CN118197453A - 一种氧化铝溶出过程苛性比值软测量建模方法 - Google Patents
一种氧化铝溶出过程苛性比值软测量建模方法 Download PDFInfo
- Publication number
- CN118197453A CN118197453A CN202410617232.5A CN202410617232A CN118197453A CN 118197453 A CN118197453 A CN 118197453A CN 202410617232 A CN202410617232 A CN 202410617232A CN 118197453 A CN118197453 A CN 118197453A
- Authority
- CN
- China
- Prior art keywords
- concentration
- alumina
- dissolution
- cheng
- kexing
- 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 119
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 title claims abstract description 107
- 238000004090 dissolution Methods 0.000 title claims abstract description 98
- 238000005259 measurement Methods 0.000 title claims abstract description 58
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 claims abstract description 156
- 238000006243 chemical reaction Methods 0.000 claims abstract description 105
- 230000008569 process Effects 0.000 claims abstract description 66
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims abstract description 55
- 229910052782 aluminium Inorganic materials 0.000 claims abstract description 53
- 235000011121 sodium hydroxide Nutrition 0.000 claims abstract description 50
- 230000029087 digestion Effects 0.000 claims abstract description 21
- 239000007790 solid phase Substances 0.000 claims abstract description 21
- 238000007086 side reaction Methods 0.000 claims abstract description 20
- 238000004134 energy conservation Methods 0.000 claims abstract description 15
- 238000002386 leaching Methods 0.000 claims abstract description 13
- 238000010438 heat treatment Methods 0.000 claims description 39
- 239000003518 caustics Substances 0.000 claims description 24
- 238000004321 preservation Methods 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000009413 insulation Methods 0.000 claims description 12
- 229910001679 gibbsite Inorganic materials 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 8
- 230000002441 reversible effect Effects 0.000 claims description 8
- 238000003556 assay Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 239000004411 aluminium Substances 0.000 claims description 4
- KKCBUQHMOMHUOY-UHFFFAOYSA-N sodium oxide Chemical compound [O-2].[Na+].[Na+] KKCBUQHMOMHUOY-UHFFFAOYSA-N 0.000 claims description 2
- 229910001948 sodium oxide Inorganic materials 0.000 claims description 2
- 238000011534 incubation Methods 0.000 claims 2
- 150000002500 ions Chemical class 0.000 claims 1
