NdFeB废料浸出的pH值控制系统设 | [PDF全文] |
b. 江西理工大学,军事教研室,江西 赣州 341000
b. Military Teaching and Research Section, Jiangxi University of Science and Technology, Ganzhou 341000, China
中国稀土产业在全球稀土贸易中长期占据主导地位,但这一相对优势却是建立在高环境成本代价、低资源价格及浪费型开采基础上[1-3].目前,国内NdFeB合金生产受限于生产技术和自动化水平的低下,NdFeB合金废料占整个原料量的20 %~30 %,其中废料中的稀土资源含量更是高达30 %[4-7].因此,从NdFeB废料中回收稀土,对促进稀土资源可持续利用及减少生态环境破坏具有重要意义[8].
当前,企业对NdFeB废料进行稀土回收,其浸出过程采用人工调节pH值,导致产品纯度波动范围大,稀土回收率指标低等问题[9-10].文中采用中和法进行浸出除杂,调节pH值可使稀土与其他金属元素分离,金属离子浓度不同,水解生成氢氧化物沉淀时的pH亦有差异[11-12].实验证明:维持浸出液的pH值在3.5~5范围内则可最大限度地提高稀土的纯度,文中作者设计一种pH值自动控制系统,该系统可对浸出过程的pH值进行自动调节,可大大提高稀土的回收率.
1 浸出过程数学模型的建立 1.1 酸浓度变化的数学模型采用中和法除杂过程中,浸出槽内酸浓度在不断的变化,根据物料平衡关系,有如下关系式:
$槽内反应物质的浓度变化率 = 反应物质流入槽内与流出槽内的浓度差 - 槽内反应物质的损失$ | (1) |
从浸出过程来看,酸浓度的变化可以归结为2点:
1)反应过程中浓盐酸的不断消耗;
2)生产过程中浓盐酸的补加.
因此根据式(1),对酸浓度变化建立相应的数学模型如式(2)所示.
$\varepsilon V\frac{{{\rm{d}}{C_{\rm{h}}}}}{{{\rm{d}}t}} = {F_{{\rm{HCl}}}}\left( {{C_{{\rm{HCL}}}} - {C_{\rm{h}}}} \right) + {F_{{\rm{ih}}}}\left( {{C_{{\rm{ih}}}} - {C_{\rm{h}}}} \right) - \int_o^v {a{\rm{d}}V} $ | (2) |
式(2)中,Ch为溶液中的H+浓度;CHCl为加入玻璃浸出槽中的盐酸浓度;Cih为第i次加入玻璃浸出槽内的回洗水酸浓度;FHCl为加入玻璃浸出槽的浓盐酸流量;Fih为第i次加入玻璃浸出槽内的回洗水流量;V为玻璃浸出槽的容积;ε为玻璃浸出槽里溶液所占的容积比.
1.2 中和过程的数学模型中和法除杂质的实质是采用溶度积原理,采用各种元素在不同pH值下沉淀情况也不同的一种粗分离方法.操作方法为:以氨水作为中和剂,往NdFeB废料料液中加氨水进行中和反应;边加氨水边控制溶液的pH值在3.5~5.0范围内;溶液中最先形成氢氧化物沉淀的是盐碱性弱的金属离子,这些金属离子与溶液里的稀土元素进行分离[13].
在分析pH值调节过程中,假定盐酸与氨水同时加入到浸出槽中,根据式(1)物料平衡关系,有式(3)、式(4):
${F_{{\rm{HCl}}}}\left( t \right){C_{\rm{h}}} - \left[ {{F_{{\rm{HCl}}}}\left( t \right){\rm{ + }}{F_{{\rm{N}}{{\rm{H}}_{\rm{4}}}\left( {{\rm{OH}}} \right)}}\left( t \right)} \right]{\rm{ }}{{C'}_{\rm{h}}} = V\frac{{{\rm{d}}{{C'}_{\rm{h}}}}}{{{\rm{d}}t}}$ | (3) |
${F_{{\rm{N}}{{\rm{H}}_{\rm{4}}}\left( {{\rm{OH}}} \right)}}\left( t \right){C_{\rm{B}}} - \left[ {{F_{{\rm{HCl}}}}\left( t \right){\rm{ + }}{F_{{\rm{N}}{{\rm{H}}_{\rm{4}}}\left( {{\rm{OH}}} \right)}}\left( t \right)} \right]{{C'}_{\rm{B}}} = \frac{{{\rm{d}}{{C'}_{\rm{B}}}}}{{{\rm{d}}t}}$ | (4) |
式(3)、式(4)中,C′h为浸出槽流出时酸浓度,Ch为NdFeB废料的酸性料液浓度,C′B为浸出槽流出时碱浓度,CB为氨水的浓度;把式(3)和式(4)合并为式(5).
