基于BP神經(jīng)網(wǎng)絡(luò)技術(shù)的紅土鎳礦還原焙燒-磁選工藝條件的優(yōu)化

黨煒犇， 王宇斌， 王妍， 王鑫

西安建筑科技大學(xué) 資源工程學(xué)院，陜西 西安710055

還原焙燒—磁選工藝能有效處理紅土鎳礦，提取礦石中的有價(jià)金屬，具有良好的發(fā)展前景[1-3]。近些年來(lái)許多研究者對(duì)優(yōu)化還原焙燒—磁選工藝進(jìn)行了大量的探究。李光輝等在紅土鎳礦還原焙燒—磁選過(guò)程中加入鈉鹽作為添加劑，可使還原得到的鎳鐵合金與非磁性脈石更加有效地分離[4]；曹志成等以煤作為還原劑，并在直接還原焙燒—磁選過(guò)程中添加KD-2作為助熔劑，能有效提高鎳精礦的指標(biāo)，且發(fā)現(xiàn)煤用量過(guò)大時(shí)，有利于鐵還原而不利于鎳還原[5]。目前，紅土鎳礦還原焙燒—磁選工藝優(yōu)化的研究多數(shù)是采用設(shè)計(jì)正交試驗(yàn)的方法，由于該方法采用多因素進(jìn)行試驗(yàn)，導(dǎo)致實(shí)驗(yàn)室指標(biāo)與工業(yè)生產(chǎn)指標(biāo)有所偏差。而隨著互聯(lián)網(wǎng)技術(shù)不斷發(fā)展，利用人工神經(jīng)網(wǎng)絡(luò)建立試驗(yàn)?zāi)Ｐ涂梢杂行p少其它因素的影響，有利于保證試驗(yàn)結(jié)果的客觀性[6]，從而確定最優(yōu)的試驗(yàn)因素水平組合。孫超等研究了將人工神經(jīng)網(wǎng)絡(luò)與正交試驗(yàn)相結(jié)合，在不需要增加試驗(yàn)次數(shù)的基礎(chǔ)上，能達(dá)到定量分析微生物浸礦因素變化，并優(yōu)化微生物浸礦條件的目的[7]。張翼等研究表明可將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于浮選藥劑制度優(yōu)化上，尋找出更優(yōu)的藥劑制度，且減少了試驗(yàn)工作量[8]。目前關(guān)于采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)提高紅土鎳礦還原焙燒—磁選效果的研究鮮有報(bào)道，鑒于此，本研究在正交試驗(yàn)的基礎(chǔ)上，利用已知數(shù)據(jù)通過(guò)人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)紅土鎳礦還原焙燒—磁選的主要影響因素進(jìn)行優(yōu)化，得到最佳的工藝條件組合，以提高鎳粗精礦的產(chǎn)率。

1 試驗(yàn)原料、設(shè)備和方法

1.1 試驗(yàn)原料、藥劑及設(shè)備

紅土鎳礦取自青海某鎳礦，經(jīng)破碎后置于棒磨機(jī)中磨礦，篩取-0.074+0.038 mm粒級(jí)作為試樣，混勻后放于密封袋內(nèi)保存?zhèn)溆?。試樣化學(xué)物相分析及XRD檢測(cè)結(jié)果分別如表1和圖1所示。

表1 試樣中鎳的物相分析結(jié)果

圖1 紅土鎳礦的XRD譜

由表1可知，鎳元素的物相主要是硅酸鎳、硫酸鎳和硫化鎳等，并以硅酸鎳的存在形式為主，其分布率為77.45%，硫化鎳的分布率僅為17.21%。由圖1可知，該試樣的特征吸收峰以(Mg，F(xiàn)e)CO3和SiO2的特征衍射峰為主，即試樣的物相以(Mg，F(xiàn)e)CO3和硅酸鹽類礦物的物相為主。

