一种基于机器学习的镁电解质中各组分浓度的分析方法技术

本发明专利技术公开了一种基于机器学习的镁电解质中各组分浓度的分析方法，包括如下步骤：将不同成分镁电解质标准样品在坩埚中加热至熔融状态，在惰性气体保护下通过热电偶记录镁电解质标准样品降温过程中的温度数据，并提取降温曲线的特征参数；通过机器学习技术对特征参数进行训练，建立镁电解质中各组分浓度与降温规律的关系模型，并通过该模型对待测镁电解质样品中各组分的浓度进行预测分析。本发明专利技术可以解决镁电解质浓度测量周期长、测试结果滞后且易受水解影响的问题。同时，该方法具有简单、成本低、测试速度快、重复性好、结果可靠等优点。

【技术实现步骤摘要】

本专利技术属于有色金属冶炼镁电解，具体为一种基于机器学习的镁电解质中各组分浓度的分析方法。

技术介绍

1、熔盐电解法炼镁是主要的金属镁生产方法，特别是与钛冶炼过程相结合时，具有显著的综合成本优势和循环经济特点，在国民经济中具有重要的地位。由于氯化镁熔点高、导电性差、挥发性强、容易水解，故在镁电解生产中不单独用做电解质。电解法炼镁的电解质通常由三元或四元的氯化物体系组成，如氯化镁、氯化钠、氯化钾、氯化钙等。为使析出的镁汇集得更好，电解质中常加入少量的氟化钙或氟化镁。在镁电解过程中，电解质中的氯化镁会不断消耗，而电解槽一次性加料过多会导致电解槽温度、电解质成分及氯化镁浓度波动较大，进而影响电化学反应过程和电解效率，因此需要提高氯化镁加料的精准性、连续性。其中，如何快速、准确的测量镁电解质中氯化镁及各组分的浓度是实现氯化镁精准、连续加料的重要前提。

2、目前，测量镁电解质中各组分浓度的方法主要包括化学分析法及光谱分析法。其中，光谱分析法是最常用的方法，通过电感耦合等离子发射光谱仪(icp)或原子吸收光谱仪(aas)可以实现镁电解质中各组分浓度的测量。本文档来自技高网...

【技术保护点】

1.一种基于机器学习的镁电解质中各组分浓度的分析方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于机器学习的镁电解质中各组分浓度的分析方法，其特征在于，所述步骤S4中的降温过程为匀速降温过程，降温速率为5-40℃/min。

3.根据权利要求1所述的一种基于机器学习的镁电解质中各组分浓度的分析方法，其特征在于，所述步骤S4中数据采集器的采样率为10-1000ms。

4.根据权利要求1所述的一种基于机器学习的镁电解质中各组分浓度的分析方法，其特征在于，所述步骤S5中特征参数为不同降温区间段内降温温度与时间的比值，每降温5-25℃为一个降温区...

【技术特征摘要】

1.一种基于机器学习的镁电解质中各组分浓度的分析方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于机器学习的镁电解质中各组分浓度的分析方法，其特征在于，所述步骤s4中的降温过程为匀速降温过程，降温速率为5-40℃/min。

3.根据权利要求1所述的一种基于机器学习的镁电解质中各组分浓度的分析方法，其特征在于，所述步骤s4中数据采集器的采样率为10-1000ms。

4.根据权利要求1所述的一种基于机器学习的镁电解质中各组...

【专利技术属性】
技术研发人员：陈昱冉，李家乐，杨昇，梁学民，范阳阳，王立强，孔亚鹏，李晓春，
申请(专利权)人：郑州大学，
类型：发明
国别省市：