CN111986738A - 一种铜精矿艾萨熔炼工艺配矿预测方法 - Google Patents
一种铜精矿艾萨熔炼工艺配矿预测方法 Download PDFInfo
- Publication number
- CN111986738A CN111986738A CN202010882224.5A CN202010882224A CN111986738A CN 111986738 A CN111986738 A CN 111986738A CN 202010882224 A CN202010882224 A CN 202010882224A CN 111986738 A CN111986738 A CN 111986738A
- Authority
- CN
- China
- Prior art keywords
- copper concentrate
- copper
- pizza
- ore blending
- smelting process
- 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.)
- Granted
Links
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 title claims abstract description 95
- 229910052802 copper Inorganic materials 0.000 title claims abstract description 88
- 239000010949 copper Substances 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 76
- 239000012141 concentrate Substances 0.000 title claims abstract description 59
- 238000002156 mixing Methods 0.000 title claims abstract description 33
- 238000003723 Smelting Methods 0.000 title claims abstract description 27
- 235000013550 pizza Nutrition 0.000 title claims abstract description 23
- 239000000463 material Substances 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 239000000126 substance Substances 0.000 claims abstract description 9
- 239000000428 dust Substances 0.000 claims description 36
- 239000000779 smoke Substances 0.000 claims description 19
- 239000002994 raw material Substances 0.000 claims description 14
- 239000002893 slag Substances 0.000 claims description 8
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 6
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 claims description 3
- 229910052787 antimony Inorganic materials 0.000 claims description 3
- 229910052785 arsenic Inorganic materials 0.000 claims description 3
- 229910052797 bismuth Inorganic materials 0.000 claims description 3
- ODINCKMPIJJUCX-UHFFFAOYSA-N calcium oxide Inorganic materials [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 claims description 3
- 229910052681 coesite Inorganic materials 0.000 claims description 3
- 229910052593 corundum Inorganic materials 0.000 claims description 3
- 229910052906 cristobalite Inorganic materials 0.000 claims description 3
- 229910052737 gold Inorganic materials 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 229910052745 lead Inorganic materials 0.000 claims description 3
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 claims description 3
- 229910052759 nickel Inorganic materials 0.000 claims description 3
