预焙阳极质量分析与预测

林满山，郝墨兰



预焙阳极质量分析与预测

林满山，郝墨兰

（北方工业大学 计算机学院，北京 100144）

预焙阳极被称为电解槽的“心脏”，其质量的好坏直接影响了铝电解的生产和能耗。阳极的质量不仅取决于原料的质量，也与生产中的工艺参数密不可分。煅烧作为预焙阳极生产的第一道工序，煅烧温度的高低直接影响了预焙阳极的质量。焙烧是预焙阳极最后一道热处理工序，对预焙阳极的化学活性有很大影响。为了提高阳极的生产质量，提出一种煅烧工艺参数、焙烧工艺参数与阳极理化指标数据间的关系模型。本文利用RNN算法对煅烧阶段和焙烧阶段中的工艺数据所对应的阳极质量进行预测，从而达到辅助企业对焙烧升温过程进行良好的把控。

预焙阳极；煅烧；焙烧；RNN

0 引言

金属铝作为保障国民经济持续发展的重要原材料之一，广泛引用于各个领域，从生活起居到城市建设，从电力输出到航天工业，从产品包装到汽车制造，充斥着我们生活的方方面面。随着国家对效益要求的提高，原以阳极糊为原料的生产模式已经被淘汰，转而发展能耗低、效率高的预焙阳极式铝电解槽模式[1]。

预焙阳极作为当前电解槽的阳极导电材料，在服役期间参与电化学反应[2]，把电流导入了电解槽并参与一系列氧化还原反应，是铝电解工业最重要的原材料，直接影响铝电解的生产成本。

煅烧是把50-70 mm的石油焦或者沥青焦在隔绝空气的条件下进行高温处理。煅烧主要是除掉原料理的水分和挥发分，同时是原料里的硫气化和化合态硫分解，最终来提高其密度、机械强度、抗氧化性和导电率等。焙烧是影响预焙阳极物理化学性最大的一道工序。它是将炭块在隔离空气的条件性进行一定的热处理，让粘结剂变为焦炭。焙烧使炭素阳极的机械强度更加稳定。

目前，国内对预焙阳极的研究包括，赵爽[3]通过大量的实验表明阳极焙烧参数对阳极质量有很大影响。李建元[4]提出通过对焙烧升温曲线进行调整，在一定程度上解决了焙烧阳极质量较低的问题，以适应目前电解铝行业质量提升，降低增效的生产要求。王喜春[5]等人对预焙阳极焙烧炉控制方法进行了改进，优化了焙烧曲线，降低了重油消耗，提高了产品质量。赵鹏冲和赵秀琪[6]研究了石油焦对阳极质量的影响，发现原料的应用均化技术可以有效解决目前整个行业阳极质量不佳的问题。

1 数据预处理

1.1 煅烧工艺数据预处理

本文采用Z-score标准化方法对数据进行归一化处理，该方法是根据所有的原始数据的标准差和均值来进行数据标准化的，具体公式如下：

表中字段X1表示煅烧带温度，X2表示窑头温度，X3表示窑尾温度，X4表示窑头负压，X5表示窑尾负压，X6表示每小时投料量，X7表示陈灰室入口温度，X8表示陈灰室出口温度，X9表示陈灰室入口负压，X10表示回转窑电机转速，X11表示排料温度，X12表示二次风转速，X13表示过度仓温度。

表1 煅烧工艺参数部分原始数据

Tab.1 The raw data of the calcining process parameters

表2 煅烧工艺参数归一化数据

Tab.2 Normalized data of calcining process parameters

1.2 焙烧工艺数据预处理

原始温度表包含的参数为1P、4P、5P和6P四个升温阶段的炉室号和九个火道温度。

完整升温曲线数据分布如图1所示，每个升温阶段在不同炉室内进行，每个阶段32个小时。所有原始数据需要通过厂房、炉号、升温阶段、升温时间等信息重新组合数据，获取完整升温曲线。

图1 完整升温曲线数据分布

得到完整的升温曲线数据后，还需要将其与阳极的质量参数对应。由于每个炉室内九个火道的升温曲线对应八组阳极，故对每组阳极的质量参数的数据取平均值作为升温曲线的质量参数的数据。

1.3 阳极质量参数数据预处理

将每组阳极质量参数数据取平均值作为该组温度曲线对应的质量参数数据，原始阳极质量参数数据如表2所示。

阳极质量参数共有七个评价指标，其中HF代表灰份，TJMD代表体积密度，ZMD代表真密度，DZL代表电阻率，NYQD代表耐压强度，CO2代表二氧化碳反应性，RPZXS代表热膨胀系数。对每个参数进行归一化处理和缺失值处理。