試驗(yàn)藥劑主要包括硫酸鈉(天津市福晨化學(xué)試劑廠，分析純)、氧化硼(上海試劑總廠，分析純)和碳粉(天津市福晨化學(xué)試劑廠，分析純)。

試驗(yàn)設(shè)備主要包括人工智能箱式電阻爐(洛陽(yáng)市西格馬儀器制造有限公司，SGM2863)、磁選管(天津市礦山儀器廠，XCQS-73)、電熱鼓風(fēng)干燥箱(北京科偉永興儀器有限公司，101-3A13)和真空過(guò)濾機(jī)(武漢洛克粉磨設(shè)備制造有限公司，XTLZ Φ260/Φ200)。

1.2 試驗(yàn)方法

1.2.1 試驗(yàn)設(shè)計(jì)

首先在坩堝底部覆蓋一層碳粉，然后稱取定量的試樣和添加劑(10%氧化硼+10%硫酸鈉)混合均勻后置于坩堝中，并在料層頂部再覆蓋一層碳粉，最后檢測(cè)并記錄料層厚度和物料質(zhì)量。將坩堝放入馬弗爐中焙燒，達(dá)到設(shè)定溫度后計(jì)時(shí)，待焙燒結(jié)束后將產(chǎn)物進(jìn)行冷卻、過(guò)濾和烘干，并將其研磨至試驗(yàn)粒度(-0.074 mm)后進(jìn)行搖床除碳，再利用磁選管對(duì)焙燒產(chǎn)物進(jìn)行選別得到磁性產(chǎn)物，最后對(duì)該磁性產(chǎn)物進(jìn)行稱重后計(jì)算其產(chǎn)率，具體試驗(yàn)流程如圖2所示。

圖2 試驗(yàn)流程

研究前期通過(guò)單因素試驗(yàn)方法探究了影響紅土鎳礦焙燒—磁選效果的主要因素為還原劑用量、焙燒溫度和磁場(chǎng)強(qiáng)度等，且由試驗(yàn)結(jié)果初步得出了主要影響因素的規(guī)律，但未能得到影響紅土鎳礦焙燒—磁選效果的最佳因素組合。故后續(xù)研究選取五因素四水平進(jìn)行正交試驗(yàn)，并建立BP神經(jīng)網(wǎng)絡(luò)模型以此確定紅土鎳礦焙燒—磁選工藝的最佳試驗(yàn)條件。

1.2.2 BP神經(jīng)網(wǎng)絡(luò)模型

研究基于BP神經(jīng)網(wǎng)絡(luò)的運(yùn)算原理即工作信號(hào)正向傳遞子過(guò)程及誤差信號(hào)反向傳遞子過(guò)程，反復(fù)修正權(quán)值和閥值，使得誤差函數(shù)值達(dá)到最小的特性建立BP神經(jīng)網(wǎng)絡(luò)模型。首先輸入數(shù)據(jù)正向傳播，構(gòu)建參數(shù)和輸入值的關(guān)系，檢驗(yàn)預(yù)測(cè)值與實(shí)際值的誤差，再反向傳播修復(fù)權(quán)重；讀入新數(shù)據(jù)后再進(jìn)行正向傳播預(yù)測(cè)，再反向傳播修正，多次循環(huán)達(dá)到最小損失值后進(jìn)行正交試驗(yàn)結(jié)果的優(yōu)化。設(shè)計(jì)的網(wǎng)絡(luò)模型為輸入層、隱藏層和輸出層三層神經(jīng)網(wǎng)絡(luò)，利用平方差作為損失函數(shù)，Sigmod函數(shù)作為激活函數(shù)。輸入層對(duì)應(yīng)還原劑用量、焙燒溫度、料層厚度、焙燒時(shí)間和磁場(chǎng)強(qiáng)度，隱藏層進(jìn)行數(shù)據(jù)的歸一化處理，輸出層對(duì)應(yīng)鎳粗精礦產(chǎn)率，圖3為BP神經(jīng)網(wǎng)絡(luò)模型示意圖。

