在电解铝工业生产中,普遍采用槽控机进行工艺参数的设置与调整,最终实现出铝量的调整。具体的工艺参数包括但不限于氟化盐下料量、设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率。本实施例中,由于需要进行氟化盐下料量的设定,则在工艺参数获取的过程中不获取氟化盐下料量。
S11:将工艺参数输入至氟化盐设定值获取模型中,以通过氟化盐设定值获取模型获取氟化盐设定值。
其中,氟化盐设定值获取模型是根据不同工艺参数下对应的氟化盐设定值生成的模型。
进一步地,将工艺参数输入至氟化盐设定值获取模型中,通过氟化盐设定值获取模型获取氟化盐设定值。需要注意的是,氟化盐设定值获取模型是根据不同工艺参数下对应的氟化盐设定值生成的模型,具体是通过对历史工艺参数的采集及提炼处理,进一步借助计算机的算力来挖掘氟化盐设定值与电解铝各种工艺参数的关系所生成的模型。通过该模型来指导每日的氟化盐下料量的设定值。本实施例中,对于氟化盐设定值获取模型的生成过程不做限制,根据具体的实施情况而定。
S12:基于氟化盐设定值通过槽控机设定氟化盐下料量。
最后,在通过模型得到氟化盐设定值后,通过槽控机根据氟化盐设定值进行具体的氟化盐下料量设置,保证了氟化盐下料量的准确性。
需要注意的是,本申请实施例中氟化盐下料量的设定方法适用于一个槽控机的氟化盐下料量设定,还适用于大规模生产中大量的槽控机的氟化盐下料量设定。对于本申请实施例提供的氟化盐下料量设定方法的具体应用场景不做限制,根据具体的实施情况而定。
本实施例中,通过获取槽控机所设置的工艺参数;其中,工艺参数至少包含设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率;将工艺参数输入至氟化盐设定值获取模型中,以通过氟化盐设定值获取模型获取氟化盐设定值;其中,氟化盐设定值获取模型是根据不同工艺参数下对应的氟化盐设定值生成的模型;基于氟化盐设定值通过槽控机设定氟化盐下料量。由此可知,上述方案通过预先对槽控机历史工艺参数的采集,借助计算机的算力来挖掘设定氟化盐下料量与电解铝各种工艺参数的关系,生成了氟化盐设定值获取模型。通过该模型获取每日的氟化盐设定值,从而指导槽控机设定氟化盐实际的下料量,使得氟化盐的设定更准确,提高了产铝量。
在上述实施例的基础上,作为一种优选的实施例,在本实施例中对氟化盐设定值获取模型的生成过程进行具体说明:
采集槽控机的工艺参数日报表;其中,工艺参数日报表中包含多日的工艺参数;工艺参数至少包含氟化盐设定值、设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率;
分别基于各日的工艺参数及对应前一日的工艺参数选取多个特征参数;
根据各特征参数通过多元线性回归生成氟化盐设定值获取模型;
其中,氟化盐设定值获取模型由各特征参数及其对应的特征系数构成。
可以理解的是,为了通过计算机的算力来挖掘氟化盐设定值与电解铝各种工艺参数的关系,从而生成氟化盐设定值获取模型,首先需要进行工艺参数的获取。具体地,采集槽控机的工艺参数日报表。工艺参数日报表中记录着多日的各项工艺参数,至少包含氟化盐设定值、设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率。
由于在实际的工艺参数日报表采集过程中,工艺参数日报表中的部分工艺参数可能会存在空值。因此,为了更好地实现氟化盐设定值获取模型的生成,作为一种优选的实施例,在具体实施中若工艺参数日报表中的工艺参数存在空值,则根据时间顺序选取对应的工艺参数的非空数值作为空值的填充值。例如,当工艺参数日报表中某参数在某日为空值,则先按照时间顺序向前追溯至该参数最近的非空数值,将该非空数值作为填充值填充;而如果按时间顺序向前追溯全为空值,则按时间顺序向后追溯至该参数最近的非空数值作为填充值填充。
此外,为了使得参与模型构建的工艺参数更具合理性和代表性,作为一种优选的实施例,在进行模型构建之前,还可对全部的工艺参数进行筛选。具体地,根据工艺参数日报表中的工艺参数获取各日的电压偏差、设定氟化盐下料量日变化值和电流效率日变化值,以分别作为各日工艺参数的特征标签。可以理解的是,电压偏差为实际平均电压与设定电压的差值,电流效率日变化值为当日电流效率与前一日电流效率的差值,设定氟化盐下料量日变化值为当日氟化盐设定值与前一日氟化盐设定值的差值。进一步地,分别判断各特征标签中电流效率日变化值和设定氟化盐下料量日变化值是否同时满足预设条件;若是,则将特征标签所属的工艺参数作为样本数据参与特征参数的选取。本实施例中对于预设条件不做限制,根据具体的实施情况而定。优选地,可设置当电流效率日变化值大于-0.5%且设定氟化盐下料量日变化值小于20千克时满足预设条件。通过上述方式对全部的工艺参数进行筛选得到的样本数据,由于其对电流效率产生正面影响或保持平稳,因此蕴含了氟化盐设定值的合理性。
