預焙陽極質量分析與預測

林滿山，郝墨蘭

?

預焙陽極質量分析與預測

林滿山，郝墨蘭

（北方工業大學 計算機學院，北京 100144）

預焙陽極被稱為電解槽的“心臟”，其質量的好壞直接影響了鋁電解的生產和能耗。陽極的質量不僅取決于原料的質量，也與生產中的工藝參數密不可分。煅燒作為預焙陽極生產的第一道工序，煅燒溫度的高低直接影響了預焙陽極的質量。焙燒是預焙陽極最后一道熱處理工序，對預焙陽極的化學活性有很大影響。為了提高陽極的生產質量，提出一種煅燒工藝參數、焙燒工藝參數與陽極理化指標數據間的關系模型。本文利用RNN算法對煅燒階段和焙燒階段中的工藝數據所對應的陽極質量進行預測，從而達到輔助企業對焙燒升溫過程進行良好的把控。

預焙陽極；煅燒；焙燒；RNN

0 引言

金屬鋁作為保障國民經濟持續發展的重要原材料之一，廣泛引用于各個領域，從生活起居到城市建設，從電力輸出到航天工業，從產品包裝到汽車制造，充斥著我們生活的方方面面。隨著國家對效益要求的提高，原以陽極糊為原料的生產模式已經被淘汰，轉而發展能耗低、效率高的預焙陽極式鋁電解槽模式[1]。

預焙陽極作為當前電解槽的陽極導電材料，在服役期間參與電化學反應[2]，把電流導入了電解槽并參與一系列氧化還原反應，是鋁電解工業最重要的原材料，直接影響鋁電解的生產成本。

煅燒是把50-70 mm的石油焦或者瀝青焦在隔絕空氣的條件下進行高溫處理。煅燒主要是除掉原料理的水分和揮發分，同時是原料里的硫氣化和化合態硫分解，最終來提高其密度、機械強度、抗氧化性和導電率等。焙燒是影響預焙陽極物理化學性最大的一道工序。它是將炭塊在隔離空氣的條件性進行一定的熱處理，讓粘結劑變為焦炭。焙燒使炭素陽極的機械強度更加穩定。

目前，國內對預焙陽極的研究包括，趙爽[3]通過大量的實驗表明陽極焙燒參數對陽極質量有很大影響。李建元[4]提出通過對焙燒升溫曲線進行調整，在一定程度上解決了焙燒陽極質量較低的問題，以適應目前電解鋁行業質量提升，降低增效的生產要求。王喜春[5]等人對預焙陽極焙燒爐控制方法進行了改進，優化了焙燒曲線，降低了重油消耗，提高了產品質量。趙鵬沖和趙秀琪[6]研究了石油焦對陽極質量的影響，發現原料的應用均化技術可以有效解決目前整個行業陽極質量不佳的問題。

1 數據預處理

1.1 煅燒工藝數據預處理

本文采用Z-score標準化方法對數據進行歸一化處理，該方法是根據所有的原始數據的標準差和均值來進行數據標準化的，具體公式如下：

表中字段X1表示煅燒帶溫度，X2表示窯頭溫度，X3表示窯尾溫度，X4表示窯頭負壓，X5表示窯尾負壓，X6表示每小時投料量，X7表示陳灰室入口溫度，X8表示陳灰室出口溫度，X9表示陳灰室入口負壓，X10表示回轉窯電機轉速，X11表示排料溫度，X12表示二次風轉速，X13表示過度倉溫度。

表1 煅燒工藝參數部分原始數據

Tab.1 The raw data of the calcining process parameters

表2 煅燒工藝參數歸一化數據

Tab.2 Normalized data of calcining process parameters

1.2 焙燒工藝數據預處理

原始溫度表包含的參數為1P、4P、5P和6P四個升溫階段的爐室號和九個火道溫度。

完整升溫曲線數據分布如圖1所示，每個升溫階段在不同爐室內進行，每個階段32個小時。所有原始數據需要通過廠房、爐號、升溫階段、升溫時間等信息重新組合數據，獲取完整升溫曲線。

圖1 完整升溫曲線數據分布

得到完整的升溫曲線數據后，還需要將其與陽極的質量參數對應。由于每個爐室內九個火道的升溫曲線對應八組陽極，故對每組陽極的質量參數的數據取平均值作為升溫曲線的質量參數的數據。

1.3 陽極質量參數數據預處理

將每組陽極質量參數數據取平均值作為該組溫度曲線對應的質量參數數據，原始陽極質量參數數據如表2所示。

陽極質量參數共有七個評價指標，其中HF代表灰份，TJMD代表體積密度，ZMD代表真密度，DZL代表電阻率，NYQD代表耐壓強度，CO2代表二氧化碳反應性，RPZXS代表熱膨脹系數。對每個參數進行歸一化處理和缺失值處理。

表3 焙燒工藝參數部分原始數據

Tab.3 Raw data of roasting process parameters

表4 部分原始質量參數數據

Tab.4 Partial raw mass parameter data

2 基于RNN的工藝參數研究

2.1 循環神經網絡（RNN）算法

循環神經網絡（RNN）模型中，相對于普通的多層神經網絡，隱藏層各個節點之間增加了互聯關系[7]，通過隱藏層神經單元之間的連接形成定向循環，創建網絡的內部狀態，并呈現出動態時間序列行為。如圖2所示，神經元之間的連接形成了有向循環，這使它能夠表達出動態的時間行為，也使得它們在自然語言處理領域的諸多與時序相關的問題中應用廣泛，如語言模型[8-9]和語法分析[10-11]等。

