[发明专利]一种瓷土废泥制备轻质保温砖方法

说明书

技术领域

本发明属于保温砖制备技术领域，尤其涉及一种瓷土废泥制备轻质保温砖方法。

背景技术

我国对陶瓷废泥的处理方法主要是采用简单的填埋方式进行处理，以减少对环境污染的压力。陶瓷抛光废泥属于粉体废弃物，进入填埋场后，受日晒、雨淋、风吹，其中的有害成分可通过土壤、地表或地下水体等直接或间接导致水资源受到污染。陶瓷抛光废泥中还含有大量的细粒微粉和颗粒物，遇大风而进入大气，使空气受到污染，产生灰霾天气，造成新的二次空气环境污染，对人体健康造成极大的危害。长期填埋还需要占用大量的土地资源；现有的利用工业煤渣制轻质保温砖，主要是以抛光砖生产过程中的抛光渣为主体原料，而补充极少部分的工业煤渣作为补充原料(15％以内)。同时，现有的用抛光渣制轻质保温材料的技术，生产成本高，烧成过程需要16-24个小时不等。

在工程应用中，广泛存在着温度梯度时间预测的需求。例如在制造企业中，存在着各种不同类型的产品、种类繁多的加工方式和生产能力各不相同的设备，制定科学的梯度方案(包括预测出合理的交接时间)，可以有效地控制升温的准确性。

影响梯度时间预测的因素不仅仅局限于某个点，而是涉及到产品各个环节，这些环节所涉及的数据即属于工业大数据的范畴，包含传感器数据、控制器数据及设备系统的网络化数据等。因此，时间预测需要与工业大数据的挖掘分析有机融合，即需要通过工业大数据的分析获取影响产品升温时间的各项历史数据和影响因素，进而利用这些影响因素及相关的其它历史数据完成升温时间的预测。

到目前为止，尚无一种在工业大数据驱动下对影响因素进行分析挖掘，并将动态特性融入预测模型的升温时间预测方法。

综上所述，现有技术存在的问题是：现有轻质保温砖质地脆、比重大、耐火性能差；而陶瓷抛光废泥得不到利用，废弃到环境中容易造成环境污染，资源浪费；同时，现有的用抛光渣制轻质保温材料的技术，生产成本高，烧制时间长。

发明内容

针对现有技术存在的问题，本发明提供了一种瓷土废泥制备轻质保温砖方法。

本发明是这样实现的，一种瓷土废泥制备轻质保温砖的方法，所述瓷土废泥制备轻质保温砖方法包括以下步骤：

步骤一，原料混合；

15～25重量份的污泥粉料、8～16重量份的氧化钙粉料、1～2重量份的硼砂、3～6重量份的硫酸亚铁、9～18重量份的硫酸镁混合均匀进行除臭、消毒杀菌、螯合陈化制成混合粉料，再与35～45重量份的陶瓷废泥粉料、25～35重量份的建筑废渣土粉料、10～18重量份的木屑废渣粉料、10～20重量份的锅炉废渣粉料、6～10份重量的工业煤渣、4-20份重量的钾长石、4-20份重量的钠长石、4-20份重量的石英、0-15份重量的抛光渣、3～6重量份的硫酸钙、4～8重量份的膨润土、2～6重量份的滑石粉和12～22重量份的水的原料混合；

步骤二，采用双轴混合搅拌机搅拌，呈潮湿状后，用全自动真空挤压机挤压切割成型为陶瓷废泥多孔轻质保温砖坯；将轻质保温砖坯送入窑内烧制；

所述窑内安装有多个温度感应器，所述温度感应器通过无线或有线连接安装在窑外部的控制器单元；

所述控制器单元用于对轻质保温砖坯升温的梯度进行控制；具体包括：

1)基于Hadoop构建包含关系型数据库数据、温度传感器数据和控制器数据的工业大数据分析平台，转到步骤2)；

2)、在MapReduce框架下运用Apriori关联规则挖掘算法，在工业大数据分析平台中进行分析和挖掘，得到总梯度升温时间影响因素，转到步骤3)；

3)、结合梯度升温不同阶段时间影响因素和总梯度升温时间历史数据，构建神经网络模型BP，产生神经网络模型BP的初始权值，转到步骤4)；

4)、对神经网络模型BP的权值和阈值进行动态改进，获得动态神经网络模型DBP，产生动态神经网络模型DBP的权值和阈值，转到步骤5)；

5)、运用自适应免疫遗传AIGA算法优化动态神经网络模型DBP，获得预测模型AIGA-DBP，根据预测模型AIGA-DBP计算总梯度升温时间预测值，转到步骤6)；

6)、判断梯度升温不同阶段时间预测值与总梯度升温时间期望值的误差是否满足设定的条件，若是，转到步骤7)；否则重新执行到步骤5)；

7)、输出总完工时间预测值，结束；

步骤1)具体包括以下步骤：