陽極煅燒工藝參數質量分析研究

林滿山　劉子瑜

摘? 要： 鋁電解過程中陽極生成是鋁電解工藝的主要組成部分，在回轉窯中進行的煅燒階段是預焙陽極的第一過程，煅燒工藝參數的可控性和指導性對預焙陽極的生產起到了至關重要的作用。為了提高陽極的生產質量，業界正在積極地運用先進技術對生產階段的細節進行控制。本文提出了結合BP神經網絡算法和遺傳算法，針對預焙陽極生產過程，煅燒工藝參數與質量間關系的預測模型，從而達到輔助企業對煅燒過程進行良好的把控。

關鍵詞： 煅燒工藝參數;BP神經網絡算法;遺傳算法

中圖分類號： TP311.52? ? 文獻標識碼： A? ? DOI：10.3969/j.issn.1003-6970.2019.07.031

【Abstract】： Anode formation in aluminum electrolysis is a major component of the aluminum electrolysis process. The calcination stage in the rotary kiln is the first process of prebaked anodes. The controllability and guidance of the calcination process parameters play a crucial role in the production of prebaked anodes.In order to improve the production quality of the anode， the industry is actively using advanced technology to control the details of the pro-duction stage.? In this paper， a prediction model based on BP neural network and genetic algorithm is proposed to predict the relationship between calcination process parameters and raw block quality， so as to achieve a good con-trol of the calcination process of the auxiliary enterprises.

【Key words】： Calcination process parameters; BP neural network algorithm; Genetic algorithm

0? 引言

預焙陽極的生產過程是一個工序復雜而且原料之間的反應機理比較不明確的制造過程[1]。將炭質原料在高溫下進行熱處理，除去所含的水分和揮發分，并相應地提高原料理化性能的生產工序稱為煅燒。其目的主要是排出原料中的水分和揮發分，提高原料的密度和機械強度，提高原料的導電性能、化學穩定性和抗氧化性能[2]。

煅燒作為陽極生產的第一道重要工序，其工藝控制的好壞將直接影響煅后焦的質量。在煅燒的過程中，石油焦的結構以及微量元素的組成隨著溫度

的升高發生了很大變化，煅燒后煅后焦的物理性能、化學性能均比石油焦提高了，因此對煅燒工藝的研究和優化控制一直是國內外同行研究的重點和熱點[3]。

目前，針對陽極煅燒后煅后焦質量的提高的研究較少。石渠使用的決策樹方法對電解鋁的進行分類，分別采用ID3算法，C4.5算法和CART算法以及樹裝袋組合技術提高了預測的準確率，取得了良好的效果[4]。隨著鋁工業的快速發展，鋁廠對陽極質量的要求也不斷提高。隨著國家對環保要求的越來越嚴格，這就使得各預焙陽極生產過程中在注重提高產品質量、降低生產成本的同時，也要注重減低污染、減少排放污染等問題。

1? 數據預處理

煅燒工藝參數的數據來源于煅燒過程中回轉窯ERP系統數據的抽樣采集[5]，此數據直觀地表現了回轉窯在煅燒過程中的實時監控狀態，以及煅后石油焦的各項理化指標。

算法模型的建立工作前，首先，我們將煅燒生產工藝參數和煅后焦質量的評價參數作為BP神經網絡的輸入和輸出變量。

本文采用（0， 1）標準化方法對數據進行歸一化處理，將所有輸入的數據處理轉換到（0， 1）范圍。采用該歸一化方法的目的是消除數據間的量綱、數量級大小的差異，從而避免神經網絡預測誤差過大[6]。該方法是根據所有的原始數據的最大值和最小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。

煅燒的最高溫度一般控制在1350℃左右即可滿足預焙陽極用煅后焦的指標要求。煅后焦電阻率與煅燒溫度、真密度成反比，陽極電阻率與煅后焦的電阻率成正相關性。但是，不是煅燒的溫度越高越好[7]。因為煅燒的溫度還會影響陽極焙燒過程的收縮率，煅燒溫度低，就會導致在焙燒時煅后焦會產生二次收縮，導致陽極出現裂紋或變形。煅燒溫度高，則在焙燒過程中煅后焦收縮小，導致陽極內部結構疏松，從而體積密度以及機械強度都會受到影響。

2? 模型設計

鋁電解生產工藝的復雜性以及不可靠因素造成數據分析的難度，因此需要設計一種分析模型來解決這類問題。

在BP神經網絡算法中，初始連接權值和閾值的矩陣會影響到訓練的模型結果，進而影響模型的預測準確率[8]。常規做法是在標準正態分布中隨機產生初始矩陣，但是這些方法在實際應用中往往很難達到理想的效果[9]。所以引入遺傳算法，模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程，在局部范圍內選擇出最優解，從而提高模型的預測準確率。將遺傳算法融入到BP神經網絡算法中，提高算法性能，遺傳算法流程圖如圖1所示。