现代化工2021，Vol.41Issue(z1) ：134-138.DOI:10.16606/j.cnki.issn0253-4320.2021.S.027

响应面法和一维卷积神经网络优化微波碳热还原低品位钛精矿工艺的研究

Optimization of microwave carbothermal reduction of low-grade ilmenite concentrate by response surface method and one-dimensional convolution neural network

杨彪 母其海 朱娜 邓卓 刘志邦
现代化工2021，Vol.41Issue(z1) ：134-138.DOI:10.16606/j.cnki.issn0253-4320.2021.S.027
✕
  • NETL
  • NSTL
  • 万方数据

响应面法和一维卷积神经网络优化微波碳热还原低品位钛精矿工艺的研究

Optimization of microwave carbothermal reduction of low-grade ilmenite concentrate by response surface method and one-dimensional convolution neural network

杨彪 1母其海 2朱娜 2邓卓 2刘志邦2
扫码查看

作者信息

  • 1. 昆明理工大学信息工程与自动化学院,云南昆明650500;昆明理工大学非常规冶金教育部重点实验室,云南昆明650093;昆明理工大学云南省人工智能重点实验室,云南昆明650500
  • 2. 昆明理工大学信息工程与自动化学院,云南昆明650500;昆明理工大学云南省人工智能重点实验室,云南昆明650500
  • 折叠

摘要

微波碳热还原低品位钛精矿过程中铁金属化率受到诸多因素的影响,其工艺参数难以寻优.针对微波碳热还原低品位钛精矿工艺过程中配碳量、还原温度、保持时间对铁金属化率的影响,采用响应面法和神经网络建立相应的响应面优化模型和一维卷积神经网络预测模型,对还原过程进行分析及工艺参数寻优.研究结果表明,铁金属化率随还原温度和保持时间的增加而增大,配碳量对还原铁金属化率的影响呈现先增加后降低的趋势.响应面法得出最佳工艺操作条件为还原温度1091℃、保持时间76 min、配碳量10％,此条件下铁金属化率为97.6725％.在工艺参数范围内,一维卷积神经网络模型能有效预测结果,为后续生产过程提供理论指导.

关键词

微波/钛精矿/响应面法/神经网络/优化

引用本文复制引用

基金项目

国家自然科学基金(61863020)

出版年

2021
现代化工
中国化工信息中心

现代化工

CSTPCDCSCD北大核心
影响因子：0.553
ISSN：0253-4320
参考文献量14
段落导航相关论文