CN116820155A - 一种基于大数据的稀土电解槽温测控方法 - Google Patents
一种基于大数据的稀土电解槽温测控方法 Download PDFInfo
- Publication number
- CN116820155A CN116820155A CN202310649814.7A CN202310649814A CN116820155A CN 116820155 A CN116820155 A CN 116820155A CN 202310649814 A CN202310649814 A CN 202310649814A CN 116820155 A CN116820155 A CN 116820155A
- Authority
- CN
- China
- Prior art keywords
- temperature
- data
- electrolysis
- electrolytic
- big data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 229910052761 rare earth metal Inorganic materials 0.000 title claims abstract description 43
- 150000002910 rare earth metals Chemical class 0.000 title claims abstract description 39
- 238000009529 body temperature measurement Methods 0.000 title claims abstract description 26
- 238000005868 electrolysis reaction Methods 0.000 claims description 104
- 150000003839 salts Chemical class 0.000 claims description 67
- PLDDOISOJJCEMH-UHFFFAOYSA-N neodymium(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Nd+3].[Nd+3] PLDDOISOJJCEMH-UHFFFAOYSA-N 0.000 claims description 62
- 239000003792 electrolyte Substances 0.000 claims description 51
- 238000003780 insertion Methods 0.000 claims description 30
- 230000037431 insertion Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000004140 cleaning Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 14
- 230000033228 biological regulation Effects 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000013523 data management Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 2
- 208000012826 adjustment disease Diseases 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 10
- 229910052751 metal Inorganic materials 0.000 description 9
- 239000002184 metal Substances 0.000 description 9
- 229910052779 Neodymium Inorganic materials 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- QEFYFXOXNSNQGX-UHFFFAOYSA-N neodymium atom Chemical compound [Nd] QEFYFXOXNSNQGX-UHFFFAOYSA-N 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 5
- 239000000428 dust Substances 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- -1 6KA neodymium oxide Chemical class 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000009854 hydrometallurgy Methods 0.000 description 2
- 238000009853 pyrometallurgy Methods 0.000 description 2
- 229910001952 rubidium oxide Inorganic materials 0.000 description 2
- CWBWCLMMHLCMAM-UHFFFAOYSA-M rubidium(1+);hydroxide Chemical compound [OH-].[Rb+].[Rb+] CWBWCLMMHLCMAM-UHFFFAOYSA-M 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 229910001404 rare earth metal oxide Inorganic materials 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000005496 tempering Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- C25C7/00—Constructional parts, or assemblies thereof, of cells; Servicing or operating of cells