RNN每個時刻的輸出不僅與當前時刻的輸出有關，與上一時刻的輸出也有關，如圖2所示。

假設時刻時，輸入為h，隱層狀態為h。h不僅和當前時刻的輸入有關，也和上一個時刻的隱層狀態相關。一般使用如下函數：

這里的?是非線性函數，一般為logistic函數或tanh函數，Ｗ是輸入層和隱含層之間的權值矩陣，U是上一時刻隱含層和當前時刻隱含層之間的權值矩陣，b是偏置向量。

2.2 循環神經網絡（RNN）在模型上表現

陽極七個評價指標的數值標準和范圍不同，所以需要分別對每個指標進行歸一化處理和缺失值處理。質量參數中CO2反應性和熱膨脹系數的共同缺失值較多，因此CO2反應性和熱膨脹系數的數據并不作為陽極質量參數評價的指標。RNN不僅僅能夠處理序列的輸入，也能得到序列輸出。

3 實驗結果

本實驗采用某廠2011年到2016年的數據，通過交叉熵損失值、準確率來評判實驗結果的準確性。

交叉熵損失函數是神經網絡常用的損失函數，可用來衡量預測值與真實值之間的誤差，其公式如下。

準確率為分類正確的樣本數與總樣本數的比值，公式如下，

表5 煅燒-RNN算法的驗證

Tab.5 Calcination-RNN algorithm verification

表6 焙燒-RNN算法的驗證

Tab.6 Roasting-RNN algorithm verification

4 結論

本文提出一種深度學習算法RNN與預焙陽極焙燒過程的工藝參數結合的方法，最后交叉熵損失值和準確率對預測結果加以衡量，整體精確度達到88.2%。實驗說明，RNN算法可以使用在預焙陽極的焙燒流程中，通過對焙燒階段工藝參數的決策和把控，可以更好地提高陽極質量，進而促進鋁電解工業的發展，提高經濟效益。

[1] 王平甫, 劉風琴, 童春秋等. 鋁電解槽陽極氧化掉渣裂紋掉塊的危害和影響因素[J]. 輕金屬, 2002(3): 42-45.

[2] 陳禮寧. 我國炭素工業生產技術現狀與裝備. 全國第八次鋁用炭素技術信息交流會論文集, 2003. 1: 87-91.

[3] 趙爽. 焙燒參數對陽極質量的影響[J]. 輕金屬, 2006(7): 55-58.

[4] 李健元. 優化焙燒升溫曲線, 提高預焙陽極質量實踐[J]. 價值工程, 2015, 34(31): 116-118.

[5] 王喜春, 高翔, 吳小永. 預焙陽極焙燒工藝的優化[J]. 輕金屬, 2003(03): 48-50.

[6] 趙鵬沖, 趙秀琪. 石油焦對預焙陽極質量的影響因素分析[J]. 化工中間體, 2017, (1): 150-151. DOI:10.3969/j.issn. 1672-8114.2017.01.079.

[7] Connor J T, Martin R D, Atlas L E. Recurrent neural netw-orks and robust time series prediction[M]. IEEE Press, 1994.

[8] Tomá? Mikolov, Martin Karafiát, Luká? Burget, Jan ?ernocky, Sanjeev Khudanpur. Recurrent neural network based language model, In: Proc. INTERSPEECH2010.

[9] Tomá? Mikolov, Stefan Kombrink, Luká? Burget, Jan ?ernocky, Sanjeev Khudanpur. Extensions of recurrent neural network language model, IEEE International Confere-nce on Acoustics, 2011, 125(3): 5528-5531.

[10] Chris Dyer, Miguel Ballesteros, Wang Ling, Austin Matt-hews, Noah A. Smith. Transition-based dependency parsing with stack long short-term memory, 2015, In Proc. ACL.

[11] Miguel Ballesteros, Chris Dyer, Noah A. Smith. Improved transition-based dependency parsing by modeling characters instead of words with LSTMs, 2015, In Proceedings of EMNLP.

Quality Analysis and Prediction of Prebaked Anode

LIN Man-shan, HAO Mo-lan

(Computer Institute of North China University of Technology,Beijing 100144, China)

Prebaked anode is known as the "heart" of electrolyzer, and its quality directly affects the production and energy consumption of aluminum electrolysis. The quality of the anode depends not only on the quality of the raw materials, but also on the process parameters in production. As the first step in the production of prebaked anode, calcining temperature directly affects the quality of prebaked anode. Roasting is the last heat treatment process of the prebaked anode, which has a great influence on the chemical activity of the prebaked anode. In order to improve the quality of anode production, a relationship model between calcining process parameters, calcination process parameters and anode physical and chemical index data is proposed. In this paper, the RNN algorithm is used to predict the anode quality corresponding to the process data in the calcination stage and the calcination stage, so as to achieve a good control of the calcination and heating process of the auxiliary enterprises.

Prebaked anode; Calcination; Roasting; RNN

TP391

A

10.3969/j.issn.1003-6970.2018.08.028

林滿山(1965-)，男，高級工程師，主要研究方向：數據挖掘與數據倉庫；郝墨蘭(1992-)，女，研究生，主要研究方向：數據挖掘。

本文著錄格式：林滿山，郝墨蘭. 預焙陽極質量分析與預測[J]. 軟件，2018，39（8）：137-140