- 239000000243 solution Substances 0.000 description 64
- 239000002245 particle Substances 0.000 description 18
- 230000007246 mechanism Effects 0.000 description 13
- 230000006872 improvement Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 239000012670 alkaline solution Substances 0.000 description 5
- 230000002427 irreversible effect Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 229910001570 bauxite Inorganic materials 0.000 description 4
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000007791 liquid phase Substances 0.000 description 2
- 235000010755 mineral Nutrition 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 239000012452 mother liquor Substances 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006757 chemical reactions by type Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Crystallography & Structural Chemistry (AREA)
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明提供一种氧化铝溶出过程苛性比值软测量建模方法,先构建考虑实时固相含铝浓度的氧化铝溶出过程铝溶解微观动力学模型,用于反映主反应的反应速率;再基于溶出工艺流程的质量平衡和能量守恒,以及主反应的反应速率,获得基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程,得氧化铝浓度;基于副反应的影响,获得溶出过程溶液中苛性钠浓度方程,得苛性氧化钠的浓度;然后基于氧化铝浓度和苛性氧化钠的浓度,建立溶出过程苛性比值软测量模型,最后结合工业实际数据辨识融合和优化求解算法,获得溶出过程苛性比值软测量模型的未知参数;本发明构建的氧化铝溶出过程苛性比值软测量模型的预测精度高,平均相对误差在1%以内。
Description
技术领域
本发明涉及氧化铝溶出过程控制技术领域,尤其涉及一种氧化铝溶出过程苛性比值软测量建模方法。
背景技术
工业生产中氧化铝溶出过程稳定控制的关键在于控制其质量评价核心指标苛性比值 ,具体是指溶出过程中氢氧化钠(NaOH)的用量与氧化铝(Al2O3)的摩尔比,直接影响着氧化铝的溶出效率和产物质量。过高的苛性比值会导致氧化铝溶解过度,产物中含有过多杂质,对设备造成不可逆损害;而过低的苛性比值则会导致氧化铝未能充分溶解,降低产物产量,增加生产能耗。
为了实现工业氧化铝溶出过程苛性比值的高精度控制,首先要对溶出过程进行建模,但在建模过程中面临着两点重大挑战。一方面,溶出过程的物理化学反应机理复杂,精细化建模困难。铝土矿和碱性溶液的反应不仅涉及到温度和压力的高度敏感性,还需要在溶液各类成分浓度等多重因素交互影响下取得微妙反应平衡。同时铝土矿的颗粒结构、形态以及表面特性等微观层面因素也对其在溶液中的溶解产生直接影响。此外,溶出过程中还伴随着生成热、气体释放等副作用,这些副作用可能对反应体系的热力学和动力学特性带来不稳定因素;另一方面,出于经济性考虑,工业氧化铝溶出过程中苛性比值通常是通过离线化验获得的,缺乏实时的在线检测手段,而离线化验方式存在很长的时间延迟,且低频率的采样导致控制系统无法及时感知和调整工艺参数,从而引起苛性比值与目标值之间的偏差;
传统的,专利号为ZL201410620090.4的一件中国专利公开了一种氧化铝双流法溶出过程出口溶液苛性比值的在线预测方法,虽然该专利公开了一种机理模型,并通过该机理模型能够获得预测值,但由于该机理模型自身的缺陷,无法取得准确预测,因此借助模糊专家规则和误差时间序列对预测模型进行的误差补偿以获得准确的预测值,但仍然无法克服机理模型自身的缺陷,其预测精度有限。
因此,亟需一种氧化铝溶出过程苛性比值软测量建模方法,能够提高苛性比值软测量模型的预测精度。
发明内容
本发明的目的是提供一种氧化铝溶出过程苛性比值软测量建模方法,旨在解决传统的机理模型预测精度低的技术问题。
为实现上述目的,本发明提供一种氧化铝溶出过程苛性比值软测量建模方法,其步骤包括:
S1:构建考虑实时固相含铝浓度的氧化铝溶出过程铝溶解微观动力学模型,用于
反映主反应的反应速率;
S2:基于溶出工艺流程的质量平衡和能量守恒,以及步骤S1获得的主反应的反应
速率,获得基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程,并求得氧化铝
浓度;
基于副反应的影响,获得溶出过程溶液中苛性钠浓度方程,并求得苛性氧化钠的
浓度;
S3:基于所述氧化铝浓度和所述苛性氧化钠的浓度,建立溶出
过程苛性比值软测量模型,如式(20)所示:
(20)
其中和分别为苛性氧化钠和氧化铝的分子量,1.645为氧化铝
和苛性氧化钠的分子量比值;
