课题基金 / 基金详情

基于全数字化电解槽的智慧型铝电解优化生产方法

批准号:
51874365
项目类别:
面上项目
资助金额:
60.0 万元
负责人:
李劼
依托单位:
学科分类:
有色金属冶金
结题年份:
2022
批准年份:
2018
项目状态:
已结题
项目参与者:
马山、张凯、李天爽、孙珂娜、冉岭、龚阳、李家琦、王棋钰、国辉

项目摘要

结项摘要

项目成果

李劼的其他基金

相似基金

相关文献

中文摘要
向智能制造转型发展是我国铝电解工业在新的历史时期高效、绿色和可持续发展的必由之路。本项目针对铝电解工业实现智能制造在电解槽状态参数获取及控制管理层面亟需解决的关键基础问题,应用大数据与知识自动化的手段开展研究。首先,研究现代大型铝电解槽多类型分布式信号在线采集新方法,提出铝电解智能感知系统的方法;其二,研究铝电解工业大数据的处理方法,提出基于生产全流程信息和大数据驱动的数字化铝电解槽;最后,研究铝电解生产原料-能源-设备状态波动条件下的工艺技术与生产管理的智能优化、基于大数据的电解槽寿命评估优化与风险预警等智能优化方法。项目研究的初衷是为建立铝电解智能制造基础雏形,并探索智能制造领域的相关基础难题,不仅具有重要的科学意义,且对于推进铝电解智能制造的发展进程、提升我国铝电解企业国际竞争力和实现铝电解工业可持续发展具有重要的理论与应用价值。
英文摘要
The development of smart manufacture is the only way for China's aluminum electrolysis industry to be efficient, green and sustainable development in the new historical period. In order to realize smart manufacture of aluminum electrolysis process, some key theories and techniques in detection, integrated control and intelligentization will be studied by using big data and knowledge automation in this proposal. Firstly, in order to establish aluminum distributed intelligent awareness system, new methods of distributed parameters sampling and soft-measurements based on state parameter detection and on-line simulation will be studied. Secondly, the method for processing aluminum industrial big data will be explored and the digital aluminum reduction cell model driven by big data will be proposed. Finally, based on big data, the optimization technique for aluminum material, energy supply, cell life evaluation and risk warning will be carried out. This project has important science meaning in exploiting the theoretical field of knowledge automation and developing the application method foundation. And also, it is with great technical significance in enhancing the international competitiveness of aluminum enterprise and realizing the sustainable development of the industry.
向智能制造转型发展是我国铝电解工业在新的历史时期高效、绿色和可持续发展的必由之路。本项目针对铝电解工业实现智能制造在电解槽状态参数获取及生产管控层面亟需解决的若干关键基础问题,应用大数据与知识自动化的手段开展研究。.项目首先研究现代大型铝电解槽多类型分布式信号在线采集新方法,提出铝电解智能感知系统的方法;进而研究铝电解工业大数据的处理方法,提出基于生产全流程信息和大数据驱动的数字化铝电解槽;最后,研究铝电解生产原料-能源-设备状态波动条件下的工艺技术与生产管理的智能优化、基于大数据的电解槽寿命评估优化与风险预警等智能优化方法。.所获主要成果: .①开发了基于视频图像与时序参数的铝电解槽分布式智能感知方法,融合分布式阳极电流检测、火眼图像、阳极母线位置、槽壁与阴极钢棒温度、阴极电流和烟道端烟气温度等分布式信号在线采集技术的开发应用,将在线信号扩展到4~7类共33~297个采集点,实现了大型铝电解槽全分布状态的实时感知。.②对铝电解工业大数据进行数据抽取与格式转化方法研究,设计大数据存储形式,构建了大数据云服务平台,开发多元知识融合的多种智能方法和动态仿真方法,构建了全数字的铝电解槽,解决了铝电解槽分布式动态工况识别与数字孪生体构建的关键技术难题。.③基于铝电解工业大数据及全数字化电解槽的方法体系,研究了铝电解生产原料-能源-设备状态波动条件下的工艺技术与生产管理的智能优化、基于大数据的电解槽寿命评估优化与风险预警等智能优化方法。.④将项目成果在国内多家大型铝电解企业获得推广应用,为企业带来了显著的经济效益。.项目不仅具有重要的科学意义,且对于推进铝电解智能制造的发展进程、提升我国铝电解企业国际竞争力和实现铝电解工业可持续发展具有重要的理论与应用价值。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
DOI: --
发表时间: 2020
期刊: 中南大学学报(自然科学版)
影响因子: --
作者: [王景坤, 国辉, 张红亮, 李劼]
通讯作者: 李劼
Structural characteristics and sodium penetration behaviors in anthracite cathodes: a combination study using Monte Carlo and molecular dynamics simulations
无烟煤阴极的结构特征和钠渗透行为:蒙特卡罗和分子动力学模拟的组合研究
DOI: 10.1007/s42823-019-00094-0
发表时间: 2019-11
期刊: Carbon Letters
影响因子: 4.5
作者: [Li Jie, Li Jiaqi, Zhang Hongliang, Li Tianshuang, Xiao Jin]
通讯作者: Xiao Jin
Insight into sodium penetration with mechanical behaviors of carbon electrodes by large-scale reactive molecular dynamics simulations
通过大规模反应分子动力学模拟深入了解钠渗透与碳电极的机械行为
DOI: 10.1016/j.cplett.2022.139657
发表时间: 2022-04
期刊: Chemical Physics Letters
影响因子: 2.8
作者: [李家琦, 李劼, 王景坤, 张红亮]
通讯作者: 张红亮
DOI: 10.3390/met11071118
发表时间: 2021-07
期刊: Metals
影响因子: 2.9
作者: [孙珂娜, 李劼, 张红亮, 李天爽, 李家琦]
通讯作者: 李家琦
19
    基于数字孪生的铝电解全流程生产建模与智能控制理论与方法
    • 批准号:
      U2202253
    • 项目类别:
      联合基金项目
    • 资助金额:
      234.00万元
    • 批准年份:
      2022
    • 负责人:
      李劼
    • 依托单位:
    高比能锂金属二次电池负极材料与电池电化学
    • 批准号:
      --
    • 项目类别:
      重点项目
    • 资助金额:
      300万元
    • 批准年份:
      2020
    • 负责人:
      李劼
    • 依托单位:
    高硫炭素阳极中硫元素在铝电解过程中的多尺度行为机理
    • 批准号:
      51574289
    • 项目类别:
      面上项目
    • 资助金额:
      63.0万元
    • 批准年份:
      2015
    • 负责人:
      李劼
    • 依托单位:
    基于大数据和云计算的铝电解生产知识自动化决策系统设计方法与应用验证
    • 批准号:
      61533020
    • 项目类别:
      重点项目
    • 资助金额:
      290.0万元
    • 批准年份:
      2015
    • 负责人:
      李劼
    • 依托单位:
    国内基金
    海外基金