- 238000010791 quenching Methods 0.000 claims description 3
- 230000000171 quenching effect Effects 0.000 claims description 3
- 239000000377 silicon dioxide Substances 0.000 claims description 3
- 235000012239 silicon dioxide Nutrition 0.000 claims description 3
- 229910052709 silver Inorganic materials 0.000 claims description 3
- 238000010583 slow cooling Methods 0.000 claims description 3
- 229910052682 stishovite Inorganic materials 0.000 claims description 3
- 229910052717 sulfur Inorganic materials 0.000 claims description 3
- 229910052718 tin Inorganic materials 0.000 claims description 3
- 229910052905 tridymite Inorganic materials 0.000 claims description 3
- 239000002918 waste heat Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 229910001845 yogo sapphire Inorganic materials 0.000 claims description 3
- 229910052725 zinc Inorganic materials 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 238000005272 metallurgy Methods 0.000 abstract description 2
- 238000009776 industrial production Methods 0.000 abstract 1
- 239000012535 impurity Substances 0.000 description 9
- 238000009867 copper metallurgy Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010310 metallurgical process Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Images
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
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Animal Husbandry (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Agronomy & Crop Science (AREA)
- Manufacture And Refinement Of Metals (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Mining & Mineral Resources (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
Abstract
本发明涉及一种铜精矿艾萨熔炼工艺配矿预测方法,属于冶金技术领域。首先采集生产样品,对样品进行化学分析,将分析结果进行物料平衡计算得出元素分布规律,根据元素分布规律构建铜精矿配矿模型,然后将铜精矿各元素质量分数输入该模型,经计算预测可得产物各元素质量分数。本发明基于元素分布规律结合相应的数学模型,实现艾萨熔炼工艺中不同配比铜精矿艾萨冶炼工艺中产物质量及各元素含量的预测,实现铜精矿艾萨冶炼过程配矿的科学性和准确性,指导工业生产实践。
Description
技术领域
本发明属于冶金技术领域,具体的说,涉及一种铜精矿艾萨熔炼工艺配矿预测方法。
背景技术
随着铜资源的不断开发利用,许多高品位、低杂质的优质铜资源将日渐枯竭,冶炼厂面临的原料将是杂质含量越来越高的铜精矿。目前,铜冶炼企业所处理铜原料中的各类杂质元素含量与过去相比有所提高,其中有一部分为有害的杂质元素,由于所采用的冶金工艺,决定了这些杂质元素在各工艺生产流程中并不能全部被开路出去,相当一部分在整个铜冶金过程中不断循环和积累,一旦各有害杂质元素积累量达到一定的时候,将会使各冶炼产品中的杂质含量明显提高,进而会导致电铜质量出现波动。提高铜冶金企业的产品质量,减少对环境的污染,成为现在和未来铜冶金企业发展的必然要求。
解决这些的问题,就必须了解含铜物料中有益和有害元素在冶金工艺过程中的行为、分布、走向等,同时进行科学配料。目前大多数铜冶炼企业生产部门通常依靠经验进行铜精矿配矿,无法判断各产物中主要成分及杂质元素的含量,缺少一个科学的、准确的、***的配矿预测方法。对于矿石原料比较单一、指标比较稳定的矿石,往往流程也比较稳定,依靠经验可以预测选矿作业后的各项出矿指标。但是对于原料比较复杂、指标波动比较大的原矿或混合矿,依据经验无法预判重要元素的分布情况,无法对熔炼渣型进行有效调控。
为此,提供一种能准确预判出料指标的方法是很有必要的。
发明内容