表3 焙烧工艺参数部分原始数据

Tab.3 Raw data of roasting process parameters

表4 部分原始质量参数数据

Tab.4 Partial raw mass parameter data

2 基于RNN的工艺参数研究

2.1 循环神经网络（RNN）算法

循环神经网络（RNN）模型中，相对于普通的多层神经网络，隐藏层各个节点之间增加了互联关系[7]，通过隐藏层神经单元之间的连接形成定向循环，创建网络的内部状态，并呈现出动态时间序列行为。如图2所示，神经元之间的连接形成了有向循环，这使它能够表达出动态的时间行为，也使得它们在自然语言处理领域的诸多与时序相关的问题中应用广泛，如语言模型[8-9]和语法分析[10-11]等。

RNN每个时刻的输出不仅与当前时刻的输出有关，与上一时刻的输出也有关，如图2所示。

假设时刻时，输入为h，隐层状态为h。h不仅和当前时刻的输入有关，也和上一个时刻的隐层状态相关。一般使用如下函数：

这里的ƒ是非线性函数，一般为logistic函数或tanh函数，Ｗ是输入层和隐含层之间的权值矩阵，U是上一时刻隐含层和当前时刻隐含层之间的权值矩阵，b是偏置向量。

2.2 循环神经网络（RNN）在模型上表现

阳极七个评价指标的数值标准和范围不同，所以需要分别对每个指标进行归一化处理和缺失值处理。质量参数中CO2反应性和热膨胀系数的共同缺失值较多，因此CO2反应性和热膨胀系数的数据并不作为阳极质量参数评价的指标。RNN不仅仅能够处理序列的输入，也能得到序列输出。

3 实验结果

本实验采用某厂2011年到2016年的数据，通过交叉熵损失值、准确率来评判实验结果的准确性。

交叉熵损失函数是神经网络常用的损失函数，可用来衡量预测值与真实值之间的误差，其公式如下。

准确率为分类正确的样本数与总样本数的比值，公式如下，

表5 煅烧-RNN算法的验证

Tab.5 Calcination-RNN algorithm verification

表6 焙烧-RNN算法的验证

Tab.6 Roasting-RNN algorithm verification

4 结论

本文提出一种深度学习算法RNN与预焙阳极焙烧过程的工艺参数结合的方法，最后交叉熵损失值和准确率对预测结果加以衡量，整体精确度达到88.2%。实验说明，RNN算法可以使用在预焙阳极的焙烧流程中，通过对焙烧阶段工艺参数的决策和把控，可以更好地提高阳极质量，进而促进铝电解工业的发展，提高经济效益。

[1] 王平甫, 刘风琴, 童春秋等. 铝电解槽阳极氧化掉渣裂纹掉块的危害和影响因素[J]. 轻金属, 2002(3): 42-45.

[2] 陈礼宁. 我国炭素工业生产技术现状与装备. 全国第八次铝用炭素技术信息交流会论文集, 2003. 1: 87-91.

[3] 赵爽. 焙烧参数对阳极质量的影响[J]. 轻金属, 2006(7): 55-58.

[4] 李健元. 优化焙烧升温曲线, 提高预焙阳极质量实践[J]. 价值工程, 2015, 34(31): 116-118.

[5] 王喜春, 高翔, 吴小永. 预焙阳极焙烧工艺的优化[J]. 轻金属, 2003(03): 48-50.

[6] 赵鹏冲, 赵秀琪. 石油焦对预焙阳极质量的影响因素分析[J]. 化工中间体, 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 netw­orks and robust time series prediction[M]. IEEE Press, 1994.

[8] Tomáš Mikolov, Martin Karafiát, Lukáš Burget, Jan Černocký, Sanjeev Khudanpur. Recurrent neural network based language model, In: Proc. INTERSPEECH2010.

[9] Tomáš Mikolov, Stefan Kombrink, Lukáš Burget, Jan Černocký, Sanjeev Khudanpur. Extensions of recurrent neural network language model, IEEE International Confere­nce on Acoustics, 2011, 125(3): 5528-5531.

[10] Chris Dyer, Miguel Ballesteros, Wang Ling, Austin Matt­hews, 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

林满山(1965-)，男，高级工程师，主要研究方向：数据挖掘与数据仓库；郝墨兰(1992-)，女，研究生，主要研究方向：数据挖掘。

本文著录格式：林满山，郝墨兰. 预焙阳极质量分析与预测[J]. 软件，2018，39（8）：137-140