一种碳化硅原料酸洗提纯加工工艺制造技术

技术编号:38163228 阅读:7 留言:0更新日期:2023-07-13 09:37
本发明专利技术公开了一种碳化硅原料酸洗提纯加工工艺,包括以下步骤:分别对碳化硅原料进行筛分和清洗处理,得到碳化硅颗粒;利用改进的BP神经网络模型输出与碳化硅颗粒成分相对应的酸洗参数;将筛选出的碳化硅颗粒放入酸洗槽,并利用输出酸洗参数的酸液对碳化硅颗粒进行酸洗处理;将酸洗后的碳化硅颗粒放入离子交换柱中进行离子交换;依次对离子交换后的碳化硅颗粒进行烘干及筛分处理,得到高纯度的碳化硅。本发明专利技术可以实现对酸洗参数的优化,相比于传统的加工工艺,不仅可以有效地提高碳化硅原料的酸洗效率及产品质量,而且还可以减少废料的产生,降低生产成本,提高生产稳定性,从而可以更好地满足于碳化硅原料的酸洗提纯加工需求。求。求。

【技术实现步骤摘要】
一种碳化硅原料酸洗提纯加工工艺


[0001]本专利技术涉及碳化硅加工
,具体来说,涉及一种碳化硅原料酸洗提纯加工工艺。

技术介绍

[0002]目前,碳化硅由于化学性能稳定、导热系数高、热膨胀系数小、耐磨性能好,除作磨料用外,还有很多其他用途,例如:以特殊工艺把碳化硅粉末涂布于水轮机叶轮或汽缸体的内壁,可提高其耐磨性而延长使用寿命1~2倍;用以制成的高级耐火材料,耐热震、体积小、重量轻而强度高,节能效果好。低品级碳化硅(含SiC约85%)是极好的脱氧剂,用它可加快炼钢速度,并便于控制化学成分,提高钢的质量。此外,碳化硅还大量用于制作电热元件硅碳棒。
[0003]碳化硅(SiC)原料是指用于制造碳化硅材料的起始材料,通常是含有高纯度二氧化硅和碳的混合物,可以从天然矿物或人工合成材料中获得。碳化硅原料的主要成分是二氧化硅和碳,其中碳的含量通常在50%至90%之间。碳化硅原料的质量对最终的碳化硅材料的质量有重要影响。在碳化硅材料制造过程中,如果使用的碳化硅原料杂质含量过高,将会影响到最终产品的性能和使用寿命。因此,在生产中,需要对碳化硅原料进行酸洗、提纯、筛选等处理,以提高其纯度和质量。
[0004]然而,传统的碳化硅原料在进行酸洗提纯过程中大多均依靠实验人员的经验来设计酸洗参数(包括酸洗液的浓度、酸洗时间及酸洗温度等),且实验人员设计的酸洗参数均为一个范围值,从而使得碳化硅原料的酸洗效率及得到的产品质量有待提高,因此,本专利技术从优化酸洗参数的角度出发,提出了一种碳化硅原料酸洗提纯加工工艺。