为了克服背景技术中存在的问题,本发明提供了一种铜精矿艾萨熔炼工艺配矿预测方法,该方法基于元素分布规律结合相应的数学模型,实现艾萨熔炼工艺中不同配比铜精矿产物中各元素分布情况的预测,对重要元素分布情况、渣型调控和资源回收利用起到指导作用。
为实现上述目的,本发明是通过如下技术方案实现的:
所述的铜精矿艾萨熔炼工艺配矿预测方法包括以下步骤:
(1)首先采集投入物料和产物的样品,投入物料主要为混合铜精矿和外购粗铜,产物主要为艾萨电收尘烟尘、艾萨余热锅炉烟尘、电炉缓冷渣、水淬渣、转炉渣、转炉粗烟尘、转炉电收尘烟尘和阳极板;
(2)将步骤(1)中采集的各种样品的主要元素进行化学分析,得到样品中各元素含量,并进行物料平衡计算;
(3)将步骤(2)得到的物料平衡计算结果通过线性回归拟合得出主要元素的分布规律并构建出铜精矿配矿模型;
(4)将步骤(3)得到的铜精矿配矿模型输入原料质量和各元素质量分数,经过计算预测即可输出产物质量和各元素质量分数。
根据权利要求1所述的一种铜精矿艾萨熔炼工艺配矿预测方法,其特征在于:步骤(3)中的配矿模型为:
式中:
ma:目标产物质量,t;
m1:混合铜精矿质量,t;
w1`:目标产物主要元素在混合铜精矿中的含量,%;
m2:外购粗铜质量,t;
w2`:目标产物主要元素在外购粗铜中的含量,%;
wa`:产物主要元素占投入工序总量百分比,%;
wa:产物中主要元素分配百分比,%。
式中:
Wele:目标产物中任一元素含量,%;
m1:混合铜精矿质量,t;
wele1`:混合铜精矿中所求元素含量,%;
m2:外购粗铜质量,t;
wele2`:外购粗铜中所求元素含量,%;
aele:任一元素占投入工序总量百分比,%
ma:目标产物质量,t。
进一步的,步骤(4)中的输入原料质量和各元素质量分数为混合铜精矿和外购粗铜实测值,即m1,m2,wele1和wele2;其中wele1和wele2为混合铜精矿和外购粗铜化学分析各元素的含量。
进一步的,步骤(2)中进行化学分析的主要元素为:Cu、Fe、S、SiO2、CaO、MgO、Al2O3、Ni、As、Pb、Zn、Bi、Sb、Sn、Au、Ag
进一步的,步骤(1)中采集投入物料和产物的样品时间大于3天。
进一步的,步骤(2)中物料平衡计算每个工作日各个投入原料和流程产物的质量和各元素占比,由于艾萨熔炼工艺成熟,产物成分稳定,求出流程产物的质量和各元素占比平均值。
进一步的,步骤(3)通过origin9.0,根据实际情况在X输入取样工作日各元素投入量,Y输入七个工作日各元素产出量,进行线性回归拟合,要求拟合度R2>0.99,其中斜率为产物各元素占投入物料总量百分比。
本发明的有益效果:
发明通过全流程的元素分布考查,获得元素分布规律,为铜精矿配矿预测模型建立提供计算依据。
利用科学、准确、***的配矿方法替代传统的经验判断配矿,实现铜精矿艾萨冶炼工艺产品质量的可控。
利用Excel软件,通过公式编辑,建立了准确性高、易操作的配矿预测模型。
附图说明
图1是本发明实施流程图;
图2是本发明配矿数学预测模型的操作界面截图。
具体实施方式
为了使本发明的目的、技术方案和有益效果更加清楚,下面将对本发明的优选实施例进行详细的说明,以方便技术人员理解。
实施例1
本实施例选取云南某铜冶炼企业铜精矿艾萨熔炼工艺的原料和产物。
本实施例所述铜精矿艾萨熔炼工艺配矿预测方法,具体包括以下步骤:
(1)首先采集七个工作日的投入物料和产物的样品,投入物料主要为混合铜精矿和外购粗铜,产物主要为艾萨电收尘烟尘、艾萨余热锅炉烟尘、电炉缓冷渣、水淬渣、转炉渣、转炉粗烟尘、转炉电收尘烟尘和阳极板。
(2)将步骤(1)中采集的各种样品的主要元素(Cu、Fe、S、SiO2、CaO、MgO、Al2O3、Ni、As、Pb、Zn、Bi、Sb、Sn、Au、Ag)进行化学分析,得到各产物中各元素含量,并通过物料平衡计算每个工作日各个投入原料和产物的质量和各元素占比,由于艾萨熔炼工艺成熟,产物成分稳定,故求出流程产物质量和各元素占比分平均值。
(3)将步骤(2)得到的物料平衡计算结果通过origin9.0,根据实际情况在X输入七个工作日各元素投入量,Y输入七个工作日各元素产出量,进行线性回归拟合,拟合度R2>0.99,其中斜率为产物各元素占投入工序总量百分比。即可得出主要元素的质量分布规律并构建出铜精矿配矿模型,该数学模型为:
式中:
ma:目标产物质量,t;
m1:混合铜精矿质量,t;
w1`:目标产物主要元素在混合铜精矿中的含量,%;
m2:外购粗铜质量,t;
w2`:目标产物主要元素在外购粗铜中的含量,%;
wa`:产物主要元素占投入工序总量百分比,%;
wa:产物中主要元素分配百分比,%。
式中:
wele:目标产物中任一元素含量,%;
m1:混合铜精矿质量,t;
wele1`:混合铜精矿中所求元素含量,%;
m2:外购粗铜质量,t;
wele2`:外购粗铜中所求元素含量,%;
aele:任一元素占投入工序总量百分比,%
ma:目标产物质量,t。
(4)将步骤(3)得到的铜精矿配矿模型输入原料质量和各元素质量分数,如表1所示,输入原料质量和各元素质量分数为混合铜精矿和外购粗铜实测值,即m1、m2、wele1和wele2,其中wele1和wele2为混合铜精矿和外购粗铜化学分析各元素的含量,经过计算预测即可输出产物质量和各元素质量分数如表2所示。结合实际生产预测准确率达99.364%
表1.输入数据表
表2.输出数据表
应用实例:(以艾萨电收尘烟尘质量和铜含量预测过程为例)
连续收集7天的混合铜精矿和艾萨电收尘烟尘,通过化学分析每个样品中全元素分布,得到混合铜精矿和艾萨电收尘烟尘中各元素含量,其中艾萨电收尘烟尘中含量最高的元素为Pb,Pb含量平均值为19.96%,即艾萨电收尘烟尘中主要元素分配百分比wa为19.96%;通过origin9.0,X输入每天混合铜精矿中Pb质量,Y输入每天艾萨电收尘烟尘中Pb质量,进行线性回归拟合,拟合度R2=0.9995739943,其中斜率为0.48503,即艾萨电收尘烟尘铅元素占铜混合精矿铅总量百分比wa`为48.503%;同理,通过origin9.0得出艾萨电收尘烟尘铜元素占铜混合精矿铜总量百分比aele为0.189%。
