权利要求
1.一种适配全链条一体化制造的应用数字模型，其特征在于，所述适配全链条一体化制造的应用数字模型包括：
信息获取模块，用于获取待焙烧物料的初始状态参数，并将所述初始状态参数映射为虚拟粒子的初始状态信息;
曲线获取模块，用于在所述待焙烧物料进入焙烧窑预热段后，获取所述待焙烧物料的实际升温曲线;
指标获取模块，用于根据所述实际升温曲线和预设的标准参考升温曲线获取隐形抗性指标;
参数确定模块，用于根据所述初始状态信息、所述隐形抗性指标、预设的目标
锂回收率和预设的目标石墨保留比例，确定所述焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集，然后控制所述焙烧窑按照所述焙烧温度曲线进行焙烧;所述药剂投加上限集包括不同药剂对应的药剂投加上限;
转速调节模块，用于在满足所述焙烧窑的转速小于等于所述转速上限值的情况下，根据所述隐形抗性指标和预设抗性指标的偏差调整所述焙烧窑的转速，以调节所述待焙烧物料在所述焙烧窑内的停留时间;
药剂调节模块，用于沿所述焙烧窑的长度方向，分段监测二氧化碳生成速率变化情况，并根据所有所述氧化碳生成速率变化情况定位碳反应峰所处分段，然后在满足所有药剂的用量均小于等于其对应的药剂投加上限的情况下，根据所述碳反应峰所处分段和预设碳反应峰分段的偏差调整各分段的药剂用量。
2.根据权利要求1所述的适配全链条一体化制造的应用数字模型，其特征在于，所述初始状态参数包括粒度分布、
铜铝残留率、有机碳含量和颗粒比表面积。
3.根据权利要求1所述的适配全链条一体化制造的应用数字模型，其特征在于，所述初始状态信息包括颗粒直径、表层有机覆盖厚度、比表面积和热传导系数。
4.根据权利要求1所述的适配全链条一体化制造的应用数字模型，其特征在于，所述将所述初始状态参数映射为虚拟粒子的初始状态信息的过程包括：
A1、利用预设映射规则将所述初始状态参数映射为虚拟粒子的初步状态信息;
A2、根据所述虚拟粒子的初步状态信息，预测所述待焙烧物料的升温曲线;
A3、根据所述实际升温曲线和预测的升温曲线的偏差对所述预设映射规则进行修正;
A5、利用修正后的预设映射规则将所述初始状态参数映射为虚拟粒子的初始状态信息。
5.根据权利要求1所述的适配全链条一体化制造的应用数字模型，其特征在于，所述信息获取模块还用于获取所述待焙烧物料的初始温度，所述根据所述实际升温曲线和预设的标准参考升温曲线获取隐形抗性指标的过程包括：
B1、针对所述实际升温曲线中的每个采样点，根据该采样点在所述实际升温曲线上对应的实际温度值和该采样点在预设的标准参考升温曲线上对应的参考温度值获取第一温度值偏差，并根据该采样点在标准参考升温曲线上对应的参考温度值和所述待焙烧物料的初始温度获取第二温度值偏差;
B2、将所有所述第一温度值偏差的求和结果作为第一温差累计值;
B3、将所有所述第二温度值偏差的求和结果作为第二温差累计值;
B4、将所述第一温差累计值与所述第二温差累计值的比值作为隐形抗性指标。
6.根据权利要求1所述的适配全链条一体化制造的应用数字模型，其特征在于，所述根据所述初始状态信息、所述隐形抗性指标、预设的目标锂回收率和预设的目标石墨保留比例，确定所述焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集的过程包括：
C1、根据所述初始状态信息和所述隐形抗性指标，从预设的关于状态信息和抗性指标的组合及其对应的参数集、预期锂回收率和预期石墨保留比例的组合的映射关系表中，提取对应的参数集、预期锂回收率和预期石墨保留比例;所述参数集包括温度曲线、最高转速和药剂最大用量集;
C2、分析是否同时满足所述预期锂回收率达到预设的目标锂回收率且所述预期石墨保留比例达到预设的目标石墨保留比例，若是，则执行步骤C3，若否，则执行步骤C4;
C3、将提取的温度曲线作为焙烧温度曲线，将提取到的最高转速作为转速上限值，并将提取到的药剂最大用量集作为药剂投加上限集;
C4、获取当前时刻的锂价格和石墨价格;
C5、在所述锂价格大于所述石墨价格时，从所述映射关系表中提取所述预期锂回收率达到所述目标锂回收率的参数集作为第一候选参数集，并将对应的预期石墨保留比例最大的第一候选参数集作为第一目标参数集，然后将所述第一目标参数集包含的温度曲线、最高转速和药剂最大用量集分别作为所述焙烧温度曲线、所述转速上限值和所述药剂投加上限集;
C6、在所述石墨价格大于所述锂价格时，从所述映射关系表中提取所述预期石墨保留比例达到所述目标锂回收率的参数集作为第二候选参数集，并将对应的预期锂回收率最大的第一候选参数集作为第二目标参数集，然后将所述第二目标参数集包含的温度曲线、最高转速和药剂最大用量集分别作为所述焙烧温度曲线、所述转速上限值和所述药剂投加上限集;
C7、在所述锂价格等所述石墨价格时，从所述映射关系表中提取所述预期锂回收率和所述石墨保留比例的求和值最大时的参数集作为第三目标参数集，然后将所述第三目标参数集包含的温度曲线、最高转速和药剂最大用量集分别作为所述焙烧温度曲线、所述转速上限值和所述药剂投加上限集。
7.根据权利要求6所述的适配全链条一体化制造的应用数字模型，其特征在于，所述目标锂回收率和所述石墨保留比例基于当前时刻的锂价格和石墨价格确定。
8.根据权利要求1所述的适配全链条一体化制造的应用数字模型，其特征在于，所述在满足所述焙烧窑的转速小于等于所述转速上限值的情况下，根据所述隐形抗性指标和预设抗性指标的偏差调整所述焙烧窑的转速的过程包括：
D1、根据所述隐形抗性指标和预设抗性指标的偏差确定初步转速调整量;
D2、获取所述待焙烧物料在所述焙烧窑内的实时轴向移动速度;
D3、根据所述实时轴向移动速度与预设目标轴向移动速度的偏差对所述初步转速调整量进行修正，以得到修正转速调整量;
D4、在满足所述焙烧窑的转速小于等于所述转速上限值的情况下，根据所述修正转速调整量对所述焙烧窑的转速进行调整。