进一步地,在得到工艺参数后进行模型建立。具体地,分别基于各日的工艺参数及对应前一日的工艺参数选取多个特征参数。具体地,特征参数可具体选取前一日氟化盐设定值、前一日电压偏差、当日电压偏差、当日槽温、前一日噪声、当日噪声、前一日铝水平、前一日分子比及前一日电解质水平。可以理解的是,氟化盐设定值获取模型的目标变量即为当日氟化盐设定值,则具体通过多元线性回归去拟合目标变量和特征参数之间的线性关系,以实现氟化盐设定值获取模型的生成。在具体实施中可通过最小二乘法的方式进行线性回归计算,得到的氟化盐设定值获取模型的关系表达式如下:
y=b0+b1×x1+b2×x2+…+bp×xp;
其中,y为目标变量,即当日氟化盐设定值,x1,…,xp为选定的各特征参数,b0,…,bp为拟合的各特征系数。
本实施例中,通过氟化盐设定值获取模型的建立,根据该模型实现了对每日氟化盐下料量的准确设定。
为提高氟化盐设定值获取模型的统计显著性和准确性,作为一种优选的实施例,在根据各特征参数通过多元线性回归生成氟化盐设定值获取模型之后,还包括:
根据各特征参数及其对应的特征系数获取各特征系数的T统计量;
分别判断各T统计量是否大于阈值;
若是,设置对应的特征系数为0,以优化氟化盐设定值获取模型。
具体地,在得到氟化盐设定值获取模型之后,还需对氟化盐设定值获取模型的统计显著性、准确性和各参数系数的显著性进行检验。作为一种优选的实施例,本实施例所采用的检测方式为t检验。
t检验亦称student t检验(Student's t test),主要用于样本含量较小(例如n<30),总体标准差σ未知的正态分布。t检验是用t分布理论来推论差异发生的概率,从而比较两个平均数的差异是否显著。在具体实施中,根据各特征参数及其对应的特征系数获取各特征系数的T统计量,进一步分别将各T统计量与阈值进行比较,判断T统计量是否大于阈值。若T统计量不大于阈值,则可认为该特征系数是有效的;若T统计量大于阈值,则可认为该特征系数无效,表示该特征系数没有统计显著性,可以取0,对应的特征参数可从氟化盐设定值获取模型中删除。本实施例中对于阈值不做限制,根据具体的实施情况而定。优选地,阈值可设置为0.05。
本实施例中,在得到氟化盐设定值获取模型之后,通过对模型进行t检验,实现了氟化盐设定值获取模型的优化。
进一步地,为了更直观地展示氟化盐设定值,在通过氟化盐设定值获取模型获取氟化盐设定值之后,还包括:
通过终端设备显示氟化盐设定值。
具体地,在氟化盐设定值获取模型的日常应用过程中,通过向模型输入工艺参数从而输出氟化盐设定值,并在终端设备上进行显示;显示方式可为直接显示,或通过对应的应用程序显示,从而以更直观的方式令工作人员获知氟化盐下料量的设定情况。本实施例中对于终端设备的种类不做限制,可为手机、平板电脑或其他设备,根据具体的实施情况而定。
此外,作为一种优选的实施例,为了维持氟化盐设定值获取模型的准确性,在具体实施中,还可根据预设周期更新氟化盐设定值获取模型。模型的更新方式与上述实施例中氟化盐设定值获取模型的生成方式一致,通过模型的更新保持了氟化盐设定值获取的准确性。本实施例中对于预设周期不做限制,根据具体的实施情况而定。优选地,预设周期可为一个月。
在上述实施例中,对于氟化盐下料量设定方法进行了详细描述,本申请还提供氟化盐下料量设定装置对应的实施例。
图2为本申请实施例提供的一种氟化盐下料量设定装置的示意图。如图2所示,氟化盐下料量设定装置包括:
第一获取模块10,用于获取槽控机所设置的工艺参数;其中,工艺参数至少包含设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率。
第二获取模块11,用于将工艺参数输入至氟化盐设定值获取模型中,以通过氟化盐设定值获取模型获取氟化盐设定值;其中,氟化盐设定值获取模型是根据不同工艺参数下对应的氟化盐设定值生成的模型。
设定模块12,用于基于氟化盐设定值通过槽控机设定氟化盐下料量。
本实施例中,氟化盐下料量设定装置包括第一获取模块、第二获取模块和设定模块。通过获取槽控机所设置的工艺参数;其中,工艺参数至少包含设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率;将工艺参数输入至氟化盐设定值获取模型中,以通过氟化盐设定值获取模型获取氟化盐设定值;其中,氟化盐设定值获取模型是根据不同工艺参数下对应的氟化盐设定值生成的模型;基于氟化盐设定值通过槽控机设定氟化盐下料量。由此可知,上述方案通过预先对槽控机历史工艺参数的采集,借助计算机的算力来挖掘设定氟化盐下料量与电解铝各种工艺参数的关系,生成了氟化盐设定值获取模型。通过该模型获取每日的氟化盐设定值,从而指导槽控机设定氟化盐实际的下料量,使得氟化盐的设定更准确,提高了产铝量。