- C25C7/06—Operating or servicing
-
- 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
- C25C3/34—Electrolytic production, recovery or refining of metals by electrolysis of melts of metals not provided for in groups C25C3/02 - C25C3/32
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electrolytic Production Of Metals (AREA)
Abstract
本发明涉及人工智能控制技术领域,具体涉及一种基于大数据的稀土电解槽温测控方法,首先对电解槽内各类信息进行采集,并对其进行汇总、存储、数据清洗、整合和计算,构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平台,然后输入电解槽的实时数据,并根据数据库和云平台实现对电解槽温度运行状态的评估和预警,并对电解槽的温度进行控制,取代人工调温,提高电解产品质量,并在温度控制过程中对电解槽温度进行监控报警,提醒相关作业人员注意,解决了人工控制电解槽温度时,产生的有害气体与粉尘对操作人员的身体带来较大伤害的问题。
Description
技术领域
本发明涉及人工智能控制技术领域,尤其涉及一种基于大数据的稀土电解槽温测控方法。
背景技术
稀土冶炼主要有湿法冶金和火法冶金两类方法,湿法冶金主要用来生产稀土氧化物,火法冶金更多采用熔盐电解法来生产稀土单质和合金,因为熔盐电解法具备连续制造、废渣少、成本低等优点被广泛进行运用。
目前,大部分公司在应用熔盐电解法时,电解液温度控制等工序仍采用人工作业的方法,作业过程涉及到对金属的电解,电解槽温度可达到1000℃以上,在这一过程中操作人员通常采用肉眼观察熔盐颜色对电解温度进行判断,并根据经验通过升降阴极棒改变插入深度或调整电解电流来控制电解槽温度。
由于需要对电解槽进行开盖与关闭操作,稀土原料粉尘将会因为开盖操作而泄漏在空气中,与此同时在电解过程中生成的大量的有害气体会暴露在空气中,这些有害气体与粉尘,会对操作人员的身体带来较大伤害。
发明内容
本发明的目的在于提供一种基于大数据的稀土电解槽温测控方,解决了人工控制电解槽温度时,产生的有害气体与粉尘,对操作人员的身体带来较大伤害的问题。
为实现上述目的,本发明提供了一种基于大数据的稀土电解槽温测控方法,包括以下步骤:
构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平台;
根据所述数据库和所述云平台对所述电解槽进行实际的温度控制;
在温度控制过程中进行电解槽温度监控报警,并对异常信息与处理方案进行记录、归类,且生成异常信息数据库。
其中,构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平台,所述方法还包括:
对电解槽内各类信息进行采集,并将采集信息上传;
对上传的所述采集信息进行汇总,并根据配置的MySQL数据环境进行所述采集信息数据的清理和筛选;
完成清理和筛选后通过Kafka显式分布式架构框架实现实时数据接入,并通过此OPC协议实时生产的数据结构体实现分区分组化数据管理,且根据数据类型生成多个大数据库;
对多个大数据库进行大数据分析,构建电解液温度变化模型,并根据熔盐电解工序、电解时间、阴极密度和阴极电流,拟合出电解液温度变化曲线;
运用大数据分析算法、PID控制和神经网络算法对电解液温度数据进行大数据训练,使得所述电解液温度变化模型更加准确,并构建稀土熔盐电解温度大数据云平台。
其中,构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平台,所述方法还包括:
所述电解槽内各类信息包括电解槽内的熔盐电解液温度数据、阴极棒位置、阴极电流数据和电解电流。
其中,构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平台,所述方法还包括:
所述电解槽温度相关数据库包括多周期熔盐电解液标准温度-电解炉工作时间数据库、多周期阴极插入深度位置-熔盐电解液温度-电解炉工作时间数据库、多周期电解电流-熔盐电解液温度-电解炉工作时间数据库、多周期阴极电流密度数值-熔盐电解液温度-电解炉工作时间数据库和多周期熔盐电解氧化钕产品质量-多周期熔盐电解液标准温度数据库。
其中,对上传的所述采集信息进行汇总,并根据配置的MySQL数据环境进行所述采集信息数据的清理和筛选,所述方法还包括:
根据配置的MySQL数据环境来对所述采集信息数据进行预处理,并根据数据的缺失值进行筛选,对缺失重要信息、缺失率高的数据进行去除,并在结果中进行标注;
对数据格式内容错误的数据进行清洗;
对大量重复数据与非需要数据进行去除并在结果中进行标注,完成所述采集信息数据的清理和筛选。
其中,根据所述数据库和所述云平台对所述电解槽进行实际的温度控制,所述方法还包括:
采集电解槽内各类信息的实时数据,通过所述电解液温度变化模型和阴极电流密度输出电解电流大小和阴极棒插入深度控制值;
根据所述电解电流大小和所述阴极棒插入深度控制值做出电解槽温度调节反应;
再对电解槽温度进行测定,形成闭环重复操作,直至电解槽温度达到设定温度。
其中,根据所述电解电流大小和所述阴极棒插入深度控制值做出电解槽温度调节反应,所述方法还包括:
将阴极棒插入深度控制值传送至电脑端,控制伺服电机,电机开始驱动阴极棒升降;
当阴极棒按照指令达到预定位置时,电脑端将电流输出值传送至电解电源,由电解电源进行电流调整,进行电解槽温度调节。