9.根据权利要求1所述的适配全链条一体化制造的应用数字模型，其特征在于，所述在满足所有药剂的用量均小于等于其对应的药剂投加上限的情况下，根据所述碳反应峰所处分段和预设碳反应峰分段的偏差调整各分段的药剂用量的过程包括：
E1、根据所述碳反应峰所处分段和预设碳反应峰分段的偏差确定各分段对应的第一初步药剂调整量;
E2、在所述焙烧窑出口处，获取焙烧产物的实时表面润湿性;
E3、在所述实时表面润湿性大于预设表面润湿性时，根据所述实时表面润湿性与预设表面润湿性的偏差对各分段对应的第一初步药剂调整量进行修正，以得到各分段对应的修正药剂调整量;
E4、在满足所有药剂的用量均小于等于其对应的药剂投加上限的情况下，根据各分段对应的修正药剂调整量对各分段的药剂用量进行调整。
10.根据权利要求9所述的适配全链条一体化制造的应用数字模型，其特征在于，步骤E3包括：
E31、在所述实时表面润湿性大于预设表面润湿性时，根据所述实时表面润湿性与预设表面润湿性的偏差对各分段对应的第一初步药剂调整量进行修正，以得到各分段对应的第二初步药剂调整量;
E32、获取焙烧窑内各分段的实时温度分布和实时氧气浓度分布;
E33、根据所述实时温度分布和所述实时氧气浓度分布，分析所述实时表面润湿性与预设表面润湿性的偏差是否由石墨过度氧化引起，若是，则执行步骤E34，若否，则执行步骤E35;
E34、将各分段对应的初步药剂调整量与预设比例相乘，以得到所述各分段对应的修正药剂调整量;所述预设比例小于1且大于0;
E35、将各分段对应的第二初步药剂调整量作为各分段对应的修正药剂调整量。
说明书
技术领域
[0001]本申请涉及电池回收技术领域，具体而言，涉及一种适配全链条一体化制造的应用数字模型。
背景技术
[0002]电池回收全链条一体化制造技术正迅速发展，旨在高效处理退役电池并将其转化为高纯度产品如
碳酸锂、石墨和
磷酸铁。随着行业进步，处理来源复杂、批次差异大的原料成为关键趋势，推动了对连续物理和化学工序的优化需求，以适应原料端的不确定性并提升整体回收效率。
[0003]然而，在电池回收制造的核心有氧焙烧环节，原料批次差异带来的扰动导致参数控制困难。这种差异演变为跨工序、变量相互影响且呈非线性表现的干扰，当原料中有机物含量波动或杂质残留时，盲目提高焙烧强度以追求锂高浸出率会引发过氧化现象。过氧化促进锂转化但破坏石墨表面晶格结构，使表面能发生不可逆改变，导致石墨在后续
浮选工序中亲水性增强而沉底。锂回收率与石墨回收率在特定工艺窗口下呈现相互冲突关系，并伴有显著时间延迟和隐蔽性。后端浮选良率下降被发现时，前端焙烧炉内已处理的大量物料可能处于错误参数下，造成经济损失。现有技术难以在保证锂回收率的同时维持石墨结构完整性，且缺乏对焙烧过程中物料状态变化的实时监测和动态调整能力，导致回收效率和产品质量难以兼顾。
[0004]针对上述问题，目前尚未有有效的技术解决方案。
发明内容
[0005]本申请的目的在于提供一种适配全链条一体化制造的应用数字模型，能够有效地提高电池回收的整体效率和经济效益。
[0006]本申请提供了一种适配全链条一体化制造的应用数字模型，其包括：
信息获取模块，用于获取待焙烧物料的初始状态参数，并将初始状态参数映射为虚拟粒子的初始状态信息;
曲线获取模块，用于在待焙烧物料进入焙烧窑预热段后，获取待焙烧物料的实际升温曲线;
指标获取模块，用于根据实际升温曲线和预设的标准参考升温曲线获取隐形抗性指标;
参数确定模块，用于根据初始状态信息、隐形抗性指标、预设的目标锂回收率和预设的目标石墨保留比例，确定焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集，然后控制焙烧窑按照焙烧温度曲线进行焙烧;药剂投加上限集包括不同药剂对应的药剂投加上限;
转速调节模块，用于在满足焙烧窑的转速小于等于转速上限值的情况下，根据隐形抗性指标和预设抗性指标的偏差调整焙烧窑的转速，以调节待焙烧物料在焙烧窑内的停留时间;
药剂调节模块，用于沿焙烧窑的长度方向，分段监测二氧化碳生成速率变化情况，并根据所有氧化碳生成速率变化情况定位碳反应峰所处分段，然后在满足所有药剂的用量均小于等于其对应的药剂投加上限的情况下，根据碳反应峰所处分段和预设碳反应峰分段的偏差调整各分段的药剂用量。
[0007]由上可知，本申请提供的一种适配全链条一体化制造的应用数字模型，通过引入虚拟粒子模型、隐形抗性指标的量化、多参数预测性优化以及动态实时调控机制，能够更准确地感知物料特性，更智能地设定和调整焙烧参数，从而在保证高锂回收率的同时，最大限度地保护石墨的完整性，因此本申请能够有效解决锂回收率与石墨保留比例之间的冲突，从而有效地提高电池回收的整体效率和经济效益。
附图说明
[0008]图1为本申请实施例提供的一种适配全链条一体化制造的应用数字模型的结构示意图。
[0009]附图标记：1、信息获取模块;2、曲线获取模块;3、指标获取模块;4、参数确定模块;5、转速调节模块;6、药剂调节模块。
具体实施方式
[0010]下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0011]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0012]如图1所示，本申请提供了一种适配全链条一体化制造的应用数字模型，其包括：
信息获取模块1，用于获取待焙烧物料的初始状态参数，并将初始状态参数映射为虚拟粒子的初始状态信息;
曲线获取模块2，用于在待焙烧物料进入焙烧窑预热段后，获取待焙烧物料的实际升温曲线;
指标获取模块3，用于根据实际升温曲线和预设的标准参考升温曲线获取隐形抗性指标;
参数确定模块4，用于根据初始状态信息、隐形抗性指标、预设的目标锂回收率和预设的目标石墨保留比例，确定焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集，然后控制焙烧窑按照焙烧温度曲线进行焙烧;药剂投加上限集包括不同药剂对应的药剂投加上限;
转速调节模块5，用于在满足焙烧窑的转速小于等于转速上限值的情况下，根据隐形抗性指标和预设抗性指标的偏差调整焙烧窑的转速，以调节待焙烧物料在焙烧窑内的停留时间;