图3为本申请实施例提供的一种氟化盐下料量设定设备的示意图。如图3所示,氟化盐下料量设定设备包括:
存储器20,用于存储计算机程序。
处理器21,用于执行计算机程序时实现如上述实施例中所提到的氟化盐下料量设定的方法的步骤。
本实施例提供的氟化盐下料量设定设备可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
其中,处理器21可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器21可以采用数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称中央处理器(CentralProcessing Unit,CPU);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器21可以在集成有图形处理器(Graphics Processing Unit,GPU),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器21还可以包括人工智能(Artificial Intelligence,AI)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器20可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器20至少用于存储以下计算机程序201,其中,该计算机程序被处理器21加载并执行之后,能够实现前述任一实施例公开的氟化盐下料量设定方法的相关步骤。另外,存储器20所存储的资源还可以包括操作系统202和数据203等,存储方式可以是短暂存储或者永久存储。其中,操作系统202可以包括Windows、Unix、Linux等。数据203可以包括但不限于氟化盐下料量设定方法涉及到的数据。
在一些实施例中,氟化盐下料量设定设备还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
本领域技术人员可以理解,图3中示出的结构并不构成对氟化盐下料量设定设备的限定,可以包括比图示更多或更少的组件。
本实施例中,氟化盐下料量设定设备包括存储器和处理器。存储器用于存储计算机程序。处理器用于执行计算机程序时实现如上述实施例中所提到的氟化盐下料量设定的方法的步骤。通过获取槽控机所设置的工艺参数;其中,工艺参数至少包含设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率;将工艺参数输入至氟化盐设定值获取模型中,以通过氟化盐设定值获取模型获取氟化盐设定值;其中,氟化盐设定值获取模型是根据不同工艺参数下对应的氟化盐设定值生成的模型;基于氟化盐设定值通过槽控机设定氟化盐下料量。由此可知,上述方案通过预先对槽控机历史工艺参数的采集,借助计算机的算力来挖掘设定氟化盐下料量与电解铝各种工艺参数的关系,生成了氟化盐设定值获取模型。通过该模型获取每日的氟化盐设定值,从而指导槽控机设定氟化盐实际的下料量,使得氟化盐的设定更准确,提高了产铝量。
最后,本申请还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
可以理解的是,如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例中,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。通过获取槽控机所设置的工艺参数;其中,工艺参数至少包含设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率;将工艺参数输入至氟化盐设定值获取模型中,以通过氟化盐设定值获取模型获取氟化盐设定值;其中,氟化盐设定值获取模型是根据不同工艺参数下对应的氟化盐设定值生成的模型;基于氟化盐设定值通过槽控机设定氟化盐下料量。由此可知,上述方案通过预先对槽控机历史工艺参数的采集,借助计算机的算力来挖掘设定氟化盐下料量与电解铝各种工艺参数的关系,生成了氟化盐设定值获取模型。通过该模型获取每日的氟化盐设定值,从而指导槽控机设定氟化盐实际的下料量,使得氟化盐的设定更准确,提高了产铝量。
