LIBS成分檢測與Ausmelt數模系統協同優化銅熔煉用氧實踐

張 磊，潘從元，汪勇

（1.銅陵有色金屬集團股份有限公司，安徽 銅陵 244000；2.合肥金星智控科技股份有限公司，安徽 合肥 230088）

奧斯麥特爐（以下簡稱“奧爐”）熔池熔煉過程，是將風、氧和天然氣通過噴槍插入熔池渣層攪動，迅速完成傳熱和傳質的過程，熔池熔煉三大工藝參數分別為熔池溫度、冰銅品位和爐渣渣型，在生產過程中主要通過調節這三大關鍵參數來控制爐況。在傳統經驗中，主要依靠噴槍擺動、噴槍流體背壓、噴槍聲音等的突變來預判爐況，由于熔煉配料比例經常大幅變化以及開停爐時爐況變化復雜，僅憑經驗難以及時掌控爐況。

為此，探索論證了激光誘導擊穿光譜技術（LIBS）在奧爐中的應用。利用LIBS 可以迅速完成高溫熔體成分在線檢測，然后將檢測數據反饋到數模中進而及時調整爐況以穩定生產。與化學分析法、X 射線熒光法、光電光譜法和電感耦合等離子體原子發射光譜法等離線檢測法相比，LIBS 在線成分檢測法能更快速地完成檢測任務［1-3］。吳少波等［4］研究表明，LIBS在線檢測方法既可以滿足對固態、液態和氣態對象檢測的需求，也可以對不同檢測距離的檢測對象進行檢測，還可以對不同溫度和不同表面規整度的檢測對象進行檢測。潘從元等［5］研究表明，LIBS對熔體和固體成分的在線檢測結果與實驗室XRF 的檢測結果具有較高的一致性，可以用于指導生產。

1 奧斯麥特爐（Ausmelt）銅熔煉過程在線數模控制系統

奧爐冶煉數模系統包括配料計算模塊、物相計算模塊和奧爐熔煉計算模塊三部分。配料計算模塊為各料倉下料自動配置目標含銅量、目標硫銅比時，自動計算各料倉下料比例，實現自動配料；物相計算模塊按實際配料方案計算各礦倉物料的物相組成；奧爐熔煉計算模塊包含定礦調氧計算模型、定氧調礦模型、定產調氧（定氣調煤或定煤調氣）模型等。

奧爐熔煉數學模型包括物相計算單元、配料計算單元、混合礦單元和熱分解單質硫理論最大發生量生成單元四部分。物相計算數學模型包括銅精礦、渣精礦、石英熔劑、塊煤、煙灰計算模型，以銅精礦物相計算模型為例，包括單元創建、原料組成、產物組成、生成反應和測試計算五部分。

1.1 仿真模型原理及判斷依據

硫化物的分解包括銅精礦中的高價硫化物，主要有黃鐵礦（FeS2）和黃銅礦（CuFeS2），在爐內分解并反應產生Cu2S，FeS 和SO2。在強化熔煉過程中，爐料很快進入高溫強氧化氣氛中，高價硫化物除發生分解外還可能被直接氧化，反應生成Cu2S，FeO 等。一般來說，在熔煉中只要存在FeS，Cu2O就會轉化成Cu2S，進而與FeS 形成锍（Cu2S·FeS）。造渣反應時爐料中產生FeO，當反應過程中存在SiO2時，將反應形成鐵橄欖石（2FeO·SiO2）爐渣。

1.2 單元創建

對奧爐熔煉工藝所涉主要物料銅精礦、渣精礦、煙灰、石英熔劑、塊煤及其他含銅物料進行單元格創建，分別設定其單元名、質量守恒策略、數量顯示、外觀選擇等，相應的物料轉化關系如圖1所示。