S4:结合工业实际数据辨识融合和优化求解算法,获得所述溶出过程苛性比值软测量模型的未知参数,最终获得氧化铝溶出过程苛性比值软测量模型。
作为上述方案进一步的改进,在步骤S1中,构建的所述氧化铝溶出过程铝溶解微观动力学模型如下式所示 :
(11)
其中,为反应速率系数,和分别为溶液和离子浓度,单位,表示可逆反应的平衡常数,为初始矿石浓度,为固相残余浓
度。
作为上述方案进一步的改进,在步骤S1中,构建所述氧化铝溶出过程铝溶解微观动力学模型方法的具体步骤如下所示:
S11:获得三水铝石的溶解动力学模型,具体如下式所示:
(9)
S12:采用实时固相铝浓度来反映可逆反应下三水铝石内当前铝浓度对反应
速率的影响,且所述实时固相铝浓度具体表示如下式所示:
(10)
S13:考虑式(10)到式(9)中,获得所述氧化铝溶出过程铝溶解微观动力学模型。
作为上述方案进一步的改进,所述基于氧化铝溶出过程铝溶解微观动力学模型的
氧化铝浓度方程,具体如式(18)所示: (18)
其中表示保温停留罐溶液铝入口浓度,表示保温停留罐溶液铝浓度;表
示保温停留罐体积;是矿浆流量。
作为上述方案进一步的改进,保温停留罐保温反应阶段溶液中的所述苛性钠浓度方程,具体如式(22)所示:
(22)
其中,表示保温停留罐溶液苛性钠入口浓度,表示保温停留罐溶液苛性钠
浓度;为影响因子,用于来描述多种副反应对最终溶液中苛性钠浓度的影响。
作为上述方案进一步的改进,在步骤S2中,所述基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程的方法步骤具体如下所示:
S211:根据质量平衡和能量守恒,获得套管间接加热阶段溶液中氧化铝浓度、矿浆温度以及加热蒸汽温度分别表示如下所示:
(12)
(13)
(14)
其中是间接加热套管长度,取矿浆流动方向为正; 加热蒸汽流量,和分别为加热套管内管和外管的横截面积,是导热系数,和分别是矿浆和加热蒸汽的平均比热容,和分
别是矿浆和加热蒸汽的平均密度,和分别是加热套管内管和外管半径;
S212:将式(12)~(14)离散化处理后,计算出经过套管间接加热的溶液铝出口浓度和加热套管出口温度,并将其作为保温停留罐保温反应阶段的溶液铝入口浓度和保温停留罐入口温度,同时考虑多种副反应对溶液中苛性钠浓度的影响,计算出经过套管间接加热的溶液苛性钠出口浓度,并将其作为保温停留罐保温反应阶段的溶液苛性钠入口浓度;
S213:根据质量平衡和能量守恒,获得保温停留罐保温反应阶段溶液中基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度和氧化钠浓度,分别如式(18)和式(22)所示,还获得保温停留罐保温反应阶段矿浆温度方程,具体表示如下所示:
(19)
由于保温停留罐保温反应阶段处于满矿浆状态,故入口流量和出口流量相等,均
为,表示保温停留罐入口温度,是反应放热。
作为上述方案进一步的改进,在步骤S212中,由于式(12)~(14)为偏微分方程,为了便于求解将其离散化处理,具体的,式(12)离散后表示如下所示:
(15)
式(13)离散后表示如下所示:
(16)
式(14)离散后表示如下所示:
(17)
式(21)表示多种副反应对溶液中苛性钠浓度的影响下,溶出过程的双层套管加热阶段溶液中的所述苛性钠浓度方程如下式所示:
(21)
作为上述方案进一步的改进,在步骤S4中,获得所述溶出过程苛性比值软测量模型的未知参数的具体方法步骤如下所示:
S41:从实际工业过程中采集样本集;
S42:构建溶出过程苛性比值的最小二乘加权误差函数
(23)
其中为样本数,为苛性比值化验值,为模型计算值;
S43:基于所述的样本集和最优算法,并将作为所述最优算法的适应度函数,对
所述溶出过程苛性比值软测量模型进行求解,辨识出模型的未知参数。
由于本发明采用了以上技术方案,使本申请具备的有益效果在于:
本发明提供一种氧化铝溶出过程苛性比值软测量建模方法,首先构建考虑实时固
相含铝浓度的氧化铝溶出过程铝溶解微观动力学模型,用于反映主反应的反应速率;再基
于溶出工艺流程的质量平衡和能量守恒,以及获得的主反应的反应速率,获得基于氧化铝
溶出过程铝溶解微观动力学模型的氧化铝浓度方程,并求得氧化铝浓度;基于副
反应的影响,获得溶出过程溶液中苛性钠浓度方程,并求得苛性氧化钠的浓度;然
后基于所述氧化铝浓度和所述苛性氧化钠的浓度,建立溶出过程苛性比
值软测量模型 ,最后结合工业实际数据辨识融合和优化
求解算法,获得所述溶出过程苛性比值软测量模型的未知参数,最终获得氧化铝溶出过程
苛性比值软测量模型;如此的设置,先从微观反应原理入手进行机理建模,提出实时固相含
铝浓度改进传统的无孔收缩粒子模型,建立了更符合实际的主反应微观动力学模型;同时
将模型从微观层面扩大至宏观,通过主副反应机理拆解,过程质量平衡、能量守恒分析,融
合工业实际数据辨识方法最终获得氧化铝溶出过程苛性比值软测量模型,整个建模过程结
合各方面因素,使得本发明提供的模型更加全面,因此建立的反应过程更符合工业实际,进
而使得本发明提供的氧化铝溶出过程苛性比值软测量模型具有更高的预测精度,平均相对
误差在1%以内,以及便于将本发明提供的模型用于工业过程中苛性比值的实时预测与后续
控制。
附图说明
为了更清楚地说明本发明实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,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示出的结构获得其他的附图。
图1 为氧化铝溶出过程概念示意图;
图2为三种模型基于测试集数据的溶液铝浓度结果与工业实测数据对比示意图;
图3为本发明建立的氧化铝溶出过程苛性比值软测量模型的苛性比值预测值和实测数据结果的对比示意图。