圖3 三層神經(jīng)網(wǎng)絡(luò)模型示意圖

本研究在正交試驗(yàn)的基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行網(wǎng)絡(luò)仿真模擬，檢測(cè)網(wǎng)絡(luò)仿真模擬結(jié)果與實(shí)際試驗(yàn)結(jié)果的誤差，當(dāng)模型誤差在允許范圍內(nèi)時(shí)，利用該神經(jīng)網(wǎng)絡(luò)模型優(yōu)化正交試驗(yàn)結(jié)果。首先由正交試驗(yàn)結(jié)果分析得到焙燒條件的最優(yōu)組合，然后將其中4種最優(yōu)因素設(shè)為定值，變換剩余的1種因素，利用神經(jīng)網(wǎng)絡(luò)模型得到仿真曲線，該曲線的最高點(diǎn)即為優(yōu)化后的因素水平的最優(yōu)值。

2 結(jié)果與討論

2.1 正交試驗(yàn)結(jié)果分析

研究以A(還原劑用量)、B(焙燒溫度)、C(料層厚度)、D(焙燒時(shí)間)、E(磁場(chǎng)強(qiáng)度)5個(gè)因素為自變量，各個(gè)因素分別設(shè)置4個(gè)水平。設(shè)計(jì)的L16(45)正交試驗(yàn)如表2所示，正交試驗(yàn)結(jié)果如表3所示。

表2 正交試驗(yàn)各因素水平用量表

利用表3數(shù)據(jù)計(jì)算極差和方差后可知A3B3C1D2E4為該正交試驗(yàn)的最優(yōu)因素組合，即在還原劑用量為15.0%、焙燒溫度為1 000 ℃、料層厚度為10.0 mm、焙燒時(shí)間為45 min和磁場(chǎng)強(qiáng)度為2.5 kA·m-1的條件下鎳粗精礦產(chǎn)率達(dá)到最大，其值為27.46%。以該試驗(yàn)條件進(jìn)一步驗(yàn)證得到還原焙燒—磁選的鎳粗精礦產(chǎn)率為27.44%，即確定A3B3C1D2E4為該正交試驗(yàn)的最優(yōu)因素組合。

表3 正交試驗(yàn)安排及試驗(yàn)結(jié)果表

2.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)與優(yōu)化

2.2.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

本研究在已知正交試驗(yàn)結(jié)果的基礎(chǔ)上，通過(guò)python語(yǔ)言建立BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)紅土鎳礦焙燒—磁選進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練仿真，模型訓(xùn)練誤差曲線如圖4所示。

圖4 模型訓(xùn)練誤差曲線

由圖4可知：當(dāng)?shù)綌?shù)達(dá)到3 500步時(shí)，對(duì)比相應(yīng)的模型訓(xùn)練結(jié)果與訓(xùn)練誤差曲線可知，該神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練性能穩(wěn)定，且趨勢(shì)較為平滑，達(dá)到了設(shè)定的學(xué)習(xí)誤差精度0.01，即可利用該神經(jīng)網(wǎng)絡(luò)模型優(yōu)化正交試驗(yàn)結(jié)果。對(duì)已知的16組正交試驗(yàn)條件進(jìn)行預(yù)測(cè)仿真，結(jié)果如表4所示。

表4 試驗(yàn)結(jié)果及網(wǎng)絡(luò)仿真值

由表4可知：對(duì)比實(shí)際試驗(yàn)數(shù)據(jù)與BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)仿真值可知，兩者誤差均小于1.0%，說(shuō)明該模型具有較高的精度，故其可作為后續(xù)的試驗(yàn)預(yù)測(cè)模型。