圖1 熔煉過程物料轉化關系圖Fig.1 Material conversion diagram in melting process

1.3 原料組成

奧爐入爐原料中，已知成分包括：Cu，Fe，S，Pb，Zn，As，Sb，Bi，SiO2，CaO，MgO，Al2O3和H2O，其中除水分外均為干基物料且質量百分比明確。質量百分比含量未知的元素為O 和Other。O元素的加入是考慮到當S 元素不足時，可能有Cu或Fe 的氧化物存在；Other 為其他不明元素或化合物之總和。因銅精礦為干基成分，故其含水量應作為一原料項設置。配料時通常采用濕礦量，銅精礦干基量與水分量均設為x；各原料所含的元素種類及百分含量在對應的表格中輸入，含量類型設為質量分數，其中精礦中的O 和Other 百分含量應設為y。

1.4 產物組成

模型輸出為濕基銅精礦，其物相種類設為：對于Cu-Fe-S系，可能存在的常見物相有CuFeS2，Cu5FeS4，Cu2S，CuS，FeS2，FeS，Cu，Fe，S；其余元素的賦 存物相 有SiO2，CaO3，MgO3，Al2O3，PbS，ZnS，FeAsS，Sb2S3，Bi2S3，NiS，H2O，Other。產出濕精礦量設為任意非負常量，按上述預設物相種類設定精礦物相組分，除H2O外，其余各物相組分的百分含量均設為z。

1.5 生成反應

銅精礦物相計算模型采用優先生成法與Cu-Fe-S 系最小自由能法相結合，逐步計算各物相含量。相關微量元素（Pb，Zn，As，Sb，Bi，Ni）與S反應時，優先形成相應的硫化物，將剩余的Cu，Fe，S按Cu-Fe-S三元體系利用Metcal的Cu-Fe-S系最小自由能模型求解，確定合理存在的各Cu-Fe-S 化合物種類與數量，并采用Metcal提供的生成反應建模法，對NiS，PbS，FeAsS，Sb2S3，Bi2S3，CuFeS2，Cu5FeS4，Cu2S，CuS，FeS2，FeS，CuO，Fe3O4，SiO2，CaO，Al2O3，Other等形式的化合物形式進行仿真計算。在計算完生成反應后，如果還有組分量不能確定，Metcal會繼續使用元素質量守恒等默認方程求解。

1.6 測試計算

根據冶金反應原理及生成反應，Metcal計算結果見表1，即根據物料元素成分并結合最小自由能法，計算出物相成分及含量。

表1 Metcal仿真計算結果統計表Table 1 Metcal statistical table of simulation results（%，mass fraction）

2 LIBS熔體成分在線檢測穩定性檢驗及改進

某銅冶煉廠奧爐熔池熔煉冰銅品位設計值為58%，自2018 年投入LIBS 在線成分檢測技術，用于電爐放銅口溜槽處檢測冰銅品位。根據轉爐爐次，放銅至冰銅包內每包均采用LIBS 進行在線檢測和化驗分析。LIBS 在線檢測可以在測量范圍內不斷優化和校正，不斷接近化驗室XRF 檢測數據。通過長期檢測結果分析，以XRF 檢測結果為標準，冰銅品位在55%～60%之間的比例為94.4%，以LIBS 檢測結果為標準該比例為94%，如圖2 所示。對于超出該范圍極限值的情況，LIBS 設備可以有良好的趨勢吻合性，如圖3所示。

圖2 冰銅品位為55%～60%時XRF和LIBS檢測數據Fig.2 Matte grade in 55%～60% XRF and LIBS test data

圖3 冰銅品位在55%～60%范圍時XRF和LIBS檢測數據Fig.3 XRF and LIBS test data when matte grade is not 55%～60%

受現場環境、設備長期運行等因素影響，且為了防止模型飄逸，需定期重新定標以校正誤差。潘高威等［6］研究表明，校準光譜檢測儀器的常用基線校準方法包括多項式擬合［7-8］、小波變換［9-11］、懲罰最小二乘法［12-15］等。圖4為2019年9月29日至2021年3月6日期間，對Cu元素樣品分別進行XRF分析與LIBS在線定量分析的結果對比圖，可見二者趨勢高度一致。

圖4 XRF分析與LIBS在線定量分析結果對比Fig.4 Comparison of XRF analysis and LIBS online quantitative analysis results

