La Modelación dinámica del subproceso de postcombustión en un horno de reducción de mineral laterítico: Modelación dinámica de la postcombustión en un horno

• Montero Góngora, Deynier ^[2] ; Columbié Navarro, Ángel ^[3] ; Montero Laurencio, Reineris ^[3] ; Trujillo Codorniú, Rafael ^[1] ; Vázquez Seisdedos, Luis ^[1]
  1. [1] Universidad de Oriente

     Universidad de Oriente

     Venezuela

     
  2. [2] Instituto Superior Minero Metalúrgico de Moa
  3. [3] Universidad de Moa

  Mostrar afiliaciones +
• Localización: Revista Científica de Ingeniería Electrónica, Automática y Comunicaciones, ISSN-e 0258-5944, ISSN 1815-5928, Vol. 43, Nº. 3, 2022
• Idioma: español
• Títulos paralelos:
  • The Dynamic modeling of the post-combustion sub-process in a lateritic ore reduction furnace: Dynamic modeling of the post-combustion in a furnace
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En esta investigación se abordó la identificación del subproceso de postcombustión de un horno de reducción de mineral laterítico, en la Empresa Productora de Níquel y Cobalto “Comandante Ernesto Che Guevara”, debido a que en los hornos de múltiples hogares se generan procesos multivariables complejos y su modelación contiene un alto índice de incertidumbre. Se propuso un modelo neuronal artificial recurrente de varias capas con estructura NARX, y retardo de tiempo, que refleja con mayor exactitud las características dinámicas del subproceso de postcombustión que los modelos matemáticos reportados en el estado del arte, probando así las potencialidades que ofrece esta herramienta de inteligencia artificial. Para estimar y validar el modelo se emplearon datos de tres meses de operación del proceso, medidos a través del sistema de supervisión, control y adquisición de datos, para poder relacionar la temperatura de los hogares cuatro y seis versus el flujo de aire a estos hogares. Basado en una rigurosa prueba y análisis del proceso, donde se incluyeron los métodos de validación cruzada aleatoria y el criterio de información de Akaike, el modelo es capaz de predecir la temperatura del hogar cuatro y seis con un ajuste cuadrático medio (RMSE) inferior a 5 °C. Por tanto, el operador puede tener una idea del comportamiento del perfil térmico de postcombustión, y tomar decisiones en aras de disminuir la contaminación ambiental y contribuir a la eficiencia energética del proceso.

  • English

    In this research, the identification of the post-combustion sub-process of a lateritic ore reduction furnace was addressed, in the “Comandante Ernesto Che Guevara" Nickel and Cobalt Production Company, due to the fact that complex multivariable processes are generated in the furnaces of multiple hearths and its modeling contains a high rate of uncertainty. A multi-layer recurrent artificial neural model with NARX structure and time delay was proposed, which more accurately reflects the dynamic characteristics of the post-combustion thread than the mathematical models reported in the state of the art, thus proving the potential offered by this tool of artificial intelligence. To estimate and validate the model, process data from a 3 months operating time period was used, measured through the supervision, control and data acquisition system, in order to relate the temperature of hearths four and six versus the air flow to these hearths. Based on rigorous process testing and analysis, including random cross-validation methods and Akaike's information criterion, the model is able to predict the temperature of hearth four and six with a mean square fit (RMSE) of less than 5°C. Therefore, the operator may have an idea of ​​the behavior of the post-combustion thermal profile, and make decisions in order to reduce environmental pollution and contribute to the energy efficiency of the process.