2.2.2 BP神經(jīng)網(wǎng)絡(luò)優(yōu)化正交試驗(yàn)結(jié)果

本研究在正交試驗(yàn)得到最優(yōu)因素組合的基礎(chǔ)上，固定其他4種影響因素，變換1種影響因素，然后利用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行數(shù)據(jù)模擬優(yōu)化，結(jié)果如圖5～圖9所示。圖5為固定焙燒溫度為1 000 ℃、料層厚度為10.0 mm、焙燒時(shí)間為45 min和磁場(chǎng)強(qiáng)度為2.5 kA·m-1時(shí)，改變還原劑用量；圖6為固定還原劑用量為15.0%、料層厚度為10.0 mm、焙燒時(shí)間為45 min和磁場(chǎng)強(qiáng)度為2.5 kA·m-1時(shí)，改變焙燒溫度；圖7為固定還原劑用量為15.0%、焙燒溫度為1 000 ℃、焙燒時(shí)間為45 min和磁場(chǎng)強(qiáng)度為2.5 kA·m-1時(shí)，改變料層厚度；圖8為固定還原劑用量為15.0%、焙燒溫度為1 000 ℃、料層厚度為10.0 mm和磁場(chǎng)強(qiáng)度為2.5 kA·m-1時(shí)，改變焙燒時(shí)間；圖9為固定還原劑用量為15.0%、焙燒溫度為1 000 ℃、料層厚度為10.0 mm和焙燒時(shí)間為45 min時(shí)，改變磁場(chǎng)強(qiáng)度。

由圖5可知，其他4種影響因素不變，僅改變還原劑用量時(shí)，隨著還原劑用量的增大，鎳粗精礦產(chǎn)率呈先增大后降低趨勢(shì)。當(dāng)還原劑用量為9.5%時(shí)，鎳粗精礦產(chǎn)率達(dá)到最大，其值為30.36%。試驗(yàn)中配碳量的大小會(huì)直接影響還原反應(yīng)的氣氛組成。當(dāng)配碳量過(guò)小時(shí)會(huì)導(dǎo)致還原氣氛不充足，還原反應(yīng)效率較低；當(dāng)配碳量過(guò)大時(shí)，雖然會(huì)生成大量的還原氣體，但還原氣體與物料間的接觸面積有限，兩者間無(wú)法充分反應(yīng)，故過(guò)大的配碳量不會(huì)顯著提高還原效率，且加入過(guò)量的碳粉會(huì)帶入更多的灰分[9]，從而影響試驗(yàn)結(jié)果，因此還原劑用量選取9.5%作為試驗(yàn)的最優(yōu)值。

圖5 還原劑用量對(duì)鎳粗精礦產(chǎn)率的影響

圖6 焙燒溫度對(duì)鎳粗精礦產(chǎn)率的影響

由圖6可知，其他4種影響因素不變，僅改變焙燒溫度時(shí)，隨著焙燒溫度的升高，鎳粗精礦產(chǎn)率呈增大趨勢(shì)。焙燒過(guò)程中溫度的高低會(huì)直接影響反應(yīng)物的活性，焙燒溫度的升高，提高了物料間的反應(yīng)速率，有利于增大還原焙燒中紅土鎳礦的金屬還原度[10]，但溫度過(guò)高時(shí)會(huì)使物料燒結(jié)粘連形成團(tuán)狀，這不利于還原反應(yīng)的進(jìn)行，導(dǎo)致金屬還原度降低。因此還原焙燒時(shí)既要采用較高的焙燒溫度，又要防止物料燒結(jié)，故焙燒溫度選取為1 070 ℃。

圖7 料層厚度對(duì)鎳粗精礦產(chǎn)率的影響

由圖7可知，其他4種影響因素不變，僅改變料層厚度時(shí)，隨著料層厚度的增大，鎳粗精礦產(chǎn)率呈持續(xù)下降趨勢(shì)。其原因在于料層厚度的不斷增加，導(dǎo)致物料的松裝密度和振實(shí)密度均增大[11]，當(dāng)料層厚度較小時(shí)，一氧化碳?xì)怏w可以充分進(jìn)入料層內(nèi)部與物料作用，還原速率較高；當(dāng)料層厚度較大時(shí)，還原性氣體未能與物料充分接觸，從而降低了反應(yīng)速率，不利于還原焙燒的進(jìn)行。此外，料層過(guò)厚會(huì)使物料表層和底層的溫度不均勻，影響焙燒產(chǎn)物的質(zhì)量，故料層厚度最佳為10 mm。