本发明的一种基于大数据的稀土电解槽温测控方法,首先对电解槽内各类信息进行采集,并对其进行汇总、存储、数据清洗、整合和计算,构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平台,然后输入电解槽的实时数据,并根据数据库和云平台实现对电解槽温度运行状态的评估和预警,并对电解槽的温度进行控制,取代人工调温,提高电解产品质量,并在温度控制过程中对电解槽温度进行监控报警,提醒相关作业人员注意,解决了人工控制电解槽温度时,产生的有害气体与粉尘对操作人员的身体带来较大伤害的问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明的Kafka显式分布式架构工作原理图。
图2是本发明的6KA氧化钕电解槽温度大数据平台构建流程图。
图3是本发明的6KA氧化钕电解槽温度控制功能流程图。
图4是本发明的6KA氧化钕电解槽温度监控报警流程图。
图5是本发明的实时电解温度数据图。
图6是本发明的基于大数据的稀土电解槽温测控方法的步骤图。
图7是本发明的构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平的步骤图。
图8是本发明的根据所述数据库和所述云平台对所述电解槽进行实际的温度控制的步骤图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
请参阅图6至图8,其中,图6是本发明的基于大数据的稀土电解槽温测控方法的步骤图。图7是本发明的构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平的步骤图。图8是本发明的根据所述数据库和所述云平台对所述电解槽进行实际的温度控制的步骤图。本发明提供一种基于大数据的稀土电解槽温测控方法,包括以下步骤:
S101:构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平台。
S1011:对电解槽内各类信息进行采集,并将采集信息上传;
S1012:对上传的所述采集信息进行汇总,并根据配置的MySQL数据环境进行所述采集信息数据的清理和筛选;
S1013:完成清理和筛选后通过Kafka显式分布式架构框架实现实时数据接入,并通过此OPC协议实时生产的数据结构体实现分区分组化数据管理,且根据数据类型生成多个大数据库;
S1014:对多个大数据库进行大数据分析,构建电解液温度变化模型,并根据熔盐电解工序、电解时间、阴极密度和阴极电流,拟合出电解液温度变化曲线;
S1015:运用大数据分析算法、PID控制和神经网络算法对电解液温度数据进行大数据训练,使得所述电解液温度变化模型更加准确,并构建稀土熔盐电解温度大数据云平台。
具体的:通过多个K型电热偶温度传感器对电解槽内的熔盐电解液温度数据进行采集,该传感器拥有较好的耐高温耐腐蚀特性,能够较好的传递电解槽内的温度信息,同时在外侧装有陶瓷保护部件,能够有效提高其使用寿命,通过信息采集设备采集电解槽内的温度,阴极棒位置,阴极电流数据等信息,并将采集后的信息汇总于网络节点中,其中,电热偶温度传感器与信息采集设备相连接,并通过信息采集设备中的模数转换器模块将热电偶的电压信号转换为能够被控制器处理的电压信号,并通过具备RS433通讯功能的通讯模块将多个信息采集设备所采集到的电解槽各类信息,汇总于网络节点中,并准备上传至数据存储层,其中,数据存储层包括:上位机,以太网交换机,服务器,存储器,其具体功能如下:上位机:上位机与信息采集设备及下位机相连接,用于接受下位机的采集数据与反馈数据,并可以通过上位机对下位机进行控制,服务器:用于存放熔盐电解过程中收集到的温度数据,同时方便作业人员及后续过程中的数据提取,以太网交换机:用于实现数据交换和数据传输,通过提供网络接口实现设备间的互联,并能够通过以太网交换机扩大网络范围;
存储数据上传至数据存储层后,将会对数据进行数据清理,通过配置MySQL数据环境来对采集数据进行预处理,并根据数据的缺失值进行筛选,对缺失重要信息、缺失率高的数据进行去除并在结果中进行标注,对数据格式内容错误的数据进行清洗,例如温度数据数值与时间数据数值错乱交叉、数字数据中出现汉字的错误数据进行去除并在结果中进行标注,对大量重复数据与非需要数据进行去除并在结果中进行标注;
完成数据清洗后运用Kafka显式分布式架构框架实现实时数据接入,在Kafka显式分布式架构其具体工作原理如图1:在Kafka显式分布式架构框架中Producer(生产者,作为信息与数据最初的发布者)和Consumer(消费者,向Kafka系统中获取消息和数据的应用)都没有限定个数,都为分布式,Broker为框架中的数据库服务器,Producer和Consumer只需向Kafka系统完成接口的注册,Producer就可以Push(发布)数据到Broker服务器上,Consumer就可以从Broker服务器上Pull(拉取,即订阅)对应的数据,Broker服务器在此过程中充当缓存器,能够较好的匹配Producer和Consumer的速度,同时也能存储历史数据方便Consumer查询历史数据,数据库服务器(Booker):用于存放运用分布式计算方式计算后的熔盐电解过程中收集到的温度数据,同时方便作业人员及应用服务器后续过程中的数据提取,应用服务器:用于供终端用户直接访问,展示数据分析结果,Zookeeper分布式集群服务器:Zookeeper是一种分布式的、可靠的、负责为分布式应用程序做协调工作的开源服务系统,采用原子广播的机制来保证所有在Zookeeper上注册并留下元数据信息之间的同步,在服务器内部由ZNode的数据节点组成,Zookeeper将全量的数据存储在内存中,以此来提高服务器吞吐、减少延迟的目的,Zookeeper分布式集群服务器通常由一组机器构成,组成Zookeeper集群的而每台机器都会在内存中维护当前服务器状态,并且每台机器之间都相互通信以完成实时的数据传递,在数据存储过程中Kafka显式分布式架构框架能够对其进行分区分组化处理,进一步通过OPC协议进行实时采集生产过程数据结构体,最终写入Kafka系统的实时生产过程数据结构体部分详情如下所示:
//实时采集传感器数据结构体.