本发明目的实现、功能特点及优点将结合实施方式,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明的一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
本发明各个实施方式之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
为了更好的描述本发明的发明构思,下面结合工业上一个典型的氧化铝溶出工艺过程进行说明,具体的主要流程如图1,系统整体上分为预处理、溶出过程和闪蒸余能利用过程。预处理即进行脱硅处理,将脱硅后的矿浆和循环母液配比混合后送入溶出过程。溶出过程分为两个阶段,分别为套管加热阶段和保温停留罐保温阶段;套管加热阶段采用间接加热方式,用饱和蒸汽将混合矿浆加热到145℃,其中混合矿浆在内管流动,饱和蒸汽在外管流动;保温阶段包括9个保温停留罐,温度保持不变,矿浆产生一系列复杂物理化学反应,充分从固相中提取铝成分至液相;保温停留罐内的主要化学反应有:
(1)
(2)
(3)
(4)
其中反应(1)为主反应,剩余反应为副反应。充分反应后将混合矿浆输送到闪蒸罐中冷却,闪蒸产生的乏气循环用于过程预脱硅加热。最后将产物交付给沉降工序。着重点是溶出过程的稳定控制,主要目标是通过调节输入端关键可控量碱性溶液流量,使得矿料和碱性溶液实现最佳配比,能够最大程度地将矿石中铝成分转移至溶液中,为后续步骤提供高质量的原材料。
影响溶出过程质量的因素有很多,溶出过程涉及液相、固相等多相过程,且化学反应种类多时间长,多种副反应对主反应产生或抑制或促进效果,反应的放热也会使反应环境产生波动,对反应速率造成影响。在多种因素的影响下,溶出过程的反应环境将充满不确定性。除此之外,评价溶出过程的产物质量的核心指标为苛性比值,需要检测溶液中铝成分和钠成分的浓度以获取,它也是工业溶出过程的主要控制目标。由于经济性等因素限制,目前工业现场的硬件设施缺乏苛性比值的实时检测手段,而人工化验检测的采样频率低,导致控制周期长,因此工业现场大部分时间内,控制系统的矿料和碱性溶液配比效果是无法感知的,这给苛性比值的高精度控制带来了很大的难题,基于这样的发明动机,本发明提供一种氧化铝溶出过程苛性比值软测量建模方法,其步骤包括:
S1:构建考虑实时固相含铝浓度的氧化铝溶出过程铝溶解微观动力学模型,用于
反映主反应的反应速率;具体的,构建的所述氧化铝溶出过程铝溶解微观动力学模型如下
式所示 :
(11)
其中,为反应速率系数,和分别为溶液和离子浓度,单位,表示可逆反应的平衡常数,为初始矿石浓度,为固相残余浓
度;
S2:基于溶出工艺流程的质量平衡和能量守恒,以及步骤S1获得的主反应的反应
速率,获得基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程,并求得氧化
铝浓度;
具体的,所述基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程,具体如式(18)所示:
(18)
其中表示保温停留罐溶液铝入口浓度,表示保温停留罐溶液铝浓度;
表示保温停留罐体积;是矿浆流量;
基于副反应的影响,获得溶出过程溶液中苛性钠浓度方程,并求得苛性氧化钠的
浓度;具体的,保温停留罐保温反应阶段溶液中的所述苛性钠浓度方程,具体如
式(22)所示:
(22)
其中,表示保温停留罐溶液苛性钠入口浓度,表示保温停留罐溶液苛性
钠浓度;为影响因子,用于来描述多种副反应对最终溶液中苛性钠浓度的影响;
S3:基于所述氧化铝浓度和所述苛性氧化钠的浓度,建立溶出
过程苛性比值软测量模型,如式(20)所示:
(20)
其中和分别为苛性氧化钠和氧化铝的分子量,1.645为氧化铝
和苛性氧化钠的分子量比值;
S4:结合工业实际数据辨识融合和优化求解算法,获得所述溶出过程苛性比值软测量模型的未知参数,最终获得氧化铝溶出过程苛性比值软测量模型;如此的设置,先从微观反应原理入手进行机理建模,提出实时固相含铝浓度改进传统的无孔收缩粒子模型,建立了更符合实际的主反应微观动力学模型;同时将模型从微观层面扩大至宏观,通过主副反应机理拆解,过程质量平衡、能量守恒分析,融合工业实际数据辨识方法最终获得氧化铝溶出过程苛性比值软测量模型,整个建模过程结合各方面因素,使得本发明提供的模型更加全面,因此建立的反应过程更符合工业实际,进而使得本发明提供的氧化铝溶出过程苛性比值软测量模型具有更高的预测精度,以及便于将本发明提供的模型用于工业过程中苛性比值的实时预测与后续控制。
作为优选的实施例,在步骤S1中,构建所述氧化铝溶出过程铝溶解微观动力学模型方法的具体步骤如下所示:
S11:获得三水铝石的溶解动力学模型,具体如下式所示:
(9)
具体的,溶出过程存在多种复杂化学反应,其中促使铝元素从矿石提取到溶液中的是主反应,也即反应(1)为主反应,但目前针对溶出过程反应原理建立的模型均仅通过实验数据进行验证,因此不能直接应用于流程工业现场。传统的溶解铝动力学模型,
为了简化复杂的反应过程,提出了以下几点假设:
一、溶解反应是一个不可逆一级反应,与浓度有关;
二、粒子符合收缩无孔粒子,反应速率与粒子表面积成正比;
三、粒子均匀,且形状为球形;
基于假设一、假设二,可以得到
(6)
其中和分别为溶液和离子浓度,是动力学速率常
数,为粒子表面积。
基于假设三,得到粒子表面积
(7)
其中为粒子数,为平均粒子半径。而粒子半径随着反应时间变化而变化,基于
粒子为球形,考虑粒子的体积变化,半径可以与矿石浓度有关:
(8)
其中为粒子初始半径,由于溶解的三水铝石和进入溶液铝元素比例为,可
以用表示,为初始矿石浓度;
根据式(6)和式(8)整理获得式(9)的三水铝石的溶解动力学模型;