药剂调节模块6，用于沿焙烧窑的长度方向，分段监测二氧化碳生成速率变化情况，并根据所有氧化碳生成速率变化情况定位碳反应峰所处分段，然后在满足所有药剂的用量均小于等于其对应的药剂投加上限的情况下，根据碳反应峰所处分段和预设碳反应峰分段的偏差调整各分段的药剂用量。
[0013]信息获取模块1，用于获取待焙烧物料的初始状态参数，并将初始状态参数映射为虚拟粒子的初始状态信息。该模块在离心重选尾端对出料实施在线粒度测量与成分比例测定，获得粒度分布情况、铜铝残留率、有机碳含量以及颗粒比表面积等可量化指标。这些检测结果被映射为每个虚拟粒子的初始状态信息，其中状态信息包含颗粒直径、表层有机覆盖厚度估算值、比表面积与热传导系数估算值。所有映射规则采用明确的物理公式和经验常数进行计算，禁止引入基于历史统计规律的归纳推断作为唯一判定依据。
[0014]本申请所提出的适配全链条一体化制造的应用数字模型，旨在通过数字化手段优化电池回收过程中的有氧焙烧环节。该实施例的待焙烧物料通常指经过预处理的废旧
电池材料，例如破碎、分选后的黑粉，其成分复杂，批次间差异显著。该实施例的虚拟粒子是数字模型中用于模拟真实物料行为的抽象概念，每个虚拟粒子承载了物料的物理和化学属性，如颗粒直径、表层有机覆盖厚度、比表面积和热传导系数等，这些属性共同构成了初始状态信息。该实施例的隐形抗性指标是一个关键参数，它量化了物料在焙烧过程中对升温的内在抵抗能力，反映了物料的反应活性和热物理特性，是传统检测方法难以直接获取的深层属性。该实施例的焙烧窑是进行有氧焙烧的核心设备，其焙烧温度曲线、转速上限值和药剂投加上限集是影响焙烧效果的关键控制参数，该模型通过对这些参数的智能调控，以期在保证目标锂回收率和目标石墨保留比例的前提下，实现焙烧过程的最优化。
[0015]本申请的应用数字模型通过多个模块协同工作，以实现对电池回收焙烧过程的精细化控制。首先，信息获取模块1负责获取待焙烧物料的初始状态参数，这些参数是物料进入焙烧窑前的基本属性，例如，可以通过人工测量或
传感器自动采集物料的粒度分布、铜铝残留率、有机碳含量和颗粒比表面积等。在获取这些参数后，信息获取模块1会将其映射为虚拟粒子的初始状态信息。例如，可以根据预设的经验公式，将粒度分布转换为虚拟粒子的颗粒直径，将有机碳含量转换为表层有机覆盖厚度，将颗粒比表面积转换为虚拟粒子的比表面积，并将这些信息与预设的热传导系数结合，形成虚拟粒子的初始状态信息。其次，曲线获取模块2用于获取待焙烧物料的实际升温曲线。当待焙烧物料进入焙烧窑的预热段后，可以通过在焙烧窑内部署温度传感器，实时监测物料的温度变化，并记录下不同时间点对应的温度值，从而形成实际升温曲线。接着，指标获取模块3根据实际升温曲线和预设的标准参考升温曲线获取隐形抗性指标。预设的标准参考升温曲线优选为是通过大量实验数据或理论计算得出的理想升温曲线，标准参考升温曲线的测量属于现有技术。指标获取模块3可以通过比较实际升温曲线与标准参考升温曲线的差异，例如计算两条曲线之间的面积差或特定点的温度偏差，来量化物料的隐形抗性。随后，参数确定模块4根据初始状态信息、隐形抗性指标、预设的目标锂回收率和预设的目标石墨保留比例，确定焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集。确定这些参数后，参数确定模块4会控制焙烧窑按照确定的焙烧温度曲线进行焙烧。此外，转速调节模块5用于在满足焙烧窑的转速小于等于转速上限值的情况下，根据隐形抗性指标和预设抗性指标的偏差调整焙烧窑的转速。例如，如果隐形抗性指标显示物料的反应活性低于预期(预设抗性指标对应的反应活性)，表明物料可能需要更长的停留时间才能充分反应，转速调节模块5可以适当降低焙烧窑的转速，以延长物料在窑内的停留时间。反之，如果物料反应活性过高，则可以适当提高转速。最后，药剂调节模块6沿焙烧窑的长度方向，分段监测二氧化碳生成速率变化情况。例如，可以在焙烧窑的不同分段处安装气体分析仪，实时监测各分段的二氧化碳浓度，并计算其生成速率。根据所有二氧化碳生成速率变化情况，药剂调节模块6可以定位碳反应峰所处分段，即焙烧炉中碳氧化反应最剧烈的分段。然后，在满足所有药剂的用量均小于等于其对应的药剂投加上限的情况下，根据碳反应峰所处分段和预设碳反应峰分段的偏差调整各分段的药剂用量。例如，如果碳反应峰出现在比预设位置更靠前或更靠后的分段，药剂调节模块6可以相应地调整该分段或相邻分段的药剂投加量，以使碳反应峰回到理想位置，从而优化碳的去除效率和石墨的保留。
[0016]本申请的核心创新点在于引入了隐形抗性指标和多参数协同调控机制。与现有技术主要依赖经验或固定参数进行焙烧控制不同，本申请通过信息获取模块1获取待焙烧物料的初始状态参数并映射为虚拟粒子的初始状态信息，为后续的精细化控制奠定了基础。更重要的是，曲线获取模块2获取实际升温曲线，并由指标获取模块3根据实际升温曲线和预设的标准参考升温曲线获取隐形抗性指标，该隐形抗性指标能够量化物料在焙烧过程中的内在反应特性，有效弥补了现有技术对物料深层属性认知不足的缺陷。在此基础上，参数确定模块4能够根据初始状态信息、隐形抗性指标、预设的目标锂回收率和预设的目标石墨保留比例，智能地确定焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集。这种预测性优化能力使得焙烧参数能够根据当前物料的实际特性进行定制化设定，而非采用一成不变的通用参数，从而有效避免了因参数不匹配导致的过氧化或焙烧不充分问题。本申请的转速调节模块5和药剂调节模块6实现了对焙烧过程的动态实时调控，具体地，转速调节模块5根据隐形抗性指标的偏差调整焙烧窑的转速，以调节物料的停留时间，确保反应充分，药剂调节模块6通过分段监测二氧化碳生成速率，定位碳反应峰并根据其偏差调整各分段的药剂用量，实现了对碳氧化反应的精准控制。这种动态反馈和调节机制，使得本申请能够及时响应焙烧过程中的微小变化，有效避免了后端浮选良率下降时才发现前端焙烧炉内已处理大量物料处于错误参数下的问题，显著降低了经济损失。