typedefstruct_Collect_Sensor_Struct{
OpcUa_DoubleElectrolyte_Temp;//电解液温度
OpcUa_DoubleCathode_Electricity;//阴极电流
OpcUa_DoubleCathode_Displacement;//阴极位置位移
......
}Collect_Sensor_Struct;
//实时采集生产数据结构体.
typedefstruct_RT_Collect_Data{
OpcUa_UInt64Device_ID;//电解槽装备ID
OpcUa_StringRemarks_Str;//备注信息
OpcUa_DateTimeCollect_Time;//采集时间
Collect_Sensor_StructSensor_Data;//生产数据
......
}RT_Collect_Data;
进一步,构建不同的数据库。
首先,建立多周期熔盐电解液标准温度-电解炉工作时间数据库;
进一步,建立多周期阴极插入深度位置-熔盐电解液温度-电解炉工作时间数据库;
进一步,建立多周期电解电流-熔盐电解液温度-电解炉工作时间数据库;
进一步,建立多周期阴极电流密度数值-熔盐电解液温度-电解炉工作时间数据库;
进一步,建立多周期熔盐电解氧化钕产品质量-多周期熔盐电解液标准温度数据库;
在此基于大数据分析,构建整个周期电解液温度变化模型,同时考虑熔盐电解工序、电解时间、阴极密度、阴极电流,拟合出熔盐电解液温度变化曲线,在本模型中熔盐电解液温度变化为非线性曲线,电解槽中温度变化较为复杂,为了便于理解,将传热模型进行一定简化,其温度值Q=K(Ax+By+Cz),其中Q为热生成量,K为热传导系数,A为阴极电流密度相关系数,x为阴极电流密度,B为电解电流相关系数,y为电解电流,C为阴极插入深度相关系数,z为阴极插入深度,其中按照相关性由大到小进行排序,为阴极电流密度(A),电解电流(B),阴极插入深度(C);
进一步,运用大数据分析算法,PID控制,神经网络算法对电解温度数据进行大数据训练,使得熔盐电解温度计算模型更加准确,并构建稀土熔盐电解温度大数据云平台,在获得当前电解槽内的阴极电流密度、电解电流、阴极插入深度数据之后,将数据传输至电解液温度变化模型中,可以计算出当前熔盐电解液温度。
S102:根据所述数据库和所述云平台对所述电解槽进行实际的温度控制。
S1021:采集电解槽内各类信息的实时数据,通过所述电解液温度变化模型和阴极电流密度输出电解电流大小和阴极棒插入深度控制值;
S1022:根据所述电解电流大小和所述阴极棒插入深度控制值做出电解槽温度调节反应;
S1023:再对电解槽温度进行测定,形成闭环重复操作,直至电解槽温度达到设定温度。
具体的:温度控制设备包括显示设备,处理器(PLC用于控制阴极电流大小),温度调控模块(电机控制器,电流控制器),异常警示模块;显示设备:通过系统完成数据可视化,实现人机交互将经过大数据分析后的数据内容以直观、具体、形象的方式展现处理,并及时发布相关预警信息,方便监控温度控制各部分运行状态,便于操作人员对温度控制过程下达指令,处理器:主要处理作业人员所发布的各类操作指令,并根据不同的操作指令形成不同的操作信号,并传输到各个执行模块进行温度调控,温度调控模块:温度调控模块主要由两部分组成,一部分为电流控制器,主要对阴极电流输出进行控制,另一部分为阴极棒升降控制器,主要对阴极棒插入深度与位置进行控制反馈。当电解槽开始电解后,通过电热偶温度传感器对电解槽内不同区域进行温度测定,完成后,通过信息采集设备将温度信息,及其他数据信息通过RS433通讯协议的通讯模块,传导至上位机中,在上位机中,针对传输来的各类数据进行汇总后,随即根据配置的MySQL数据环境进行数据清理、筛选,将实时数据通过以太网交换机,将实时生产数据发送至数据表现层的实时生产系统中,并通过OPC服务将实际电解温度值与电解温度设定值在数据库中进行交互,并通过大数据云平台技术进行实时计算,将电解温度偏差、偏差变化率导入控制器中,并经过大数据计算、神经网络控制后,将通过温度数据模型和阴极电流密度输出电解电流大小、阴极棒插入深度控制值,电解电流大小、阴极棒插入深度控制值通过OPC协议传回上位机,上位机将电解电流大小、阴极棒插入深度控制值发送至温度调控模块,温度调控模块接收到电解电流大小、阴极棒插入深度控制值后进行如下反应:
a)上位机通过Profinet协议将阴极棒插入深度控制值传送至PLC,控制伺服电机,电机开始驱动阴极棒升降;
b)当阴极棒按照大数据系统输出指令达到预定位置时,PLC通过RS433协议将电流输出值传送至电解电源,由电解电源进行电流调整。
电流控制器将电解电源输出量反馈至上位机中,伺服电机通过编码器将阴极位移量反馈至上位机中,再对电解槽温度进行测定,形成闭环反馈至上位机中,最后由显示设备进行电解槽电解流程数据显示,重复以上流程,直至电解槽温度达到所设的温度。
S103:在温度控制过程中进行电解槽温度监控报警,并对异常信息与处理方案进行记录、归类,且生成异常信息数据库。
具体的:在温度控制过程中,异常警示模块在电热偶传感器所采集数据与历史温度数据出现极大不匹配,且无法按照大数据算法进行自动控制的异常情况,会向终端控制器发送相应信号指令,所属终端控制器报警系统将对作业人员进行报警,其包括声音警报器与灯光警报器,前者通过扬声器与蜂鸣器进行报警通知,后者实现灯光闪烁报警,并通过显示设备进行弹窗报警以引起工作人员注意,及时对监控系统的工作状态进行调整,进一步,将此次异常温度数据与处理方式,上传至熔盐电解液温度异常报警-处理方式数据库中进行集中存放,通过大数据、神经网络等技术对熔盐电解液温度异常报警-处理方式数据库中的报警信息与操作人员处理方案信息进行深入解析,如后续面对相似异常情况时,同步给出问题预警与拟解决的具体实施方案,方便作业人员进行处理,并将再次将报警信息与新的处理方案储存于异常信息数据库中,实现迭代优化。
基于大数据技术,能够实时对槽温、用电量等数据进行实时监测,并对异常情况进行实时预警,并对通过故障情况信息及处理方式进行大数据数据库建立,完成问题的优化处理,加速故障处理时间,取代人工调温,提高电解产品质量,并在温度控制过程中对电解槽温度进行监控报警,提醒相关作业人员注意,解决了人工控制电解槽温度时,产生的有害气体与粉尘对操作人员的身体带来较大伤害的问题。
具体实施例:
1.6KA稀土氧化铷电解槽温度测控系统
1.构建电解槽温度相关数据库
本专利通过6KA氧化钕电解槽进行实际温度控制演示,其电解温度预设为1050℃,其运行过程流程如下:
首先进行6KA氧化钕电解槽温度大数据平台构建,其流程如图2所示:
(1)当6KA氧化钕电解槽开始电解后,通过电热偶温度传感器对氧化钕电解槽内不同区域进行温度测定,完成后,通过信息采集设备将温度信息,及其他数据信息通过RS433通讯协议的通讯模块,传导至上位机中。
(2)在上位机中,针对传输来的各类数据进行汇总后,随即根据配置的MySQL数据环境进行数据清理、筛选。
(3)完成清洗后通过Kafka显式分布式架构框架实现实时数据接入,并通过此OPC协议实时生产的数据结构体实现分区分组化数据管理,并根据数据类型生成多个大数据库。
建立多周期阴极插入深度位置-熔盐电解液温度-电解槽工作时间数据库;
建立多周期电解电流-熔盐电解液温度-电解槽工作时间数据库;
建立多周期阴极电流密度数值-熔盐电解液温度-电解槽工作时间数据库;
建立多周期熔盐电解氧化钕产品质量-多周期熔盐电解液标准温度数据库;
(4)针对与温度相关数据进行大数据分析,构建电解液温度变化模型,并根据熔盐电解工序、电解时间、阴极密度、阴极电流,拟合出熔盐电解液温度变化曲线。
(5)运用大数据分析算法,PID控制,神经网络算法对电解温度数据进行大数据训练,使得熔盐电解温度计算模型更加准确,并构建大数据云平台。
以上五步为稀土熔盐电解温度大数据云平台及相关性数据知识库的构建。
2.6KA稀土氧化铷电解槽温度控制
完成稀土熔盐电解温度大数据云平台构建后,需要进行实际的温度控制,其流程图如图3所示:
(1)进行氧化钕电解温度初始设置,设置为1050℃。
(2)当6KA氧化钕电解槽开始电解后,通过电热偶温度传感器对氧化钕电解槽内不同区域进行温度测定,完成后,通过信息采集设备将温度信息,及其他数据信息通过RS433通讯协议的通讯模块,传导至上位机中。
(3)在上位机中,针对传输来的各类数据进行汇总后,随即根据配置的MySQL数据环境进行数据清理、筛选。