S12:采用实时固相铝浓度来反映可逆反应下三水铝石内当前铝浓度对反应
速率的影响,且所述实时固相铝浓度具体表示如下式所示:
(10)
具体的,在实际工业流程中,反应是可逆的,因此假设一是不成立的,且铝从三水
铝石到溶液中的转化率不可能达到100%。随着反应的进行,三水铝石中的浓度不断减小,
最终反应平衡时等于一个常数,可以用来表示,称为固相残余浓度。在溶解反应过
程中,反应速率除了假设中与浓度有关,还和三水矿石中实时的含铝浓度有关,因此
用实时固相铝浓度来反映可逆反应下三水铝石内当前铝浓度对反应速率的影响;
S13:考虑式(3)到式(2)中,获得所述氧化铝溶出过程铝溶解微观动力学模型,如
式(11)所示,且式(11) 从微观原理层面描述了工业过程中主反应的反应。相比于现有模
型,式(11)更为全面,其建立的反应过程更符合工业实际。
需要说明的是,所述氧化铝溶出过程铝溶解微观动力学模型是建立苛性比值软测量模型的基础。为了使模型能够实时准确预测溶出过程的苛性比值,还需综合考虑溶出工艺流程的质量平衡和能量守恒,以及其他副反应所带来的影响。为保持模型的准确性和简洁性,在模型建立过程中提出以下假设:
1、铝土矿与碱溶液混合均匀,同一个保温停留罐中各部位反应速率一致;
2、每一个保温停留罐均处于满矿浆的理想状态;
3、所有间接加热套管材质均相同,导热系数一致;
工业氧化铝溶出过程主要分为两个阶段,分别为套管间接加热阶段和保温停留罐保温反应阶段。
作为优选的实施例,在步骤S2中,所述基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程的方法步骤具体如下所示:
S211:将套管间接加热阶段处理为平推流反应器;根据质量平衡和能量守恒,获得套管间接加热阶段溶液中氧化铝浓度、矿浆温度以及加热蒸汽温度分别表示如下所示:
(12)
(13)
(14)
其中是间接加热套管长度,取矿浆流动方向为正; 加热蒸汽流量
,和分别为加热套管内管和外管的横截面积,是导热系数,和分别是矿浆和加热蒸汽的平均比热容,和分别是矿浆和加
热蒸汽的平均密度,和分别是加热套管内管和外管半径;
S212:由于式(12)~(14)为偏微分方程,为了便于求解将其离散化处理后,具体的,式(12)离散后表示如下所示:
(15)
式(13)离散后表示如下所示:
(16)
式(14)离散后表示如下所示:
(17)
通过离散化后的(15)~(17),计算出经过套管间接加热的溶液铝出口浓度和加热套管出口温度,并将其作为保温停留罐保温反应阶段的溶液铝入口浓度和保温停留罐入口温度;
S213:根据质量平衡和能量守恒,获得保温停留罐保温反应阶段溶液中氧化铝浓度如式(18)所示,还获得保温停留罐保温反应阶段矿浆温度,具体表示如下所示:
(19)
由于保温停留罐保温反应阶段处于满矿浆状态,故入口流量和出口流量相等,均
为,表示保温停留罐入口温度,是反应放热。
作为优选的实施例,在获得溶出过程溶液中的所述苛性钠浓度方程的过程中,主
反应将铝从矿石提取到溶液中,同时产生苛性钠,且其分子量比为,除此之外其余副反
应也会产生苛性钠。为了建立溶出过程苛性比值软测量模型,需要同时得到产物最终的溶
液铝浓度和苛性钠浓度,故定义影响因子来描述多种副反应对最终溶液中苛性钠浓度的
影响。则由质量平衡和能量守恒,套管间接加热阶段溶液中苛性钠浓度具体表示如下式所
示:
(21)
保温停留罐保温反应阶段溶液中苛性钠浓度具体表示如下式所示:
(22)。
作为优选的实施例,在步骤S4中,获得所述溶出过程苛性比值软测量模型的未知参数的具体方法步骤如下所示:
S41:从实际工业过程中采集样本集;
S42:构建溶出过程苛性比值的最小二乘加权误差函数
(23)
其中为样本数,为苛性比值化验值,为模型计算值;
S43:基于所述的样本集和最优算法,并将作为所述最优算法的适应度函数,对
所述溶出过程苛性比值软测量模型进行求解,辨识出模型的未知参数,具体的,在本实施例
中,所述最优算法为粒子群优化算法进行求解,将作为所述粒子群优化算法的适应度函
数,并设定参数迭代次数,种群数量,参数上下限等后,可辨识出模型的未知参数,完
成工业溶出过程苛性比值软测量模型的建立。
需要说明的是,模型建立过程溶液铝浓度和苛性钠浓度单位均为 ,而实
际工业过程中浓度化验值单位普遍为,在进行参数辨识时需要进行单位换算。
为了进一步的验证本发明提供的氧化铝溶出过程苛性比值软测量模型的预测准
确性,进行了实验数据验证以及对比,具体的,首先从工业过程中收集60组可用样本集,采
样间隔4h,对样本进行化学成分分析,获得实际的初始矿石、碱性溶液各成分浓度以及产物
溶液铝、苛性钠浓度值和苛性比值。温度、密度、流量等数据采集自DCS系统(采样周期5s)。
数据中,循环母液流量为(570,650) ,混合矿浆密度为(1310,1320)
,保温停留罐初始温度为(143.5,146),可以覆盖整个工况的状态变化范围。然后,将
前40个样本用于发明提供的氧化铝溶出过程苛性比值软测量模型的模型参数的识别,其余
20个样本用于模型验证。
为了验证本发明改进的微观动力学模型(也即氧化铝溶出过程铝溶解微观动力学模型)的准确性,采用不可逆一级溶解反应模型和灰层扩散控制模型同样进行工艺流程分析,比较三种模型对工业过程同一时期产物溶液铝浓度预测的准确性。为了验证苛性比值软测量模型的准确性,将比较本发明提供模型与实际工业过程苛性比值化验测量值进行对比,比较两者的一致性。
首先设定模型评价指标,具体的,对于本发明建立的微观动力学模型(氧化铝溶出过程铝溶解微观动力学模型)和溶出过程苛性比值软测量模型,对其进行定量的模型性能评判,具体三个定量评价指标如下:
(26)
其中为需要评价的数据集大小,和分别为某一输出变量在测试集上第组
实际和模型预测结果,此指标为模型结果的均方根误差。
(27)