[0017]由此可见，本申请通过引入虚拟粒子模型、隐形抗性指标的量化、多参数预测性优化以及动态实时调控机制，能够更准确地感知物料特性，更智能地设定和调整焙烧参数，从而在保证高锂回收率的同时，最大限度地保护石墨的完整性，因此本申请能够有效解决锂回收率与石墨保留比例之间的冲突，从而有效地提高电池回收的整体效率和经济效益。
[0018]在一些优选的实施方式中，初始状态参数包括粒度分布、铜铝残留率、有机碳含量和颗粒比表面积。该实施例的粒度分布是指待焙烧物料中颗粒大小的分布情况，该参数有助于评估物料的堆积密度、孔隙率、传热传质效率以及反应均匀性，该实施例通过激光衍射粒度分析仪进行测量，获得不同粒径范围内的颗粒含量百分比的方式得到粒度分布。该实施例的铜铝残留率是指待焙烧物料中铜和铝等金属杂质的含量比例，这些金属杂质可能在焙烧过程中与目标产物发生副反应，从而影响锂的回收率和石墨的纯度或改变物料的热物理性质，该实施例可以通过利用X射线荧光光谱仪(XRF)或电感耦合等离子体发射光谱仪(ICP-OES)对待焙烧物料进行元素分析，以定量测定铜和铝的含量的方式得到铜铝残留率。该实施例的有机碳含量是指待焙烧物料中含有的有机物质中碳元素的比例，有机碳在焙烧过程中会发生燃烧反应，释放热量并消耗氧气，其含量直接影响焙烧过程的热平衡和氧化还原气氛，过高可能导致过氧化，该实施例可以通过利用元素分析仪对待焙烧物料进行燃烧分析，以测定有机碳的含量的方式得到有机碳含量。该实施例的颗粒比表面积是指单位质量或单位体积物料所具有的总表面积，比表面积大小直接影响物料与焙烧气氛中气体(如氧气、药剂)的接触面积和反应速率，对热传导和化学反应动力学有显著影响，该参数可以通过BET(Brunauer-Emmett-Teller)法，利用气体吸附原理测量物料的氮气吸附量，进而计算比表面积。
[0019]在一些优选的实施方式中，初始状态信息包括颗粒直径、表层有机覆盖厚度、比表面积和热传导系数。该实施例的颗粒直径是指待焙烧物料中单个颗粒的尺寸大小，颗粒直径是影响物料热传导效率和化学反应速率的关键物理参数，具体地，较小的颗粒通常具有更大的比表面积，能够更快地吸收热量并进行反应;而较大的颗粒则可能存在内部传热阻力，影响整体反应均匀性。该实施例的表层有机覆盖厚度是指待焙烧物料颗粒表面附着的有机物质层的厚度，这层有机覆盖物会影响热量向颗粒内部的传递，并可能在焙烧过程中发生分解或氧化反应，释放热量或消耗氧化剂，从而影响焙烧过程的整体热平衡和反应动力学。该实施例的比表面积是指单位质量物料所具有的总表面积，比表面积是衡量物料与周围环境(如热源、反应气体)接触效率的重要指标，更大的比表面积意味着更多的反应位点，有利于热量传递和化学反应的进行，尤其对于氧化还原反应至关重要。该实施例的热传导系数是指物料传递热量的能力，即在单位温度梯度下，单位时间内通过单位面积的热量，热传导系数直接决定了热量在物料颗粒内部以及颗粒与颗粒之间传递的效率。准确的热传导系数有助于建立精确的传热模型，预测物料在焙烧窑内的温度分布和升温速率。
[0020]在一些优选的实施方式中，将初始状态参数映射为虚拟粒子的初始状态信息的过程包括：
A1、利用预设映射规则将初始状态参数映射为虚拟粒子的初步状态信息;
A2、根据虚拟粒子的初步状态信息，预测待焙烧物料的升温曲线;
A3、根据实际升温曲线和预测的升温曲线的偏差对预设映射规则进行修正;
A5、利用修正后的预设映射规则将初始状态参数映射为虚拟粒子的初始状态信息。
[0021]该实施例的预设映射规则是用于将待焙烧物料的物理或化学特性(即初始状态参数)转化为虚拟粒子在模拟环境中的对应属性(即虚拟粒子的初步状态信息)的查找表，该查找表存储了不同的状态参数对应的状态信息。虚拟粒子的初步状态信息是在数字模型中对真实物料颗粒进行抽象和建模后的初始表示，其可以包括颗粒直径、表层有机覆盖厚度、比表面积和热传导系数等，这些信息是初始状态参数经过预设映射规则转化后得到的，用于在虚拟环境中模拟物料的行为。该实施例可以利用预先训练的温度变化预测模型根据根据虚拟粒子的初步状态信息，预测待焙烧物料的升温曲线，具体地，温度变化预测模型的预先训练过程为：预先标定多组状态信息及其对应的温度变化曲线;将多组状态信息及其对应的温度变化曲线划分成训练集和测试集;利用训练集对现有的机器学习模型进行训练，直至机器学习模型根据测试集的状态信息预测的温度变化曲线与测试集的温度变化曲线的相似率达到预设目标相似率，然后将机器学习模型作为训练好的温度变化预测模型。实际升温曲线和预测的升温曲线的偏差是指预测的升温曲线与实际升温曲线之间的差异，该差异可以通过多种数学方法进行量化，例如计算两条曲线在相同时间点或相同位置上的温度差的均方根误差、平均绝对误差或积分绝对误差等，该偏差是评估预设映射规则准确性的关键指标。修正预设映射规则是根据实际升温曲线与预测升温曲线之间的偏差，对预设映射规则进行调整和优化，以提高其准确性和适应性，修正方法可以包括：根据实际升温曲线与预测升温曲线之间的偏差从预设的关于曲线偏差和规则修正量的映射关系表中提取对应的规则修正量，然后利用规则修正量调整映射规则中使用的经验系数或权重，以使映射规则能够更准确地反映不同批次物料的特性。在预设映射规则经过修正后，该实施例利用该规则将初始状态参数映射为虚拟粒子的初始状态信息。