以上对本申请所提供的一种氟化盐下料量设定方法、装置、设备及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种氟化盐下料量设定方法,其特征在于,包括:
获取槽控机所设置的工艺参数;其中,所述工艺参数至少包含设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率;
将所述工艺参数输入至氟化盐设定值获取模型中,以通过所述氟化盐设定值获取模型获取氟化盐设定值;其中,所述氟化盐设定值获取模型是根据不同工艺参数下对应的所述氟化盐设定值生成的模型;
基于所述氟化盐设定值通过所述槽控机设定氟化盐下料量。
2.根据权利要求1所述的氟化盐下料量设定方法,其特征在于,所述氟化盐设定值获取模型的生成过程包括:
采集所述槽控机的工艺参数日报表;其中,所述工艺参数日报表中包含多日的所述工艺参数;所述工艺参数至少包含所述氟化盐设定值、所述设定电压、所述实际平均电压、所述槽温、所述噪声、所述铝水平、所述电解质水平、所述分子比和所述电流效率;
分别基于各日的所述工艺参数及对应前一日的所述工艺参数选取多个特征参数;
根据各所述特征参数通过多元线性回归生成所述氟化盐设定值获取模型;
其中,所述氟化盐设定值获取模型由各所述特征参数及其对应的特征系数构成。
3.根据权利要求2所述的氟化盐下料量设定方法,其特征在于,在所述分别基于各日的所述工艺参数及对应前一日的所述工艺参数选取多个特征参数之前,在所述采集所述槽控机的工艺参数日报表之后,还包括:
若所述工艺参数日报表中的所述工艺参数存在空值,则根据时间顺序选取对应的所述工艺参数的非空数值作为所述空值的填充值。
4.根据权利要求2所述的氟化盐下料量设定方法,其特征在于,在所述分别基于各日的所述工艺参数及对应前一日的所述工艺参数选取多个特征参数之前,在所述采集所述槽控机的工艺参数日报表之后,还包括:
根据所述工艺参数日报表中的所述工艺参数获取各日的电压偏差、设定氟化盐下料量日变化值和电流效率日变化值,以分别作为各日所述工艺参数的特征标签;
分别判断各所述特征标签中所述电流效率日变化值和所述设定氟化盐下料量日变化值是否同时满足预设条件;
若是,则将所述特征标签所属的所述工艺参数作为样本数据参与所述特征参数的选取。
5.根据权利要求2所述的氟化盐下料量设定方法,其特征在于,在所述根据各所述特征参数通过多元线性回归生成所述氟化盐设定值获取模型之后,还包括:
根据各所述特征参数及其对应的所述特征系数获取各所述特征系数的T统计量;
分别判断各所述T统计量是否大于阈值;
若是,设置对应的所述特征系数为0,以优化所述氟化盐设定值获取模型。
6.根据权利要求1所述的氟化盐下料量设定方法,其特征在于,在所述通过所述氟化盐设定值获取模型获取氟化盐设定值之后,还包括:
通过终端设备显示所述氟化盐设定值。
7.根据权利要求1至6任意一项所述的氟化盐下料量设定方法,其特征在于,还包括:
根据预设周期更新所述氟化盐设定值获取模型。
8.一种氟化盐下料量设定装置,其特征在于,包括:
第一获取模块,用于获取槽控机所设置的工艺参数;其中,所述工艺参数至少包含设定电压、实际平均电压、槽温、噪声、铝水平、电解质水平、分子比和电流效率;
第二获取模块,用于将所述工艺参数输入至氟化盐设定值获取模型中,以通过所述氟化盐设定值获取模型获取氟化盐设定值;其中,所述氟化盐设定值获取模型是根据不同工艺参数下对应的所述氟化盐设定值生成的模型;
设定模块,用于基于所述氟化盐设定值通过所述槽控机设定氟化盐下料量。
9.一种氟化盐下料量设定设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的氟化盐下料量设定方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的氟化盐下料量设定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211355158.1A CN115685934A (zh) | 2022-11-01 | 2022-11-01 | 一种氟化盐下料量设定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211355158.1A CN115685934A (zh) | 2022-11-01 | 2022-11-01 | 一种氟化盐下料量设定方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115685934A true CN115685934A (zh) | 2023-02-03 |
Family
