Een team van de Siberische Federale Universiteit (SFU) heeft een nieuwe methode voorgesteld voor automatische samenstellingsanalyse van elektrolytmonsters uit elektrolysebaden. Het zal zorgen voor een nauwkeurigere technologische controle en de efficiëntie van de aluminiumproductie verhogen. Het artikel is gepubliceerd in Kristallen .

Metaalaluminium wordt verkregen in de loop van elektrolyse, waarin stroom wordt geleid door een aluminiumoxide-cryoliet-smelt op ongeveer 950°. Het hoofdbestanddeel van een smelt is kryoliet (een zout dat natrium, aluminium, en fluoratomen) waaraan aluminiumoxide (aluminiumoxide) is toegevoegd. Om de technologische eigenschappen van de elektrolyt te verbeteren, aluminiumfluoride, calciumfluoride, en soms kunnen magnesium- en kaliumfluoride worden toegevoegd. Tijdens de elektrolyse, de samenstelling van de stof in de baden verandert, en de verhouding van componenten verschuift, ook. Het behoud van een optimale badsamenstelling is een sleutelelement van de elektrolysetechnologie.

Om de optimale samenstelling te behouden, technici nemen en analyseren voortdurend elektrolytmonsters. De analyse vereist een hoge nauwkeurigheid en snelheid. Een uitdrukkelijke controlemethode die in de industrie wordt gebruikt, is kwantitatieve fase-analyse met röntgendiffractie. Het is gebaseerd op het bestuderen van röntgenbeelden gevormd door de röntgenstralen die door monsters worden gereflecteerd. In zijn traditionele variant, een dergelijke analyse heeft één groot nadeel:het vereist een regelmatige kalibratie met controlematerialen met nauwkeurig bepaalde fasesamenstellingen, en het houdt ook geen rekening met de werkelijke kristalstructuur van de fasen. Een alternatieve optie is de Rietveld-methode. Het voorziet in kwantitatieve analyse op basis van het specificeren van de atomaire en kristalstructuur van componentfasen zonder gebruik te maken van controlemonsters. Echter, deze methode is interactief en moeilijk te automatiseren, omdat het handmatig instellen van maximaal 100 initiële systeemparameters vereist en het beheren van de volgorde van hun geprogrammeerde aanpassingen.

Een team van SFU heeft de Rietveld-methode gemoderniseerd om deze toepasbaar te maken voor geautomatiseerde analyse. Om dit te doen, ze ontwikkelden een zelfconfigurerend evolutionair genetisch algoritme dat het principe van biologische natuurlijke selectie gebruikt om optimale parameterwaarden te vinden bij het modelleren van een röntgenbeeld. Eerst, een genetisch algoritme gebruikt willekeurige waarden, optimaliseert vervolgens het enorme bereik van röntgenbeeld- en fasekristalstructuurparameters, het managen van de aanpassing van alleen de beste van hen met behulp van de Rietveld-methode. Daarom, het algoritme kan zich aanpassen en werken zonder menselijke tussenkomst.

"Over het algemeen, onze resultaten voldoen aan de technologische criteria voor de nauwkeurigheid van elektrolytanalyse die worden gebruikt in aluminiumproductiefaciliteiten. We kunnen ons genetische algoritme aanbevelen om de controle over de elektrolytsamenstelling uit te drukken. De analyse laat een kleine systeemfout zien die wordt veroorzaakt door een overschatting van de kryolietconcentratie vanwege de ongelijkmatige kristallisatie ervan tijdens de bemonstering. Voordat deze methode door de industrie wordt geïmplementeerd, we moeten deze fout elimineren en ook de efficiëntie van de methode verbeteren, " zegt Igor Jakimov, de projectleider, doctoraat in natuurkunde en wiskunde, en professor van het Instituut voor Non-ferrometalen en materiaalstudies van SFU.