[0022]本申请通过引入一个动态修正机制，确保虚拟粒子状态信息更贴合实际焙烧过程。具体而言，本申请首先利用预设映射规则将待焙烧物料的初始状态参数，例如粒度分布、铜铝残留率、有机碳含量和颗粒比表面积，映射为虚拟粒子的初步状态信息，例如颗粒直径、表层有机覆盖厚度、比表面积和热传导系数。这一初步映射提供了一个基础模型，但其可能因原料批次差异而存在固有误差。随后，根据这些虚拟粒子的初步状态信息，系统会预测待焙烧物料在焙烧窑预热段的升温曲线。此预测过程允许在虚拟模型中评估映射规则的初步效果，从而暴露潜在的预测偏差，而非直接依赖原始参数。为了消除这种偏差，本申请进一步根据实际升温曲线和预测的升温曲线之间的偏差，对预设映射规则进行动态修正。通过比较实际数据与预测结果，系统能够直接针对偏差来源进行优化，调整映射规则，使其更适应当前批次物料的特性。最终，利用经过修正的预设映射规则，将初始状态参数重新映射为虚拟粒子的初始状态信息。通过上述动态修正机制，本申请确保了信息获取模块1能够为后续的焙烧控制提供高度准确的虚拟粒子初始状态信息。这些精确的初始状态信息，连同通过曲线获取模块2获得的实际升温曲线和指标获取模块3计算的隐形抗性指标，共同输入到参数确定模块4。参数确定模块4能够基于这些可靠的输入，更准确地确定焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集，以使转速调节模块5和药剂调节模块6能够实现对焙烧过程的精细化、自适应控制，从而有效应对原料批次差异带来的扰动，避免过氧化现象，并在保证锂回收率的同时，最大程度地保留石墨的完整性。这种动态反馈修正机制，使得整个适配全链条一体化制造的应用数字模型能够持续优化其对物料特性的理解，从而显著提升焙烧过程的稳定性和产品回收效率。
[0023]在一些优选的实施方式中，信息获取模块1还用于获取待焙烧物料的初始温度，根据实际升温曲线和预设的标准参考升温曲线获取隐形抗性指标的过程包括：
B1、针对实际升温曲线中的每个采样点，根据该采样点在实际升温曲线上对应的实际温度值和该采样点在预设的标准参考升温曲线上对应的参考温度值获取第一温度值偏差，并根据该采样点在标准参考升温曲线上对应的参考温度值和待焙烧物料的初始温度获取第二温度值偏差;
B2、将所有第一温度值偏差的求和结果作为第一温差累计值;
B3、将所有第二温度值偏差的求和结果作为第二温差累计值;
B4、将第一温差累计值与第二温差累计值的比值作为隐形抗性指标。
[0024]该实施例首先利用信息获取模块1获取待焙烧物料进入焙烧窑预热段之前的初始温度，该初始温度是物料在开始焙烧过程时的基准热状态，对于准确评估物料在预热段的升温行为至关重要。获取初始温度可以通过多种方式实现，例如，可以在物料进入焙烧窑前的输送带上设置非接触式红外测温仪，或者通过接触式热电偶直接测量物料堆的平均温度。
[0025]随后，针对实际升温曲线中的每一个采样点，系统会执行两次温度偏差的计算。首先，获取第一温度值偏差，即比较该采样点在实际升温曲线上测得的实际温度值与在预设的标准参考升温曲线上对应的理想参考温度值之间的差异。其次，获取第二温度值偏差，即比较该采样点在预设的标准参考升温曲线上对应的参考温度值与待焙烧物料的初始温度之间的差异。这种双重偏差的计算方式，能够全面捕捉物料实际升温过程与理想升温过程的偏离程度，并考虑了物料的起始热状态。接着，将预热段内所有采样点处的第一温度值偏差进行累加，得到第一温差累计值，这个累计值反映了待焙烧物料在整个预热段内实际升温过程与标准参考升温过程的整体偏离程度。同时，将预热段内所有采样点处的第二温度值偏差进行累加，得到第二温差累计值，这个累计值代表了在理想情况下，物料从初始温度升至标准参考升温曲线所达到的总温升，该累计值为隐形抗性指标的标准化提供了一个基准。
[0026]最终，通过计算第一温差累计值与第二温差累计值的比值来量化隐形抗性指标。比值越大，表示物料实际升温与理想升温的偏离越大，其抗性越强，这种比值计算方式能够消除因测量时间长短或采样点数量不同带来的影响，使得指标更具可比性和鲁棒性。
[0027]该实施例巧妙地将物料的初始热状态、实际升温行为以及理想升温模型结合起来，并通过比值的方式对物料的升温抗性进行标准化量化。由于该实施例不仅考虑了物料在预热段的整体升温表现，还通过引入初始温度作为参考，使得该指标能够更准确地反映物料本身的物理化学特性对热响应的影响，以更客观地评估物料的抗性，而非简单地归因于外部加热条件，从而有效地提高隐形抗性指标的准确性和可靠性，进而有效地提高焙烧温度曲线、转速上限值和药剂投加上限集的准确性和可靠性。
[0028]在一些优选的实施方式中，根据初始状态信息、隐形抗性指标、预设的目标锂回收率和预设的目标石墨保留比例，确定焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集的过程包括：
C1、根据初始状态信息和隐形抗性指标，从预设的关于状态信息和抗性指标的组合及其对应的参数集、预期锂回收率和预期石墨保留比例的组合的映射关系表中，提取对应的参数集、预期锂回收率和预期石墨保留比例;参数集包括温度曲线、最高转速和药剂最大用量集;
C2、分析是否同时满足预期锂回收率达到预设的目标锂回收率且预期石墨保留比例达到预设的目标石墨保留比例，若是，则执行步骤C3，若否，则执行步骤C4;
C3、将提取的温度曲线作为焙烧温度曲线，将提取到的最高转速作为转速上限值，并将提取到的药剂最大用量集作为药剂投加上限集;
C4、获取当前时刻的锂价格和石墨价格;
C5、在锂价格大于石墨价格时，从映射关系表中提取预期锂回收率达到目标锂回收率的参数集作为第一候选参数集，并将对应的预期石墨保留比例最大的第一候选参数集作为第一目标参数集，然后将第一目标参数集包含的温度曲线、最高转速和药剂最大用量集分别作为焙烧温度曲线、转速上限值和药剂投加上限集;
C6、在石墨价格大于锂价格时，从映射关系表中提取预期石墨保留比例达到目标锂回收率的参数集作为第二候选参数集，并将对应的预期锂回收率最大的第一候选参数集作为第二目标参数集，然后将第二目标参数集包含的温度曲线、最高转速和药剂最大用量集分别作为焙烧温度曲线、转速上限值和药剂投加上限集;
C7、在锂价格等石墨价格时，从映射关系表中提取预期锂回收率和石墨保留比例的求和值最大时的参数集作为第三目标参数集，然后将第三目标参数集包含的温度曲线、最高转速和药剂最大用量集分别作为焙烧温度曲线、转速上限值和药剂投加上限集。