此指标为模型结果的平均相对误差。
(28)
此指标为方向统计指标,用来评价模型结果的趋势方向预测能力。
式(9)即为不可逆一级溶解反应模型的反应动力学方程,灰层扩散控制模型的反应动力学方程如下:
(29)
式中待辨识参数为反应速率系数。对三种模型均采用粒子群算法进行参数辨
识,适应度函数中为实际溶液铝浓度化验值 ,为模型计算值。
三种模型基于测试集数据的溶液铝浓度结果与工业实测数据对比如图2所示,直
线曲线为工业实测值,虚线曲线为本发明建立模型的溶液铝浓度结果值,点线曲线为不可
逆一级溶解反应模型的溶液铝浓度结果值,点划线曲线为灰层扩散控制模型的溶液铝浓度
结果值。从定性分析来看,本发明改进微观动力学模型的溶液铝浓度结果值曲线与实测值
趋势最接近,表明本发明建立的微观动力学模型最符合实际工业过程情况。在定量分析方
面,模型评价指标结果列于表1,可以看出本发明建立微观动力学模型的均方根误差最小,
只有7.287;且平均相对误差小于3%,相比于另外两种模型效果提升了近一倍;趋势方
向预测能力方面,本发明建立模型正确率为89.47%,相比于另外两种模型的有较大的提升。
因此可以得出结论,本发明所建立的溶出过程微观动力学模型能够准确反映实际工业溶出
过程的微观反应机理。
微分方程采用四阶龙格-库塔法求解,参数迭代次数,种群数量,适应度函数为,辨识参数。溶出过程苛性比值软测量模
型基于测试集数据的预测结果与工业实测数据对比如图3所示,直线曲线为工业实测值,虚
线曲线为模型预测值。从定性分析来看,尽管存在一些数值上的差异,但整体上苛性比值的
预测值和实测值呈现一致的趋势,表明本发明所建立的溶出过程苛性比值软测量模型能够
较为准确地预测实际工业生产情况。在定量分析方面,溶出过程苛性比值软测量模型评价
指标结果列于表2,指标上均方根误差结果表现理想,平均相对误差小于1%,趋势方向预测
能力较强,能够满足需求。因此,本发明所建立的工业氧化铝溶出过程苛性比值软测量模型
具有良好的准确性。
本发明提供的氧化铝溶出过程机理动力学建模方法以及结合工业实际数据辨识融合的溶出过程苛性比值软测量建模方法,基于无孔收缩粒子模型进行工业过程机理分析,获得考虑实时固相含铝浓度因素改进的微观动力学模型,经验证相比于现有模型更符合工业实际过程。同时结合工艺流程分析,通过主副反应机理拆解和工业实际数据辨识融合建立的溶出过程苛性比值软测量模型,具有较好的苛性比值预测准确性,基于此能够实现工业溶出过程的高精度控制。由于目前工业氧化铝溶出过程现场普遍缺少苛性比值实时检测手段且采用人工方式控制,所以该建模方法适合致力于智能化升级的工业氧化铝溶出过程现场应用。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围。
Claims (8)
1.一种氧化铝溶出过程苛性比值软测量建模方法,其特征在于,其步骤包括:
S1:构建考虑实时固相含铝浓度的氧化铝溶出过程铝溶解微观动力学模型,用于反映主反应的反应速率;
S2:基于溶出工艺流程的质量平衡和能量守恒,以及步骤S1获得的主反应的反应速率,获得基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程,并求得氧化铝浓度;
基于副反应的影响,获得溶出过程溶液中苛性钠浓度方程,并求得苛性氧化钠的浓度;
S3:基于所述氧化铝浓度和所述苛性氧化钠的浓度/>,建立溶出过程苛性比值软测量模型,如式(20)所示:
(20)
其中1.645为氧化铝和苛性氧化钠的分子量比值;
S4:结合工业实际数据辨识融合和优化求解算法,获得所述溶出过程苛性比值软测量模型的未知参数,最终获得氧化铝溶出过程苛性比值软测量模型。
2.根据权利要求1所述的一种氧化铝溶出过程苛性比值软测量建模方法,其特征在于,在步骤S1中,构建的所述氧化铝溶出过程铝溶解微观动力学模型如下式所示 :
(11)
其中,为反应速率系数,/>和/>分别为溶液/>和/>离子浓度,单位/>,/>表示可逆反应的平衡常数,/>为初始矿石/>浓度,/>为固相残余/>浓度。
3.根据权利要求2所述的一种氧化铝溶出过程苛性比值软测量建模方法,其特征在于,在步骤S1中,构建所述氧化铝溶出过程铝溶解微观动力学模型方法的具体步骤如下所示:
S11:获得三水铝石的溶解动力学模型,具体如下式所示:
(9)
S12:采用实时固相铝浓度来反映可逆反应下三水铝石内当前铝浓度对反应速率的影响,且所述实时固相铝浓度/>具体表示如下式所示:
(10)
S13:考虑式(10)到式(9)中,获得所述氧化铝溶出过程铝溶解微观动力学模型。
4.根据权利要求1-3任意一项所述的一种氧化铝溶出过程苛性比值软测量建模方法,其特征在于,在步骤S2中,所述基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程,具体如式(18)所示:
(18)
其中表示保温停留罐溶液铝入口浓度,/>表示保温停留罐溶液铝浓度;/>表示保温停留罐体积;/>是矿浆流量。
5.根据权利要求4所述的一种氧化铝溶出过程苛性比值软测量建模方法,其特征在于,在步骤S2中,溶出过程的保温停留罐保温反应阶段溶液中的所述苛性钠浓度方程,具体如式(22)所示:
(22)
其中,表示保温停留罐溶液苛性钠入口浓度,/>表示保温停留罐溶液苛性钠浓度;/>为影响因子,用于来描述多种副反应对溶液中苛性钠浓度的影响。
6.根据权利要求5所述的一种氧化铝溶出过程苛性比值软测量建模方法,其特征在于,在步骤S2中,获得基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程的方法步骤具体如下所示:
S211:根据质量平衡和能量守恒,获得套管间接加热阶段溶液中氧化铝浓度、矿浆温度以及加热蒸汽温度分别表示如下所示:
(12)