技术实现思路

[0005]针对相关技术中的问题,本专利技术提出一种碳化硅原料酸洗提纯加工工艺,以克服现有相关技术所存在的上述技术问题。
[0006]为此,本专利技术采用的具体技术方案如下:
[0007]一种碳化硅原料酸洗提纯加工工艺,该工艺包括以下步骤:
[0008]S1、原料筛选,分别对碳化硅原料进行筛分和清洗处理,得到碳化硅颗粒;
[0009]S2、酸洗参数确定,利用改进的BP神经网络模型输出与碳化硅颗粒成分相对应的酸洗参数;
[0010]S3、酸洗处理,将筛选出的碳化硅颗粒放入酸洗槽,并利用输出酸洗参数的酸液对碳化硅颗粒进行酸洗处理;
[0011]S4、离子交换,将酸洗后的碳化硅颗粒放入离子交换柱中进行离子交换;
[0012]S5、烘干筛分,依次对离子交换后的碳化硅颗粒进行烘干及筛分处理,得到高纯度的碳化硅。
[0013]进一步的,所述原料筛选中的筛分采用机械筛选法或磁选法来实现,所述原料筛
选中的清洗采用清水来实现。
[0014]进一步的,所述利用改进的BP神经网络模型输出与碳化硅颗粒成分相对应的酸洗参数包括以下步骤:
[0015]S21、利用碳化硅加工过程中的历史数据构建并训练基于遗传算法的BP神经网络模型;
[0016]S22、获取碳化硅颗粒中硅含量、杂质含量及原料粒度的成分信息,并利用训练后的基于遗传算法的BP神经网络模型输出与碳化硅颗粒成分相对应的酸洗参数;
[0017]其中,酸洗参数包括硫酸的浓度、硫酸的酸洗温度、硫酸的酸洗时间、氢氟酸的浓度、氢氟酸的酸洗温度及氢氟酸的酸洗时间。
[0018]进一步的,所述利用碳化硅加工过程中的历史数据构建并训练基于遗传算法的BP神经网络模型包括以下步骤:
[0019]S211、采集碳化硅加工过程中的历史数据,并对采集的历史数据进行预处理;
[0020]S212、将历史数据中碳化硅颗粒的硅含量、杂质含量及原料粒度作为输入变量,将硫酸的浓度、硫酸的酸洗温度、硫酸的酸洗时间、氢氟酸的浓度、氢氟酸的酸洗温度及氢氟酸的酸洗时间作为输出变量;
[0021]S213、根据输入变量和输出变量设计BP神经网络,并初始化遗传算法参数;
[0022]S214、利用遗传算法对BP神经网络进行优化,得到最优的网络权重和阈值;
[0023]S215、利用预处理后的历史数据对优化后的BP神经网络进行训练及验证,得到训练好的基于遗传算法的BP神经网络模型。
[0024]进一步的,所述预处理包括数据清洗、数据去躁、缺失值填充及异常值处理。
[0025]进一步的,所述将筛选出的碳化硅颗粒放入酸洗槽,并利用输出酸洗参数的酸液对碳化硅颗粒进行酸洗处理包括以下步骤:
[0026]S31、获取模型输出的硫酸的浓度、硫酸的酸洗温度、硫酸的酸洗时间、氢氟酸的浓度、氢氟酸的酸洗温度及氢氟酸的酸洗时间;
[0027]S32、向酸洗槽中加入输出的硫酸浓度的稀硫酸溶液,将筛选出的碳化硅颗粒浸泡在稀硫酸溶液中,并按照输出的硫酸酸洗温度和酸洗时间对碳化硅颗粒进行洗涤;
[0028]S33、向另一酸洗槽中加入输出的氢氟酸浓度的氢氟酸溶液,将硫酸洗涤后的碳化硅颗粒浸泡在氢氟酸溶液中,并按照输出的氢氟酸酸洗温度和酸洗时间对碳化硅颗粒进行再次洗涤;
[0029]S34、将经过氢氟酸处理的碳化硅颗粒用水进行清洗,并采用碱性物质进行中和。
[0030]进一步的,所述将硫酸洗涤后的碳化硅颗粒浸泡在氢氟酸溶液中之前还包括:利用清水对硫酸洗涤后的碳化硅颗粒进行冲洗,去除碳化硅颗粒表面残留的酸液和杂质。
[0031]进一步的,所述碱性物质包括氢氧化钠、碳酸钠或两者的混合物。
[0032]进一步的,所述将筛选出的碳化硅颗粒放入酸洗槽,并利用输出酸洗参数的酸液对碳化硅颗粒进行酸洗处理的过程中还包括搅拌操作,所述搅拌操作包括机械搅拌或气泡搅拌。