[0029]步骤C1涉及根据初始状态信息和隐形抗性指标从预先构建的映射关系表中提取对应的参数，该映射关系表是一个预先建立的数据库，其可以存储或计算不同状态信息和抗性指标组合下对应的工艺参数集(包括温度曲线、最高转速和药剂最大用量集)以及预期锂回收率和预期石墨保留比例，该映射关系表可以基于大量的实验数据和/或仿真模拟数据构建，映射关系表的数据采集过程和构建过程均属于现有技术。在步骤C2中，系统分析从映射关系表中提取的预期锂回收率和预期石墨保留比例是否能够同时满足预设的目标锂回收率和预设的目标石墨保留比例，这些目标值可以根据生产需求或市场策略预先设定，如果预期结果能够同时满足这两个目标，则在步骤C3中，系统直接将提取到的温度曲线、最高转速和药剂最大用量集作为焙烧窑的控制参数和约束条件，即焙烧温度曲线、转速上限值和药剂投加上限集。当预期结果未能同时满足预设目标时，系统进入步骤C4，获取当前时刻的锂价格和石墨价格，这可以通过实时市场数据接口、金融信息平台或人工输入等方式实现，获取当前时刻的锂价格和石墨价格旨在引入实时的市场经济因素进行决策。步骤C5、C6和C7相当于根据锂价格和石墨价格的相对关系，动态调整参数选择策略。步骤C5中，当锂价格高于石墨价格时，系统会优先考虑锂的经济价值，此时，系统会从映射关系表中筛选出所有能够使预期锂回收率达到预设目标锂回收率的参数集，形成第一候选参数集，在此基础上，进一步从第一候选参数集中选择使预期石墨保留比例最大的参数集作为第一目标参数集，最终，将该第一目标参数集包含的温度曲线、最高转速和药剂最大用量集分别作为焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集。步骤C6中，当石墨价格高于锂价格时，系统会优先考虑石墨的经济价值，此时，系统会从映射关系表中筛选出所有能够使预期石墨保留比例达到预设目标石墨保留比例的参数集，形成第二候选参数集，在此基础上，进一步从第二候选参数集中选择使预期锂回收率最大的参数集作为第二目标参数集，最终，将该第二目标参数集包含的温度曲线、最高转速和药剂最大用量集分别作为焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集。步骤C7中，当锂价格与石墨价格相等时，系统会寻求两者经济价值的综合最大化，此时，系统会从映射关系表中选择使预期锂回收率和预期石墨保留比例的求和值最大的参数集作为第三目标参数集，最终，将该第三目标参数集包含的温度曲线、最高转速和药剂最大用量集分别作为焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集。
[0030]该实施例通过引入实时市场价格作为决策依据，解决了在锂回收率和石墨保留比例存在冲突时，如何最大化经济收益的问题。首先，系统根据待焙烧物料的初始状态信息和隐形抗性指标，从预设的映射关系表中提取出初步的工艺参数集以及对应的预期锂回收率和预期石墨保留比例。这一过程确保了参数选择是基于物料的实际特性进行的。随后，系统判断这些初步参数能否同时满足预设的锂回收率和石墨保留比例目标。如果能够满足，则直接采用这些参数进行焙烧，避免了不必要的复杂调整。当初步参数无法同时满足预设目标时，本申请的方案的优势得以充分体现。此时，系统会获取当前时刻的锂价格和石墨价格，将实时的市场价值引入到决策过程中。根据锂和石墨的相对价格，系统会动态调整优化策略：当锂价格较高时，优先确保锂回收率达到目标，并在满足此条件的前提下，选择石墨保留比例最大的参数集，以最大化锂的价值并尽可能兼顾石墨收益;当石墨价格较高时，则优先确保石墨保留比例达到目标，并在满足此条件的前提下，选择锂回收率最大的参数集，以最大化石墨的价值并尽可能兼顾锂收益;当两者价格相等时，则选择使锂回收率和石墨保留比例之和最大的参数集，以实现整体收益的平衡。这种基于市场动态的参数选择机制，使得焙烧过程能够灵活适应原料波动和市场变化，从而在锂回收率和石墨保留比例相互冲突的情况下，依然能够最大化经济效益。
[0031]在一些优选的实施方式中，目标锂回收率和石墨保留比例基于当前时刻的锂价格和石墨价格确定。该实施例通过将目标锂回收率和石墨保留比例的设定与实时市场价格挂钩，使得整个电池回收过程的参数确定模块4能够根据经济效益进行动态优化。由于参数确定模块4根据初始状态信息、隐形抗性指标、以及目标锂回收率和目标石墨保留比例来确定焙烧窑的焙烧温度曲线、转速上限值和药剂投加上限集，该实施例相当于使目标锂回收率和石墨保留比例不再是静态的预设值，而是根据当前时刻的锂价格和石墨价格动态调整，这意味着，当锂的市场价值较高时，系统会自动调整目标，优先提高锂的回收率，即使这可能对石墨的保留比例产生一定影响;反之，当石墨的市场价值更高时，系统则会优先保护石墨的完整性，因此该实施例能够使得参数确定模块4所输出的焙烧参数能够最大化回收过程的经济效益，从而有效解决了预设目标值忽略市场因素导致经济不优化的技术问题。
[0032]作为一种具体的实施方式，适配全链条一体化制造的应用数字模型可以集成一个市场数据接口，该接口能够实时获取全球或特定区域的锂(例如碳酸锂或氢氧化锂)和石墨(例如高纯度石墨)的现货价格。例如，系统可以每隔一定时间(如每小时或每天)自动查询并更新这些价格数据。当获取到当前时刻的锂价格和石墨价格后，系统内部的决策逻辑会根据这些价格信息，结合预设的关于价格组合及其对应目标组合的映射关系表，选择对应的目标锂回收率和目标石墨保留比例，例如，如果锂价格为每吨50万元，石墨价格为每吨5万元，映射关系表只是将目标锂回收率设定为98%，而将目标石墨保留比例设定为85%;在锂价格为每吨30万元，石墨价格为每吨8万元时，映射关系表指示将目标石墨保留比例调整为90%，目标锂回收率调整为95%。这些动态调整后的目标值随后被传递给参数确定模块4，作为其确定焙烧窑操作参数的输入，确保整个焙烧过程始终以经济效益最大化为导向。
[0033]在一些优选的实施方式中，在满足焙烧窑的转速小于等于转速上限值的情况下，根据隐形抗性指标和预设抗性指标的偏差调整焙烧窑的转速的过程包括：
D1、根据隐形抗性指标和预设抗性指标的偏差确定初步转速调整量;