(13)
(14)
其中是间接加热套管长度,取矿浆流动方向为正; />加热蒸汽流量,/>和/>分别为加热套管内管和外管的横截面积,/>是导热系数,/>和/>分别是矿浆和加热蒸汽的平均比热容,/>和/>分别是矿浆和加热蒸汽的平均密度,/>和/>分别是加热套管内管和外管半径;
S212:将式(12)~(14)离散化处理后,计算出经过套管间接加热的溶液铝出口浓度和加热套管出口温度,并将其作为保温停留罐保温反应阶段的溶液铝入口浓度和保温停留罐入口温度,同时考虑多种副反应对溶液中苛性钠浓度的影响,计算出经过套管间接加热的溶液苛性钠出口浓度,并将其作为保温停留罐保温反应阶段的溶液苛性钠入口浓度;
S213:根据质量平衡和能量守恒,获得保温停留罐保温反应阶段溶液中基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程和氧化钠浓度方程,分别如式(18)和式(22)所示,还获得保温停留罐保温反应阶段矿浆温度方程,具体表示如下所示:
(19)
由于保温停留罐保温反应阶段处于满矿浆状态,故入口流量和出口流量相等,均为,表示保温停留罐入口温度,/>是反应放热。
7.根据权利要求6所述的一种氧化铝溶出过程苛性比值软测量建模方法,其特征在于,在步骤S212中,式(12)离散后表示如下所示:
(15)
式(13)离散后表示如下所示:
(16)
式(14)离散后表示如下所示:
(17)
式(21)表示多种副反应对溶液中苛性钠浓度的影响下,溶出过程的双层套管加热阶段溶液中的所述苛性钠浓度方程如下所示:
(1)。
8.根据权利要求1-3任意一项所述的一种氧化铝溶出过程苛性比值软测量建模方法,其特征在于,在步骤S4中,获得所述溶出过程苛性比值软测量模型的未知参数的具体方法步骤如下所示:
S41:从实际工业过程中采集样本集;
S42:构建溶出过程苛性比值的最小二乘加权误差函数
(23)
其中为样本数,/>为苛性比值化验值,/>为模型计算值;
S43:基于采集的所述样本集和最优算法,并将作为所述最优算法的适应度函数,对所述溶出过程苛性比值软测量模型进行求解,辨识出模型的未知参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410617232.5A CN118197453A (zh) | 2024-05-17 | 2024-05-17 | 一种氧化铝溶出过程苛性比值软测量建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410617232.5A CN118197453A (zh) | 2024-05-17 | 2024-05-17 | 一种氧化铝溶出过程苛性比值软测量建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118197453A true CN118197453A (zh) | 2024-06-14 |
Family
ID=91405560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410617232.5A Pending CN118197453A (zh) | 2024-05-17 | 2024-05-17 | 一种氧化铝溶出过程苛性比值软测量建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118197453A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1546982A (zh) * | 2003-12-08 | 2004-11-17 | 中国铝业股份有限公司 | 一种氧化铝生产过程中苛性比值与溶出率在线检测方法 |
CN101723424A (zh) * | 2009-12-09 | 2010-06-09 | 中国铝业股份有限公司 | 一种提高苛化碱液浓度的方法 |
CN104331622A (zh) * | 2014-11-06 | 2015-02-04 | 中南大学 | 氧化铝双流法溶出过程出口溶液苛性比值的在线预测方法 |
CN110866659A (zh) * | 2019-12-09 | 2020-03-06 | 东北大学 | 一种拜耳法氧化铝生产高压管道溶出过程中苛性比值在线预测方法 |
CN112794353A (zh) * | 2021-01-14 | 2021-05-14 | 四会市辉煌金属制品有限公司 | 一种铝灰渣资源化利用制备聚合氯化铝的方法及装置 |
WO2022121956A1 (zh) * | 2020-12-10 | 2022-06-16 | 东北大学 | 基于深度学习的复杂工业系统预报模型构建方法、装置、设备及存储介质 |
-
2024
- 2024-05-17 CN CN202410617232.5A patent/CN118197453A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1546982A (zh) * | 2003-12-08 | 2004-11-17 | 中国铝业股份有限公司 | 一种氧化铝生产过程中苛性比值与溶出率在线检测方法 |
CN101723424A (zh) * | 2009-12-09 | 2010-06-09 | 中国铝业股份有限公司 | 一种提高苛化碱液浓度的方法 |
CN104331622A (zh) * | 2014-11-06 | 2015-02-04 | 中南大学 | 氧化铝双流法溶出过程出口溶液苛性比值的在线预测方法 |
CN110866659A (zh) * | 2019-12-09 | 2020-03-06 | 东北大学 | 一种拜耳法氧化铝生产高压管道溶出过程中苛性比值在线预测方法 |