(4)将实时数据通过以太网交换机,将实时生产数据发送至数据表现层的实时生产系统中,并通过OPC服务将实际电解温度值与电解温度设定值在数据库中进行交互,并通过大数据云平台技术进行实时计算,将电解温度偏差、偏差变化率导入控制器中,并经过大数据计算、神经网络控制后,将通过温度数据模型和阴极电流密度输出电解电流大小、阴极棒插入深度控制值。
(5)电解电流大小、阴极棒插入深度控制值通过OPC协议传回上位机
(6)上位机将电解电流大小、阴极棒插入深度控制值发送至温度调控模块。
(7)温度调控模块接收到电解电流大小、阴极棒插入深度控制值后进行如下反应。
a)上位机通过Profinet协议将阴极棒插入深度控制值传送至PLC,控制伺服电机,电机开始驱动阴极棒升降;
b)当阴极棒按照大数据系统输出指令达到预定位置时,PLC通过RS433协议将电流输出值传
送至电解电源,由电解电源进行电流调整。
(8)电流控制器将电解电源输出量反馈至上位机中,伺服电机通过编码器将阴极位移量反馈至上位机中,再对电解槽温度进行测定,形成闭环反馈至上位机中,最后由显示设备进行6KA氧化钕电解槽电解流程数据显示。
(9)重复流程(1)至(8),直至6KA氧化钕电解槽温度达到所设的1050℃。
3.6KA氧化钕稀土电解槽温度监控功能
实现6KA氧化钕电解槽温度监控报警流程,如下图所示:
当6KA氧化钕电解槽能够进行正常运行时,异常警示模块不会进行工作,当6KA氧化钕电解槽系统或设备出现异常情况无法进行温度控制或电解槽温度无法通过系统完成智能控制时,其运行流程图如图4所示:
(1)通过上位机将错误现象通过显示设备对作业人员进行报警,并通过显示设备进行弹窗报警,引起操作人员注意。
(2)通过监控电解槽设备的传感器进行自检,若在自检过程中发现设备异常,相应设备位置的灯光报警器与声音报警器将会开启,并通过显示设备进行弹窗报警并告知当前作业人员故障地点;若自检过程中未发现设备异常,温度传感器传输数据异常,提示作业人员“未通过自检发现异常”,并根据作业人员操作进行降温停机处理。
(3)待工作人员处理好电解槽异常,设备运行正常、电热偶温度传感器采集到的温度数据正常后,警报标志消除。并根据作业人员上传的故障情况报表,其中包括:报警信息、操作人员处理方案信息等。
(4)将问题归纳熔盐电解液温度异常报警-处理方式数据库中,并将待分类的故障大数据集合称为D,将电解槽设备及温度异常根据类别属性划分为集合C,其中C={C1,C2,…,Ci,…,Cn},其中1≤i≤n,完成后通过大数据、神经网络等技术对熔盐电解液温度异常报警-处理方式数据库中的报警信息与操作人员处理方案信息进行深入解析并根据划分集合给予故障代码,如后续面对相似异常情况时,同步给出问题预警与拟解决的具体实施方案,方便作业人员进行处理,并将再次将报警信息与新的处理方案储存于异常信息数据库中,实现迭代优化。
3.有益效果
1.能够促进稀土熔盐电解设备智能化发展,6KA氧化钕电解槽经过此大数据的稀土电解槽温测控方法所进行的实时温度数据图如图5:
根据实验数据结果分析,电解过程中,平均一炉电解耗时55分钟左右,加料次数为3次,电解温度调整在1045℃,大数据平台技术对于氧化钕电解温度的控制能够满足氧化钕持续电解过程中对温度的要求。
其产量与传统人工控制方法下对比如下:
电解一炉氧化钕平均耗时50分钟。每炉投入氧化钕电解原料6Kg,获取钕金属4.71Kg左右,电解氧化钕中钕金属的直收率为0.785,制取每公斤钕金属耗电量10Kw·h左右,钕金属含碳量超标时有发生。大数据平台技术应用氧化钕电解温度测控技术,以一个月的生产数据进行采样
并统计:电解一炉氧化钕平均耗时50分钟。每炉投入氧化钕电解原料6Kg,获取钕金属5.13Kg左右,电解氧化钕比钕金属的直收率为0.855,制取每公斤钕金属耗电量8.6Kw·h左右。
通过对比两种方式的生产数据,大数据平台技术在氧化钕电解温度控制应用中,钕金属直收率提高了7%左右,电能利用率提高了16%左右,大大稳定了氧化钕的电解质量。
2.基于大数据技术,能够实时对槽温、用电量等数据进行实时监测,并对异常情况进行实时预警,并对通过故障情况信息及处理方式进行大数据数据库建立,完成问题的优化处理,加速故障处理时间。
以上所揭露的仅为本申请一种或多种较佳实施例而已,不能以此来限定本申请之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本申请权利要求所作的等同变化,仍属于本申请所涵盖的范围。