D2、获取待焙烧物料在焙烧窑内的实时轴向移动速度;
D3、根据实时轴向移动速度与预设目标轴向移动速度的偏差对初步转速调整量进行修正，以得到修正转速调整量;
D4、在满足焙烧窑的转速小于等于转速上限值的情况下，根据修正转速调整量对焙烧窑的转速进行调整。
[0034]根据隐形抗性指标和预设抗性指标的偏差确定初步转速调整量，旨在基于待焙烧物料的固有热化学特性，提供一个初始的转速调整方向和幅度，该初步转速调整量可以利用查表法(根据隐形抗性指标和预设抗性指标的偏差查询预设的关于指标偏差和转速调整量的映射关系表，该映射关系表用于将特定的指标偏差映射到相应的转速调整值，例如，当隐形抗性指标显著高于预设抗性指标时，转速调整值只是需要降低焙烧窑的转速以延长物料停留时间，确保充分反应)来确定。获取待焙烧物料在焙烧窑内的实时轴向移动速度，是为了实时监测物料在焙烧窑内的实际物理输运状态，物料的轴向移动速度受到多种因素影响，包括焙烧窑的转速、倾角、物料的堆积密度、颗粒形状以及窑内摩擦力等。实时轴向移动速度可以通过多种方式获取，例如，可以采用机器视觉系统，通过在焙烧窑壁上安装工业相机，对物料表面进行连续图像采集，并利用图像处理算法(如特征点跟踪、光流法)计算物料的平均移动速度，或者利用安装在焙烧窑内部的非接触式传感器(如激光多普勒测速仪)直接测量物料表面的速度。根据实时轴向移动速度与预设目标轴向移动速度的偏差对初步转速调整量进行修正，旨在将物料的实际物理输运行为纳入转速调整的考量，预设目标轴向移动速度是根据理想焙烧工艺条件和物料停留时间要求确定的，当实时轴向移动速度与预设目标轴向移动速度存在偏差时，表明物料在焙烧窑内的实际停留时间可能偏离预期，例如，如果物料移动过快，则需要进一步降低转速以延长停留时间;如果物料移动过慢，则可能需要适当提高转速。这种修正可以采用比例-积分-微分(PID)控制算法，将轴向移动速度偏差作为输入，计算出一个修正项，并将其叠加到初步转速调整量上，从而得到一个更为精确和全面的修正转速调整量。在满足焙烧窑的转速小于等于转速上限值的情况下，根据修正转速调整量对焙烧窑的转速进行调整，确保了焙烧窑在安全和工艺允许的范围内运行，转速上限值是由参数确定模块4根据初始状态信息、隐形抗性指标、目标锂回收率和目标石墨保留比例等因素综合确定的，在执行转速调整时，控制系统会首先检查修正后的转速是否会超过该上限值，如果修正后的转速超出上限，则会将其限制在上限值，以避免设备过载或物料过度翻滚等问题。
[0035]该实施例通过结合隐形抗性指标偏差和物料轴向移动速度信息，优化转速调整过程，以更精确地控制物料停留时间。首先，根据隐形抗性指标和预设抗性指标的偏差确定初步转速调整量。其次，获取待焙烧物料在窑内的实时轴向移动速度，这引入了物料在窑内实际移动的动态数据，捕捉原料差异引起的移动速度变化。然后，根据实时轴向移动速度与预设目标轴向移动速度的偏差对初步转速调整量进行修正，这综合了抗性偏差和移动速度偏差，使调整量更全面，避免因忽略物料移动动态而产生的误差。最后，在满足转速不超过上限的情况下，根据修正后的调整量调整转速，这保证操作在安全范围内执行，防止过速风险。通过这种分步修正机制，该方案增强了转速调整的实时性和准确性，有效应对原料扰动，该方案与转速上限值协同作用，确保了焙烧窑在既定的安全和工艺约束下，能够对物料的实时行为进行精细化调控，从而在应对原料批次差异时，实现更精准的停留时间控制。
[0036]在一些优选的实施方式中，在满足所有药剂的用量均小于等于其对应的药剂投加上限的情况下，根据碳反应峰所处分段和预设碳反应峰分段的偏差调整各分段的药剂用量的过程包括：
E1、根据碳反应峰所处分段和预设碳反应峰分段的偏差确定各分段对应的第一初步药剂调整量;
E2、在焙烧窑出口处，获取焙烧产物的实时表面润湿性;
E3、在实时表面润湿性大于预设表面润湿性时，根据实时表面润湿性与预设表面润湿性的偏差对各分段对应的第一初步药剂调整量进行修正，以得到各分段对应的修正药剂调整量;
E4、在满足所有药剂的用量均小于等于其对应的药剂投加上限的情况下，根据各分段对应的修正药剂调整量对各分段的药剂用量进行调整。
[0037]碳反应峰所处分段是指在焙烧窑沿长度方向监测二氧化碳生成速率变化情况时，二氧化碳生成速率达到峰值所对应的窑体分段，预设碳反应峰分段是根据理想焙烧条件或历史数据确定的碳反应峰应出现的窑体分段，两者的偏差反映了当前焙烧过程中碳氧化反应的实际进程与预期进程的偏离程度。例如，若碳反应峰向窑尾移动，意味着前段反应不足;若碳反应峰过早出现，意味着反应过于剧烈。第一初步药剂调整量是基于上述偏差，从预设的关于峰值分段偏差和药剂调整量集合的映射关系表中提取的用于初步调整各分段药剂用量的数值，该调整量旨在将碳氧化反应的进程引导至预设的理想状态，例如，通过增加氧化剂用量来加速反应，或通过减少氧化剂用量来减缓反应。焙烧产物的实时表面润湿性是指经过焙烧处理后的物料(特别是石墨)表面对水的亲和程度，由于石墨在后续浮选工序中需要保持良好的疏水性以实现有效分离，因此其表面润湿性是衡量焙烧效果，特别是石墨保护效果的关键指标，实时获取该指标能够及时反映焙烧过程对石墨表面结构的影响。表面润湿性的获取方式可以是通过在线光学检测设备，例如基于接触角测量原理的传感器，或者通过光谱分析技术间接评估表面化学状态。实时表面润湿性与预设表面润湿性的偏差反映了焙烧产物石墨表面状态与理想状态的偏离程度，具体地，预设表面润湿性是根据目标石墨保留比例和后续浮选工艺要求确定的理想润湿性阈值，在实时表面润湿性大于预设表面润湿性时，表明焙烧过程对石墨造成了过度氧化，因此此时需要根据实时表面润湿性与预设表面润湿性的偏差对各分段对应的第一初步药剂调整量进行修正，以确保石墨表面结构得到有效保护，避免过度氧化，从而维持其疏水性。修正过程可以采用反馈控制算法(例如PID控制器)，根据偏差大小和方向调整药剂用量。