[0033]进一步的,所述将酸洗后的碳化硅颗粒放入离子交换柱中进行离子交换包括以下步骤:
[0034]S41、利用预设的离子交换树脂填充离子交换柱,并对酸洗后的碳化硅颗粒进行洗
涤干燥处理;
[0035]S42、将洗涤干燥后的样品装入离子交换柱中,并加入缓冲液确保样品完全进入离子交换树脂内部;
[0036]S43、向离子交换柱中不断通入流动相来实现样品中离子与离子交换树脂中离子的交换。
[0037]本专利技术的有益效果为:通过原料的筛选可以有效地去除碳化硅原料中的较大杂质和污染物,随后利用改进的BP神经网络模型输出与碳化硅颗粒成分相对应的酸洗参数,相比于传统的依据实验人员经验设置酸洗参数的方式,本专利技术可以利用基于遗传算法优化的BP神经网络模型来自动输出与碳化硅颗粒成分相对应的酸洗参数,从而可以实现对酸洗参数的优化,接着利用输出的精确酸洗参数实现对碳化硅原料的酸洗处理,去除碳化硅原料表面的杂质和氧化物,并利用离子交换柱对酸洗后的碳化硅颗粒进行离子交换,去除残留的金属离子和其他杂质,最后便可对离子交换后的碳化硅原料进行烘干及筛分处理,从而可以得到高纯度的碳化硅颗粒,相比于传统的加工工艺,本专利技术不仅可以有效地提高碳化硅原料的酸洗效率及产品质量,而且还可以减少废料的产生,降低生产成本,提高生产稳定性,从而可以更好地满足于碳化硅原料的酸洗提纯加工需求。
附图说明
[本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种碳化硅原料酸洗提纯加工工艺,其特征在于,该工艺包括以下步骤:S1、原料筛选,分别对碳化硅原料进行筛分和清洗处理,得到碳化硅颗粒;S2、酸洗参数确定,利用改进的BP神经网络模型输出与碳化硅颗粒成分相对应的酸洗参数;S3、酸洗处理,将筛选出的碳化硅颗粒放入酸洗槽,并利用输出酸洗参数的酸液对碳化硅颗粒进行酸洗处理;S4、离子交换,将酸洗后的碳化硅颗粒放入离子交换柱中进行离子交换;S5、烘干筛分,依次对离子交换后的碳化硅颗粒进行烘干及筛分处理,得到高纯度的碳化硅。2.根据权利要求1所述的一种碳化硅原料酸洗提纯加工工艺,其特征在于,所述原料筛选中的筛分采用机械筛选法或磁选法来实现,所述原料筛选中的清洗采用清水来实现。3.根据权利要求1所述的一种碳化硅原料酸洗提纯加工工艺,其特征在于,所述利用改进的BP神经网络模型输出与碳化硅颗粒成分相对应的酸洗参数包括以下步骤:S21、利用碳化硅加工过程中的历史数据构建并训练基于遗传算法的BP神经网络模型;S22、获取碳化硅颗粒中硅含量、杂质含量及原料粒度的成分信息,并利用训练后的基于遗传算法的BP神经网络模型输出与碳化硅颗粒成分相对应的酸洗参数;其中,酸洗参数包括硫酸的浓度、硫酸的酸洗温度、硫酸的酸洗时间、氢氟酸的浓度、氢氟酸的酸洗温度及氢氟酸的酸洗时间。4.根据权利要求3所述的一种碳化硅原料酸洗提纯加工工艺,其特征在于,所述利用碳化硅加工过程中的历史数据构建并训练基于遗传算法的BP神经网络模型包括以下步骤:S211、采集碳化硅加工过程中的历史数据,并对采集的历史数据进行预处理;S212、将历史数据中碳化硅颗粒的硅含量、杂质含量及原料粒度作为输入变量,将硫酸的浓度、硫酸的酸洗温度、硫酸的酸洗时间、氢氟酸的浓度、氢氟酸的酸洗温度及氢氟酸的酸洗时间作为输出变量;S213、根据输入变量和输出变量设计BP神经网络,并初始化遗传算法参数;S214、利用遗传算法对BP神经网络进行优化,得到最优的网络权重和阈值;S215、利用预处理后的历史数据对优化后的BP神经网络进行训练及验证,得到训练好的基于遗传算法的B...

【专利技术属性】
技术研发人员:奚衍罡
申请(专利权)人:南通罡丰科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1