Details
| Title | Применение искусственного интеллекта в управлении металлургическим производством // Цветные металлы. – 2025. – № 8. — С. 7-12 |
|---|---|
| Creators | Крайнюченко Я. В. ; Батц Е. А. ; Санников Д. О. ; Щербаков Е. В. |
| Imprint | 2025 |
| Collection | Общая коллекция |
| Subjects | Технология металлов ; Металлургия цветных металлов ; Радиоэлектроника ; Искусственный интеллект. Экспертные системы ; металлургическое производство ; гидрометаллургия ; никель ; растворение никеля ; цифровизация ; электроэкстракция ; платина ; палладий ; серебро |
| UDC | 669.21.8; 004.8 |
| LBC | 34.33; 32.813 |
| Document type | Article, report |
| Language | Russian |
| Rights | Доступ по паролю из сети Интернет (чтение) |
| Record key | RU\SPSTU\edoc\76825 |
| Record create date | 9/11/2025 |
На примере процесса хлорного растворения порошка никелевого трубчатых печей (ПНТП) в отделении растворения и дегазации (ОРиД) цеха электролиза никеля (ЦЭН) АО "Кольская ГМК" рассмотрено удержание окислительно-восстановительного потенциала в оптимальном диапазоне (400-420 мВ) с помощью решения на базе искусственного интеллекта и действующих средств автоматизации с целью дальнейшего повышения извлечения металлов платиновой группы и снижения потерь цветных металлов. Выявлено, что процесс растворения никелевого порошка требует эффективных систем управления. Классические АСУ ТП сталкиваются со сложностями ввиду отсутствия больших вычислительных ресурсов и использования классических алгоритмов управления (сложное PID-регулирование). Для преодоления сложности многопара метрической системы, включающей температуру, давление хлора, состав сырья и др., разработана и внедрена система усовершенствованного управления технологическим процессом (СУУ ТП) на базе искусственного интеллекта (ИИ). Модель машинного обучения анализирует исторические и текущие данные, прогнозирует ОВП на 10 мин вперед и определяет оптимальные управляющие воздействия - регулирование скорости подачи ПНТП. Внедрение ИИ-управления позволило удерживать ОВП в целевом диапазоне до 90 % времени (против неудовлетворительных показателей при классическом управлении, равных 30 %). Это обеспечило повышение извлечения никеля, кобальта и металлов платиновой группы, а также позволило стабилизировать работу реактора и равномерность нагрузки по технологической цепочке. Разработано и успешно внедрено уникальное решение для управления сложным гидрометаллургическим процессом с использованием ИИ, показавшее значительный технологический и экономический эффект.