為保證在線檢測的代表性，可設置LIBS 熔體成分在線檢測設備在3 min內完成冰銅品位在線檢測。通過較長一段時期跟蹤LIBS 與XRF 兩種檢測分析方式（圖5），對比得出結論：在線熔體檢測在±1.0%偏差范圍以內可達到96.2%，在線固體檢測在±1.0%偏差范圍以內可達到81.7%。

圖5 長期運行數據比對統計分析圖（a）固體檢測偏差；（b）熔體檢測偏差Fig.5 Long-term operation results data comparison statistical analysis chart（a）Solid detection deviation；（b）Melt detection deviation

3 LIBS成分檢測與數模系統協同優化熔煉用氧

冶金數模廣泛應用于銅冶煉行業［16-17］。該數模運行時可利用冶金原理對一定成分銅精礦冶煉過程中的風、氧、天然氣、石英熔劑等進行計算，并根據預設的目標要求計算出需要的參數。LIBS 數據通過儀表操作人員錄入傳輸至數模系統，數模系統的計算結果可以指導調整實時用氧量，從而避免因化驗滯后導致用氧量異常。數模反饋控制邏輯圖見圖6，LIBS 數據反饋數模計算用氧量見表2。

表2 LIBS數據反饋數模計算用氧量Table 2 Oxygen for LIBS data feedback digital model calculation

圖6 數模反饋控制邏輯圖Fig.6 Digital-analog feedback control logic diagram

本實驗針對不同精礦處理量、溫度、品位和渣型等參數，研究定礦調氧模式統計15 爐次（1#、2#……15#分別表示第1 爐次、第2 爐次……第15 爐次，下同）數模仿真用氧量，并與生產控制量對標，計算誤差值，如表3 和圖7 所示。對比可知，通過XRF 檢測數據反饋數模調整奧爐冶煉用氧量，時間滯后，氧氣用量波動為7.65%。

表3 數模仿真數據與生產控制統計表Table 3 Numerical simulation data and production control statistics table

圖7 XRF分析數模反饋用氧量波動圖Fig.7 XRF analysis of digital feedback with oxygen fluctuations proportion chart

傳統的化驗室XRF 化驗分析需要時間約2 h，每次化驗出來的結果比較滯后，操作人員很難據此及時掌握生產數據。采用LIBS 在線檢測可實時了解生產數據，及時調整參數并反饋到數模計算，得出最佳數據參數，隨機抽取15 爐次奧爐數模用氧量及DCS 實際用氧量，如表4 和圖8 所示。可以看出，采用LIBS 在線檢測，將所得數據及時反饋到數模計算進而調整奧爐冶煉用氧量，可將氧氣用量波動降低至2.77%。

圖8 LIBS在線檢測數模反饋用氧量波動占比圖Fig.8 LIBS on-line detection of digital-analog feedback oxygen fluctuation proportion chart

4 總結

1）LIBS 高溫熔體在線檢測設備可實時檢測熔體成分，對熔體的測量覆蓋面大于固體，與XRF對比，LIBS 在線熔體檢測偏差在±1.0%以內時為96.2%、固體檢測偏差在±1.0%以內時為81.7%。

2）熔體成分在線實時獲取，支撐了數模仿真系統根據LIBS 檢測數據對冶金生產工藝參數的實時計算，并可據此不斷修正工藝參數以穩定爐況。隨機抽取15 爐次平均實際用氧量與數模指導后用氧量進行對比，發現偏差由7.65%降低至2.77%。此外，采用LIBS 提高了奧爐鋁鉻尖晶石耐火磚的使用壽命，爐壽長達45個月，創行業歷史新紀錄。

3）論證了基于LIBS 技術熔體成分在線檢測結果指導冶煉精準調控爐況的可行性，在用氧量方面的專項評估證明了在線檢測的優越性和數模調控的有效性。

4）本研究中LIBS 高溫熔體在線檢測和數模優化仿真誤差計算均通過短期數據統計得出。后續研究需在生產過程中不斷探索總結各方面影響因素，不斷優化并擴大數據庫，為精準冶煉提供更全面、精準的保障。