Claims (7)
1.一种基于大数据的稀土电解槽温测控方法,其特征在于,包括以下步骤:
构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平台;
根据所述数据库和所述云平台对所述电解槽进行实际的温度控制;
在温度控制过程中进行电解槽温度监控报警,并对异常信息与处理方案进行记录、归类,且生成异常信息数据库。
2.如权利要求1所述的基于大数据的稀土电解槽温测控方法,其特征在于,构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平台,所述方法还包括:
对电解槽内各类信息进行采集,并将采集信息上传;
对上传的所述采集信息进行汇总,并根据配置的MySQL数据环境进行所述采集信息数据的清理和筛选;
完成清理和筛选后通过Kafka显式分布式架构框架实现实时数据接入,并通过此OPC协议实时生产的数据结构体实现分区分组化数据管理,且根据数据类型生成多个大数据库;
对多个大数据库进行大数据分析,构建电解液温度变化模型,并根据熔盐电解工序、电解时间、阴极密度和阴极电流,拟合出电解液温度变化曲线;
运用大数据分析算法、PID控制和神经网络算法对电解液温度数据进行大数据训练,使得所述电解液温度变化模型更加准确,并构建稀土熔盐电解温度大数据云平台。
3.如权利要求2所述的基于大数据的稀土电解槽温测控方法,其特征在于,构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平台,所述方法还包括:
所述电解槽内各类信息包括电解槽内的熔盐电解液温度数据、阴极棒位置、阴极电流数据和电解电流。
4.如权利要求2所述的基于大数据的稀土电解槽温测控方法,其特征在于,构建电解槽温度相关数据库和稀土熔盐电解温度大数据云平台,所述方法还包括:
所述电解槽温度相关数据库包括多周期熔盐电解液标准温度-电解炉工作时间数据库、多周期阴极插入深度位置-熔盐电解液温度-电解炉工作时间数据库、多周期电解电流-熔盐电解液温度-电解炉工作时间数据库、多周期阴极电流密度数值-熔盐电解液温度-电解炉工作时间数据库和多周期熔盐电解氧化钕产品质量-多周期熔盐电解液标准温度数据库。
5.如权利要求2所述的基于大数据的稀土电解槽温测控方法,其特征在于,对上传的所述采集信息进行汇总,并根据配置的MySQL数据环境进行所述采集信息数据的清理和筛选,所述方法还包括:
根据配置的MySQL数据环境来对所述采集信息数据进行预处理,并根据数据的缺失值进行筛选,对缺失重要信息、缺失率高的数据进行去除,并在结果中进行标注;
对数据格式内容错误的数据进行清洗;
对大量重复数据与非需要数据进行去除并在结果中进行标注,完成所述采集信息数据的清理和筛选。
6.如权利要求2所述的基于大数据的稀土电解槽温测控方法,其特征在于,根据所述数据库和所述云平台对所述电解槽进行实际的温度控制,所述方法还包括:
采集电解槽内各类信息的实时数据,通过所述电解液温度变化模型和阴极电流密度输出电解电流大小和阴极棒插入深度控制值;
根据所述电解电流大小和所述阴极棒插入深度控制值做出电解槽温度调节反应;
再对电解槽温度进行测定,形成闭环重复操作,直至电解槽温度达到设定温度。
7.如权利要求6所述的基于大数据的稀土电解槽温测控方法,其特征在于,根据所述电解电流大小和所述阴极棒插入深度控制值做出电解槽温度调节反应,所述方法还包括:
将阴极棒插入深度控制值传送至电脑端,控制伺服电机,电机开始驱动阴极棒升降;
当阴极棒按照指令达到预定位置时,电脑端将电流输出值传送至电解电源,由电解电源进行电流调整,进行电解槽温度调节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310649814.7A CN116820155A (zh) | 2023-06-02 | 2023-06-02 | 一种基于大数据的稀土电解槽温测控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310649814.7A CN116820155A (zh) | 2023-06-02 | 2023-06-02 | 一种基于大数据的稀土电解槽温测控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116820155A true CN116820155A (zh) | 2023-09-29 |