[0038]本方案通过引入对焙烧产物实时表面润湿性的监测，并以此作为反馈信号来修正药剂用量，从而解决了仅依赖碳反应峰位置偏差调整药剂用量时可能导致的误差问题，使药剂调整更全面准确。具体而言，首先，根据二氧化碳生成速率变化情况定位碳反应峰所处分段，并结合预设碳反应峰分段的偏差，初步确定各分段的药剂调整量。这一初步调整能够快速响应焙烧过程中碳氧化反应的宏观进程，对药剂用量进行粗略的校正。然而，由于石墨的过度氧化具有隐蔽性和滞后性，仅凭碳反应峰位置难以精确判断石墨表面晶格结构的受损情况。为此，本方案进一步在焙烧窑出口处实时获取焙烧产物的表面润湿性。该实时润湿性数据直接反映了石墨表面亲水性的变化，是石墨是否遭受过度氧化或结构破坏的直接证据。随后，将实时表面润湿性与预设表面润湿性进行比较，在实时表面润湿性大于预设表面润湿性时，根据两者的偏差对之前确定的第一初步药剂调整量进行修正。这种修正机制使得药剂用量的调整不再仅仅基于反应动力学参数，而是结合了最终产品质量的关键指标，从而能够更精准地控制焙烧过程，避免对石墨造成不可逆的损伤。最终，在确保所有药剂用量不超过其投加上限的前提下，应用修正后的药剂调整量对各分段的药剂用量进行精确控制。
[0039]在一些优选的实施方式中，步骤E3包括：
E31、在实时表面润湿性大于预设表面润湿性时，根据实时表面润湿性与预设表面润湿性的偏差对各分段对应的第一初步药剂调整量进行修正，以得到各分段对应的第二初步药剂调整量;
E32、获取焙烧窑内各分段的实时温度分布和实时氧气浓度分布;
E33、根据实时温度分布和实时氧气浓度分布，分析实时表面润湿性与预设表面润湿性的偏差是否由石墨过度氧化引起，若是，则执行步骤E34，若否，则执行步骤E35;
E34、将各分段对应的初步药剂调整量与预设比例相乘，以得到各分段对应的修正药剂调整量;预设比例小于1且大于0;
E35、将各分段对应的第二初步药剂调整量作为各分段对应的修正药剂调整量。
[0040]步骤E32用于实时监测焙烧窑内部不同分段的温度和氧气浓度情况，温度和氧气浓度是影响焙烧反应，特别是石墨氧化反应的关键环境参数。实时获取这些分布数据，能够为判断表面润湿性偏差的根本原因提供重要的环境依据，从而支持更精准的决策。该实施例可以通过在焙烧窑的各个分段内部署多个热电偶或红外测温传感器，以及
电化学氧气传感器或氧化锆氧气传感器的方式获取实时的温度分布和氧气浓度分布图。
[0041]步骤E33旨在利用实时获取的温度和氧气浓度分布数据，智能判断导致表面润湿性偏差的具体原因是否为石墨过度氧化，该步骤的原理为：温度是化学反应的驱动力，石墨的氧化反应具有一定的活化能，只有当温度达到一定水平时，氧化反应才能显著进行，而实时温度分布能够反映焙烧窑内各分段物料所处的实际热环境，如果某个分段的温度持续过高，超过了石墨安全焙烧的温度阈值，就为石墨的过度氧化提供了热力学条件，而氧气浓度是氧化反应的必要反应物，在有氧焙烧环境中，氧气是导致石墨氧化的主要氧化剂，实时氧气浓度分布能够反映焙烧窑内各分段氧化剂的供应情况，如果某个分段的氧气浓度过高，尤其是在高温条件下，将显著加速石墨的氧化反应，为其过度氧化提供了动力学条件，因此在实时表面润湿性大于预设表面润湿性，且该焙烧窑内同时具有高温和高氧气浓度的分段时，该实施例认为表面润湿性的变化是由石墨过度氧化引起的。
[0042]当诊断结果表明表面润湿性偏差是由石墨过度氧化引起时，步骤E34对药剂调整量进行保守修正，即通过将初步药剂调整量乘以一个小于1且大于0的预设比例，以有效降低药剂的实际投加量，从而减缓或抑制石墨的过度氧化反应，保护石墨的晶格结构，防止其亲水性进一步增强。
[0043]步骤E35中，如果分析结果表明偏差并非由石墨过度氧化引起，则将各分段对应的第二初步药剂调整量作为各分段对应的修正药剂调整量。当诊断结果表明表面润湿性偏差并非由石墨过度氧化引起时，该步骤直接采用之前计算得到的第二初步药剂调整量作为最终的修正药剂调整量。这意味着此时的表面润湿性偏差可能由其他因素引起，例如物料本身的性质波动、其他杂质的影响等，而这些因素的修正不需要通过降低药剂用量来抑制氧化，因此直接应用基于表面润湿性偏差的初步修正即可。该步骤是一个直接赋值操作，即控制系统将第二初步药剂调整量直接传递给药剂投加执行机构，作为最终的药剂用量调整指令。
[0044]该实施例相当于不仅考虑了碳反应峰位置和表面润湿性，更进一步引入了对焙烧窑内部温度和氧气浓度分布的实时监测与智能诊断。这种多维度、分层级的修正策略，使得药剂用量的调整更加精准和智能化。它与药剂调节模块6中沿窑体布置分段气体采样点并测定二氧化碳生成速率变化情况，以及根据碳反应峰位置的偏移量调整药剂用量的机制相结合，共同构成了一个精细化、自适应的药剂投加控制系统。这种协同作用确保了在优化锂回收率的同时，最大限度地保护石墨的完整性，从而提升了电池回收全链条一体化制造的整体经济效益和产品质量。
[0045]由上可知，本申请提供的一种适配全链条一体化制造的应用数字模型，通过引入虚拟粒子模型、隐形抗性指标的量化、多参数预测性优化以及动态实时调控机制，能够更准确地感知物料特性，更智能地设定和调整焙烧参数，从而在保证高锂回收率的同时，最大限度地保护石墨的完整性，因此本申请能够有效解决锂回收率与石墨保留比例之间的冲突，从而有效地提高电池回收的整体效率和经济效益。
[0046]在本申请所提供的实施例中，应该理解到，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0047]在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
[0048]以上仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
说明书附图(1)
声明：
“适配全链条一体化制造的应用数字模型” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
351
编辑：北方有色网
来源：广东邦普循环科技有限公司, 湖南邦普循环科技有限公司, 宜昌邦普循环科技有限公司
咨询细节
2026年08月06日 ~ 08日 