WO2022121956A1 (zh) * | 2020-12-10 | 2022-06-16 | 东北大学 | 基于深度学习的复杂工业系统预报模型构建方法、装置、设备及存储介质 |
CN112794353A (zh) * | 2021-01-14 | 2021-05-14 | 四会市辉煌金属制品有限公司 | 一种铝灰渣资源化利用制备聚合氯化铝的方法及装置 |
Non-Patent Citations (3)
Title |
---|
"铝酸钠溶液", Retrieved from the Internet <URL:《https://wenku.baidu.com/view/7a511ae6487302768e9951e79b89680202d86bc0?fr=sogou&_wkts_=1717639474650》> * |
WANG, Q 等: "Kinetic Analysis of Alumina Change in Mold Slag for High Aluminum Steel during Continuous Casting", 《 METALL MATER TRANS B》, 31 December 2012 (2012-12-31), pages 424 * |
白鹏翔;: "烧结法生产氧化铝溶出及副反应研究", 世界有色金属, no. 23, 31 December 2016 (2016-12-31), pages 31 - 33 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Viskanta | Review of three-dimensional mathematical modeling of glass melting | |
WO2018076403A1 (zh) | 一种预测水泥回转窑熟料质量的一维仿真方法 | |
Shen et al. | Fouling of enhanced tubes for condensers used in cooling tower systems: A literature review | |
Sass | Simulation of heat-transfer phenomena in a rotary kiln | |
CN109871602A (zh) | 一种基于高斯过程回归的临界热流密度预测方法 | |
Mu et al. | Migration–deposition coupling characteristics and influence of corrosion products on heat transfer in steam generators | |
CN118197453A (zh) | 一种氧化铝溶出过程苛性比值软测量建模方法 | |
CN101393110A (zh) | 黄磷尾气磷硫多组分高温腐蚀试验系统和试验方法 | |
CN102395927A (zh) | 用于优化连续蒸煮过程的系统和方法 | |
Wang et al. | Modeling and simulation of an industrial falling film evaporator for alumina production | |
CN110793886B (zh) | 一种液态碱金属-水蒸气界面反应速率的测量装置和测试方法 | |
CN105271335A (zh) | 一种氧化铝双流法溶出过程入口矿浆和碱液的配比优化方法 | |
Ramón et al. | Numerical study of the performance of a church window tube bundle condenser | |
CN115512455A (zh) | 一种融合机理与模型迁移的加热炉钢坯温度预测方法 | |
CN102095662B (zh) | 单质硅测定方法及装置 | |
CN213482023U (zh) | 一种循环冷却水动态模拟装置 | |
CN112903959B (zh) | 超临界/亚临界静态水岩反应的模拟实验方法和装置 | |
CN105404146B (zh) | 一种电石炉炉况诊断方法和系统 | |
Zhang et al. | Multi-Objective Optimization for Gas Distribution in Continuous Annealing Process | |
WO2020248167A2 (zh) | 一种氧化铝蒸发流程中闪蒸过程的闪蒸速率计算方法 | |
Quan et al. | Heat mass transfer model of fouling process of calcium carbonate on heat transfer surface | |
Wang et al. | CSTR‐based modelling for the continuous carbonation of sodium aluminate solution | |
CN112687345B (zh) | 一种磷酸萃取过程的预测方法和预测装置 | |
Lu et al. | Flow calibration method for gas-liquid two-phase flow of Coriolis flowmeter based on LSTM | |
CN109283023A (zh) | 模拟烟气含量对三氧化硫浓度影响的实验装置及使用方法 |
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 |