Family
ID=88113728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310649814.7A Pending CN116820155A (zh) | 2023-06-02 | 2023-06-02 | 一种基于大数据的稀土电解槽温测控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116820155A (zh) |
-
2023
- 2023-06-02 CN CN202310649814.7A patent/CN116820155A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104807321B (zh) | 基于云计算技术的电熔镁炉运行过程监控系统及方法 | |
CN114565327B (zh) | 基于物联网的智慧能源管控系统 | |
CN103136895A (zh) | 一种电熔镁砂熔炼过程的群炉能耗报警系统及方法 | |
CN116991130A (zh) | 一种石化生产智能化自动化控制系统和方法 | |
US11487272B2 (en) | Multi-scale data acquiring and processing device and method for aluminum oxide production process | |
CN106544733A (zh) | 一种基于开放式网络的晶体生长智能机器系统 | |
CN116820155A (zh) | 一种基于大数据的稀土电解槽温测控方法 | |
CN116594346B (zh) | 一种石墨加热器用智能控制系统及控制方法 | |
CN114297265A (zh) | 基于物联技术的智能运维方法 | |
CN101598927A (zh) | 一种基于神经网络的纯碱碳化工艺控制系统及其控制方法 | |
CN112255969A (zh) | 一种数控机床的数据采集分析展示系统及方法 | |
CN110794799A (zh) | 应用于工业生产的具有故障诊断功能的大数据系统 | |
CN105404146B (zh) | 一种电石炉炉况诊断方法和系统 | |
CN112669170A (zh) | 一种智慧能源节能方法及系统 | |
CN217238640U (zh) | 一种面向化工企业的多通道智能型数据处理装置 | |
CN206192985U (zh) | 具有智能检测功能的养殖控制系统 | |
Sun et al. | Diagnosis and decision analysis system of high temperature molten aluminum cell based on neural network | |
CN103526189A (zh) | 一种mocvd自动化控制系统 | |
CN212065661U (zh) | 基于树莓派的制丝设备预热时间监测系统 | |
CN117620345B (zh) | 一种真空回流焊炉的数据记录系统 | |
CN116070840B (zh) | 一种基于电网数字孪生模型的变压器协同管理方法和系统 | |
Yan | Integrated Design of Automated Cage Chicken Control Based on Electromechanical Control System | |
WO2024021993A1 (en) | Automatic decision-making for pulling | |
CN201449529U (zh) | 一种基于神经网络的纯碱碳化工艺控制系统 | |
CN113477084B (zh) | 一种管道直饮水膜过滤的自动控制方法及系统 |
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 |