圖8 焙燒時(shí)間對(duì)鎳粗精礦產(chǎn)率的影響

由圖8可得，其他4種影響因素不變，僅改變焙燒時(shí)間時(shí)，隨著焙燒時(shí)間的延長(zhǎng)，鎳粗精礦產(chǎn)率逐漸增大，當(dāng)焙燒時(shí)間超過(guò)65 min后，鎳粗精礦的產(chǎn)率增大幅度較小。焙燒時(shí)間的長(zhǎng)短直接影響還原反應(yīng)的進(jìn)行程度，焙燒時(shí)間過(guò)短會(huì)使還原反應(yīng)不充分，鎳的還原率較低；延長(zhǎng)焙燒時(shí)間雖可以使還原劑與物料充分作用，但當(dāng)還原劑被逐漸消耗殆盡，不能為物料提供足夠的還原氣氛，將導(dǎo)致已還原的鎳再度被氧化[12]，且焙燒時(shí)間過(guò)長(zhǎng)也會(huì)增加不必要的能耗，因此焙燒時(shí)間選取65 min較為合適。

圖9 磁場(chǎng)強(qiáng)度對(duì)鎳粗精礦產(chǎn)率的影響

由圖9可得，其他4種影響因素不變，僅改變磁場(chǎng)強(qiáng)度時(shí)，隨著磁場(chǎng)強(qiáng)度的增大，鎳粗精礦產(chǎn)率不斷增大。磁場(chǎng)強(qiáng)度的大小對(duì)磁選產(chǎn)品有較大的影響，磁場(chǎng)強(qiáng)度越大得到的磁性物質(zhì)越多，即鎳粗精礦的產(chǎn)率較大，但其品位較低。反之，磁場(chǎng)強(qiáng)度越小得到的磁性物質(zhì)越少，即鎳粗精礦的產(chǎn)率較小，但其品位較高。為保證分選得到的鎳粗精礦符合試驗(yàn)要求，故磁場(chǎng)強(qiáng)度選擇2.5 kA·m-1。

綜上所述，BP神經(jīng)網(wǎng)絡(luò)模擬得到的最優(yōu)試驗(yàn)條件為還原劑用量9.5%、焙燒溫度1 070 ℃、料層厚度10.0 mm、焙燒時(shí)間65 min、磁場(chǎng)強(qiáng)度2.5 kA·m-1。

2.2.3 驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)優(yōu)化結(jié)果試驗(yàn)

采用BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的工藝條件進(jìn)行多次紅土鎳礦還原焙燒—磁選試驗(yàn)，結(jié)果表明鎳粗精礦的產(chǎn)率平均值為30.29%，對(duì)比正交試驗(yàn)最優(yōu)因素組合A3B3C1D2E4得到的鎳粗精礦產(chǎn)率27.46%，前者較后者提高了2.83%。由此可見(jiàn)，利用BP神經(jīng)網(wǎng)絡(luò)在一定程度上可以優(yōu)化正交試驗(yàn)結(jié)果，得出更優(yōu)的工藝條件。這表明將正交試驗(yàn)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合用于處理試驗(yàn)數(shù)據(jù)，并篩取最佳的試驗(yàn)工藝條件是可行的。

3 結(jié)論

將正交試驗(yàn)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，利用正交試驗(yàn)結(jié)果建立BP神經(jīng)網(wǎng)絡(luò)模型，當(dāng)該模型達(dá)到設(shè)定的學(xué)習(xí)精度后進(jìn)行試驗(yàn)數(shù)據(jù)的仿真和優(yōu)化，優(yōu)化后的工藝參數(shù)為還原劑用量9.5%、焙燒溫度1 070 ℃、料層厚度10.0 mm、焙燒時(shí)間65 min、磁場(chǎng)強(qiáng)度2.5 kA·m-1，以該工藝條件進(jìn)行試驗(yàn)得到鎳粗精礦產(chǎn)率為30.29%，比正交試驗(yàn)最優(yōu)因素組合獲得的粗精礦產(chǎn)率提高了2.83%。該BP神經(jīng)網(wǎng)絡(luò)模型仿真程度高，具有較高的精度，相對(duì)誤差可降低至1.0%以下，其在不需要增加試驗(yàn)次數(shù)的基礎(chǔ)上，可定量分析試驗(yàn)影響因素的變化，并得出最佳工藝條件組合，提高紅土鎳礦還原焙燒—磁選工藝的效果。