ID=85047393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211355158.1A Pending CN115685934A (zh) | 2022-11-01 | 2022-11-01 | 一种氟化盐下料量设定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115685934A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116024614A (zh) * | 2023-03-01 | 2023-04-28 | 湖南力得尔智能科技股份有限公司 | 一种基于工业网络的槽控机自动化节能控制系统 |
-
2022
- 2022-11-01 CN CN202211355158.1A patent/CN115685934A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116024614A (zh) * | 2023-03-01 | 2023-04-28 | 湖南力得尔智能科技股份有限公司 | 一种基于工业网络的槽控机自动化节能控制系统 |
CN116024614B (zh) * | 2023-03-01 | 2024-01-30 | 湖南力得尔智能科技股份有限公司 | 一种基于工业网络的槽控机自动化节能控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115685934A (zh) | 一种氟化盐下料量设定方法、装置、设备及介质 | |
CN112949906B (zh) | 工程造价定额换算的匹配方法、装置、设备及存储介质 | |
CN114090646A (zh) | 异常用电辨识方法及系统 | |
US20220243347A1 (en) | Determination method and determination apparatus for conversion efficiency of hydrogen production by wind-solar hybrid electrolysis of water | |
CN115794578A (zh) | 一种电力系统的数据管理方法、装置、设备及介质 | |
CN115034927A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN111626497A (zh) | 人流量预测方法、装置、设备和存储介质 | |
CN116484651B (zh) | 基于数字孪生的系统参数调节方法、装置、电子设备 | |
CN110287243B (zh) | 分布式数据实时采集与展示系统及方法 | |
CN111125082B (zh) | 基于关联规则挖掘的水泥工艺参数数据分析方法 | |
CN115309658A (zh) | 一种测试数据衍生方法、装置、设备及存储介质 | |
CN115168154A (zh) | 一种基于动态基线的异常日志检测方法、装置及设备 | |
CN115329150A (zh) | 生成搜索条件树的方法、装置、电子设备及存储介质 | |
CN115238652A (zh) | 表格数据的生成方法、装置、电子设备及可读存储介质 | |
CN115203873A (zh) | 应用于配电网的拓扑关系构建方法、装置、设备及介质 | |
CN115508089A (zh) | 一种主轴承的工况识别方法、装置及介质 | |
CN115758804A (zh) | 一种电解槽寿命预测方法、装置、设备及介质 | |
CN110751982B (zh) | 一种智能并行化敲除策略筛选的方法及系统 | |
CN115652368A (zh) | 一种电解铝电压设置方法、装置、设备及介质 | |
CN111178780A (zh) | 运维策略的设置方法、装置、存储介质及电子设备 | |
CN110688851A (zh) | 一种提取地址文本的关键信息的方法、装置及介质 | |
CN110990256A (zh) | 开源代码检测方法、装置及计算机可读存储介质 | |
CN117350517B (zh) | 一种化工生产流程的控制方法、系统、设备及存储介质 | |
CN204883711U (zh) | 一种藻类计数数据语音快速录入及报表生成系统 | |
CN114285032B (zh) | 配电网线路负荷峰值预测方法、装置、计算机设备及介质 |
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 |