$V\frac{{{\rm{d}}y}}{{{\rm{d}}v}} = \left( {{C_{\rm{h}}} - y} \right){F_{{\rm{HCl}}}} - \left( {{C_{\rm{B}}} + y} \right){F_{{\rm{N}}{{\rm{H}}_{\rm{4}}}\left( {{\rm{OH}}} \right)}} = - \left( {{C_{\rm{B}}} + y} \right){F_{{\rm{N}}{{\rm{H}}_{\rm{4}}}\left( {{\rm{OH}}} \right)}}$ | (5) |
式(5)建立了中和反应(浓度为Ch的NdFeB酸性料液和浓度为CB的氨水进行中和反应)的pH值控制的模型关系[14].
上述分析的pH调节模型可分为动态部分和静态2部分线性模型来描述,2部分的综合模型如图 1所示.
2 系统总体方案设计
目前企业的pH值控制系统以手动调节为主.操作员把读取控制仪表中的pH值监控数据和设定的pH值数据进行比较,再手动操作调节阀来调节氨水的添加量,以达到对系统pH值的控制.手动调控存在着以下弊端:
1)信号只能在仪表内反应,而无法反馈到整个pH系统,操作员必须时刻操作调节阀,工作负荷异常大.
2)无法用集中监控系统的办法来了解整个生产状况.
3)系统反应过程复杂,手动调节容易引起系统的滞后,从而导致系统最后时的pH值难以控制.
针对旧系统手动调节pH值的不足,设计的新系统采用计算机进行控制,信号可以进行自动检测反馈、上位机对系统流程进行监控、控制器自动输出控制信号、执行机构自动计量的方案来实现系统的实时、精确控制.新系统的总体结构如图 2所示.
新控制系统由pH调控与酸溶控制2部分组成.上位PC机根据浸出NdFeB料液的实际工艺要求和运行状态,传递控制信号到控制器中,同时也接受来自下位机的反馈数据.在酸溶控制中,上位机控制加入到浸出槽的盐酸量来实现对终点溶液pH值的控制,进而达到控制溶液的浸出率.在pH调控中,传感器检测到的数据反馈到上位PC机中,计算机显示并判断pH值是否达到预先设定的值,如果达到,就结束相应的控制,如果没有达到,控制器就发出信号给执行器来调节氨水量,直到符合设定的pH值要求[15].新系统操作流程如图 3所示.
3 pH值调节控制器设计 3.1 控制策略的选择
模糊控制是一种新兴的智能非线性控制方式,具有规则设计、对过程模型依赖度较低等优点,但也不能满足对所有控制指标的控制;传统PID控制不易改变kp、ki和kd 3个参数,对文中非线性环节的pH值难以进行控制[16];故文中选用参数模糊自整定PID的控制策略,这种控制策略既可弥补传统和模糊2种控制方式的不足,还可得到满意的控制效果.
3.2 PID控制器的设计参数自整定模糊PID控制的任务是找出kp、ki和kd 3个参数与e、ec 2参数之间的关系.取e和ec为控制器的输入,取k时刻时PID的3个参数修正增量为控制器的输出[16-17].在PID控制器运行时,可实时检测e和ec,经过模糊推理后可得到最后的修正值,实现了参数的自整定.控制器参数调整规则如式(6)所示.
$\left. {\begin{array}{*{20}{l}} {{k_p}\left( k \right) = {k_p}\left( {k - 1} \right) + \Delta {k_p}\left( k \right)}\\ {{k_i}\left( k \right) = {k_i}\left( {k - 1} \right) + \Delta {k_i}\left( k \right)}\\ {{k_d}\left( k \right) = {k_d}\left( {k - 1} \right) + \Delta {k_d}\left( k \right)} \end{array}} \right\}$ | (6) |
式(6)中,k=1,2,3,…,n为PID控制器的采样时间,kp(0)、ki(0)、kd(0)为控制器参数的初值,初始值可采用常规方法来整定取得.本PID控制器结构如图 4所示,为一个两输入、三输出的结构方式.
3.3 控制系统仿真与结果分析
联立式(2)和式(5)推导的pH值数学模型,运用matlab/Simulink软件建立相应的pH值控制模型,在matlab命令窗口中从键盘上输入ca、v0、cb 3个参数值,diding_s1设为氢离子浓度值,该浓度值是基于二分法反应后计算得到的[18]. pH值控制的数学模型结构如图 5所示.
基于matlab/Simulink软件创建的参数模糊自整定PID控制器的模型,该PID控制器模型的结构如图 6所示.
对PID控制器模型仿真运行的参数设置为:普通增量PID控制器的初值设置为kp=0.06,ki=0,kd=0.8;仿真时间设为960 s,加阶跃信号.双击图 6中的Fuzzy Logical Controller模块,将前面模糊推理的PH_PID25.fis文件导入.为证实参数自整定模糊PID控制器的效果,在[0, 5]区间内引入普通增量PID控制器与其比较,选用参数自整定模糊PID控制器的初值作为普通PID控制器的参数[19]. PID控制器相应的仿真参数设置如表 1所列. 2种控制器的阶跃响应曲线比较如图 7所示.