则由铜精矿投入量为1000t,精矿中铜含量为20.26%,铅含量为0.534%;外购粗铜投入量200t,外购粗铜中铜含量97.5%,铅含量为0.4%。
ma=14.92
得出艾萨电收尘烟尘质量为12.97625t。
wele=0.0504
则得出艾萨电收尘烟尘中铜元素含量为5.04%。
最后说明的是,以上优选实施例仅用于说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (7)
1.一种铜精矿艾萨熔炼工艺配矿预测方法,其特征在于包括以下步骤:
(1)首先采集投入物料和产物的样品,投入物料主要为混合铜精矿和外购粗铜,产物主要为艾萨电收尘烟尘、艾萨余热锅炉烟尘、电炉缓冷渣、水淬渣、转炉渣、转炉粗烟尘、转炉电收尘烟尘和阳极板;
(2)将步骤(1)中采集的各种样品的主要元素进行化学分析,得到样品中各元素含量,并进行物料平衡计算;
(3)将步骤(2)得到的物料平衡计算结果通过线性回归拟合得出主要元素的分布规律并构建出铜精矿配矿模型;
(4)将步骤(3)得到的铜精矿配矿模型输入原料质量和各元素质量分数,经过计算预测即可输出产物质量和各元素质量分数。
2.根据权利要求1所述的一种铜精矿艾萨熔炼工艺配矿预测方法,其特征在于:步骤(3)中的配矿模型为:
式中:
ma:目标产物质量,t;
m1:混合铜精矿质量,t;
w1`:目标产物主要元素在混合铜精矿中的含量,%;
m2:外购粗铜质量,t;
w2`:目标产物主要元素在外购粗铜中的含量,%;
wa`:产物主要元素占投入工序总量百分比,%;
wa:产物中主要元素分配百分比,%。
式中:
Wele:目标产物中任一元素含量,%;
m1:混合铜精矿质量,t;
wele1`:混合铜精矿中所求元素含量,%;
m2:外购粗铜质量,t;
wele2`:外购粗铜中所求元素含量,%;
aele:任一元素占投入工序总量百分比,%
ma:目标产物质量,t。
3.根据权利要求2所述的一种铜精矿艾萨熔炼工艺配矿预测方法,其特征在于:步骤(4)中的输入原料质量和各元素质量分数为混合铜精矿和外购粗铜实测值,即m1,m2,wele1和wele2;其中wele1和wele2为混合铜精矿和外购粗铜化学分析各元素的含量。
4.根据权利要求1或2所述的一种铜精矿艾萨熔炼工艺配矿预测方法,其特征在于:步骤(2)中进行化学分析的主要元素为:Cu、Fe、S、SiO2、CaO、MgO、Al2O3、Ni、As、Pb、Zn、Bi、Sb、Sn、Au、Ag。
5.根据权利要求1所述的一种铜精矿艾萨熔炼工艺配矿预测方法,其特征在于:步骤(1)中采集投入物料和产物的样品时间大于3天。
6.根据权利要求1或2所述的一种铜精矿艾萨熔炼工艺配矿预测方法,其特征在于:步骤(2)中物料平衡计算每个工作日各个投入原料和流程产物的质量和各元素占比,由于艾萨熔炼工艺成熟,产物成分稳定,求出流程产物的质量和各元素占比平均值。
7.根据权利要求1所述的一种铜精矿艾萨熔炼工艺配矿预测方法,其特征在于:步骤(3)通过origin9.0,根据实际情况在X输入取样工作日各元素投入量,Y输入七个工作日各元素产出量,进行线性回归拟合,要求拟合度R2>0.99,其中斜率为产物各元素占投入物料总量百分比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010882224.5A CN111986738B (zh) | 2020-08-28 | 2020-08-28 | 一种铜精矿艾萨熔炼工艺配矿预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010882224.5A CN111986738B (zh) | 2020-08-28 | 2020-08-28 | 一种铜精矿艾萨熔炼工艺配矿预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111986738A true CN111986738A (zh) | 2020-11-24 |
CN111986738B CN111986738B (zh) | 2022-08-02 |
Family
ID=73440723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010882224.5A Active CN111986738B (zh) | 2020-08-28 | 2020-08-28 | 一种铜精矿艾萨熔炼工艺配矿预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111986738B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115572837A (zh) * | 2022-09-05 | 2023-01-06 | 楚雄滇中有色金属有限责任公司 | 防止艾萨熔炼高砷铜精矿堵塞锅炉烟道的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000129367A (ja) * | 1998-10-29 | 2000-05-09 | Mitsubishi Materials Corp | 製錬炉の操業方法及び製錬炉 |
CN105095565A (zh) * | 2015-06-24 | 2015-11-25 | 铜陵有色金属集团股份有限公司金昌冶炼厂 | 一种多种铜精矿最优混合的建模方法 |
-
2020