点击放大 |
图 7可以看出,在[0, 5]区间内,2种控制器都能达到控制的要求.但模糊参数自整定PID控制器的响应时间比普通PID控制器减短了很多,模糊PID控制器系统的超调量也小,稳定性好.
在企业实际的浸出液pH值控制中,系统时常会出现扰动现象.为验证本PID控制器抗干扰能力强,在系统仿真过程中,通过timer在系统仿真到第600 s时加入一瞬时白噪声干扰信号,加入扰动后系统的响应曲线如图 8所示,图 8曲线显示:本模糊参数自整定PID控制器具有很好的抗干扰能力.
从图 7和图 8的仿真结果可以看出,采用模糊参数PID控器对浸出过程的pH值控制取得了较满意的效果.该系统具有响应快速、稳定性好、抗干扰性强等优点.
4 结论1)本系统大大提高了NdFeB废料浸出控制的自动化程度,减轻了操作人员的劳动强度;
2)本系统响应快速、稳定性能好、抗干扰性能强;
3)本系统可对浸出液pH值进行精确、实时控制,大大提高了稀土的回收率.
[1] |
KLOOSEK P, KULLIK J, VAN DEN BOOGAART K G. A systemic approach to the problems of the rare earth market[J].
Resources Policy, 2016, 50: 131–140. DOI: 10.1016/j.resourpol.2016.09.005. |
[2] |
WANG L, ZHONG B, TAO L, et al. Atmospheric thorium pollution and inhalation exposure in the largest rare earth mining and smelting area in China[J].
Science of the Total Environment, 2016, 572: 1–8. DOI: 10.1016/j.scitotenv.2016.07.192. |
[3] |
BINNEMANS K, JONES P T. Rare earths and the balance problem[J].
Journal of Sustainable Metallurgy, 2015, 1(1): 1–10. DOI: 10.1007/s40831-015-0010-z. |
[4] |
程建忠, 车丽萍. 中国稀土资源开采现状及发展趋势[J].
稀土, 2010, 31(2): 65–69.
|
[5] |
尹小文, 刘敏, 赖伟鸿, 等. 草酸盐沉淀法回收钕铁硼废料中稀土元素的研究[J].
稀有金属, 2014, 28(4): 1093.
|
[6] |
周喜, 韩晓英. 我国稀土产业现状及发展趋势[J].
稀土, 2010, 31(5): 96.
|
[7] |
吴继平, 邓庚凤, 邓亮亮, 等. 从钕铁硼废料中提取稀土工艺研究[J].
有色金属科学与工程, 2016, 7(2): 119–120.
|
[8] |
李向前, 马娟娟, 刘峥延. 我国稀土产品废弃物的稀土回收价值探讨[J].
生态经济, 2013, 275(12): 89.
DOI: 10.3969/j.issn.1671-4407.2013.12.019. |
[9] |
黄礼煌.
稀土提炼技术[M]. 北京: 冶金工业出版社, 2012.
|
[10] |
李良才.
稀土提取及分离[M]. 赤峰: 内蒙古科学技术出版社, 2011.
|
[11] |
杨春, 梁萍, 张颖, 等.
无机化学实验[M]. 天津: 南开大学出版社, 2007.
|
[12] |
吕庆, 亢立明, 刘曙光, 等. 冀东磁铁精矿球团焙烧机理的研究[J].
钢铁研究, 2008, 36(1): 9–12.
|
[13] |
谢仕宏. 酸碱中和过程pH值的Fuzzy-PID控制[J].
计算机测量与控制, 2010, 8(9): 2088–2094.
|
[14] |
胡广浩, 毛志忠, 何大阔. 浸出过程浸出率预测及在线优化[J].
系统工程学报, 2011, 26(4): 524–530.
|
[15] |
付鹏飞. 湿法冶金pH值自动控制浸出器开发研究[D]. 赣州: 江西理工大学, 2012.
http://cdmd.cnki.com.cn/Article/CDMD-10407-1012507185.htm |
[16] |
汤秀芬. 模糊自适应PID控制器参数整定的研究[J].
工业控制计算机, 2012, 25(2): 55–58.
|
[17] |
李萍, 李峰, 赵虎. 模糊自整定PID控制器的设计和仿真[J].
仪器仪表学报, 2004, 25(4): 264–266.
|
[18] |
赵景波.
MATLAB控制系统仿真与设计[M]. 北京: 机械工业出版社, 2010.
|
[19] |
刘洲峰, 孙红艳, 安菲. 基于Matlab的智能控制系统仿真[J].
现代电子技术, 2007, 243(4): 178–180.
|