- 2020-08-28 CN CN202010882224.5A patent/CN111986738B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000129367A (ja) * | 1998-10-29 | 2000-05-09 | Mitsubishi Materials Corp | 製錬炉の操業方法及び製錬炉 |
CN105095565A (zh) * | 2015-06-24 | 2015-11-25 | 铜陵有色金属集团股份有限公司金昌冶炼厂 | 一种多种铜精矿最优混合的建模方法 |
Non-Patent Citations (2)
Title |
---|
冯建生: "一个基于神经网络的配矿专家***", 《冶金自动化》 * |
华宏全: "云铜艾萨熔炼技术应用浅析", 《矿冶工程》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115572837A (zh) * | 2022-09-05 | 2023-01-06 | 楚雄滇中有色金属有限责任公司 | 防止艾萨熔炼高砷铜精矿堵塞锅炉烟道的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111986738B (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583118B (zh) | 一种烧结配比计算及烧结矿成本优化方法 | |
CN110516402B (zh) | 一种优化电弧炉废钢配料的方法 | |
CN111986738B (zh) | 一种铜精矿艾萨熔炼工艺配矿预测方法 | |
Li et al. | Integrated assessment of process pollution prevention and end-of-pipe control in secondary lead smelting | |
CN102925672B (zh) | 利用单烧铁水成本评价铁矿石经济价值的方法 | |
CN110246547B (zh) | 一种烧结过程配矿优化方法 | |
CN113160899A (zh) | 一种基于nsga-ii算法的烧结配料多目标优化方法 | |
Näsi | Statistical analysis of cobalt removal from zinc electrolyte using the arsenic-activated process | |
CN111738580B (zh) | 一种鞍山式铁矿配矿优化方法 | |
CN111020118B (zh) | 一种基于粒子群优化案例推理的rh终点温度预测方法 | |
Bai et al. | Pollution prevention and control measures for the bottom blowing furnace of a lead-smelting process, based on a mathematical model and simulation | |
Korpi et al. | Plant-wide optimization of a copper smelter: how to do it in practice? | |
CN111455199A (zh) | 一种高温合金真空感应炉冶炼工艺 | |
CN115271365A (zh) | 一种铁矿石冶金性价比在线评估方法及*** | |
CN113343416B (zh) | 一种有害元素对高炉冶炼影响及调控标准的建立方法 | |
CN112884294A (zh) | 精粉资源评价方法、装置、设备及存储介质 | |
CN102933728A (zh) | 一种监测和优化冶炼炉运行的***和方法 | |
CN117708708B (zh) | 一种炼钢用铁合金的品质评级及推荐方法 | |
Wang et al. | Simulation of flows of hazardous elements in copper smelting process based on Bayesian network | |
EP4394051A1 (en) | Method for predicting impurity concentration of molten iron, method for manufacturing molten iron, method for creating trained machine learning model, and apparatus for predicting impurity concentration of molten iron | |
Zhou et al. | Co-Smelting Process of Pb Concentrate and Zn Leaching Residues with Oxygen-Rich Side Blowing Furnaces: Industrial Application and Material Balance | |
CN1842384B (zh) | 一种用于预测和控制液态钢的铸造性能的方法及控制设备 | |
TWI807934B (zh) | 熔鐵之雜質濃度之預測方法、熔鐵之製造方法、學習完成之機械學習模型之作成方法及熔鐵之雜質濃度之預測裝置 | |
CN115662537A (zh) | 一种转炉出钢量预测方法及*** | |
CN116579670B (zh) | 热态精炼渣回收利用的经济效益计算和可行性评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |