一種基于數(shù)據(jù)驅(qū)動的稀土萃取過程動態(tài)操作控制方法
【專利摘要】本發(fā)明屬于稀土串級萃取自動控制【技術(shù)領(lǐng)域】，特別涉及一種基于數(shù)據(jù)驅(qū)動的稀土萃取過程動態(tài)操作控制方法。通過使用最小二乘支持向量機(LeastSquareSupportVectorMachine,LSSVM)建立稀土元素組分含量的軟測量模型，提出了基于聚類的LSSVM稀疏性改進(jìn)方法以及LSSVM模型的動態(tài)更新方法，基于改進(jìn)的LSSVM，提出了稀土串級萃取生產(chǎn)過程的動態(tài)操作優(yōu)化方法，以確定在發(fā)生擾動時各控制變量的最優(yōu)調(diào)整量，從而實現(xiàn)稀土元素組分含量的動態(tài)與精確控制，進(jìn)而提高稀土產(chǎn)品的質(zhì)量。本發(fā)明能夠穩(wěn)定并提高稀土產(chǎn)品的質(zhì)量。
【專利說明】一種基于數(shù)據(jù)驅(qū)動的稀土萃取過程動態(tài)操作控制方法
【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明屬于稀土串級萃取自動控制【技術(shù)領(lǐng)域】，特別涉及一種基于數(shù)據(jù)驅(qū)動的稀土萃取過程動態(tài)操作控制方法。
【背景技術(shù)】
[0002]稀土包含斕系元素、鈧和釔共17種元素，這些元素被稱為新世紀(jì)的戰(zhàn)略元素，已經(jīng)廣泛應(yīng)用于機械、冶金、石化、航天等工業(yè)領(lǐng)域。目前，我國應(yīng)用較為廣泛的是基于有機溶劑萃取的濕法冶金來提取稀土元素。稀土串級萃取過程的工藝和控制流程圖如圖1所示。含有被分離組分A與B (A為易萃組分，B為難萃組分)的水相稀土料液H)01，從第/7級(進(jìn)料級)加入萃取槽，萃取劑H)02從萃取段第一級加入萃取槽，洗滌酸液H)03從洗滌段最后一級級)加入萃取槽。萃取段的作用是把水相料液中的絕大部分A和少部分B萃入有機相得到負(fù)載有機相，洗滌段的作用是通過洗滌酸液與有機相多級接觸，把負(fù)載稀土有機相中B的絕大部分洗入水相。由于萃取槽的特殊結(jié)構(gòu)設(shè)計和萃取分離過程中攪拌力的作用，使得各級萃取槽中有機相從左向右、水相從右向左產(chǎn)生逆向流動。經(jīng)過萃取段和洗滌段各級的交換和純化，最后從萃取段第I級得到含B的水相出口產(chǎn)品，其組分含量(純度)為洗滌段第/?+?級得到含A的負(fù)載有機相出口產(chǎn)品，其組分含量(純度)為PA。在實際生產(chǎn)過程中，由于稀土原料包含的組份較多，并且各稀土元素之間的化學(xué)性質(zhì)十分相似，導(dǎo)致相互間分離系數(shù)較小，使得工業(yè)生產(chǎn)所需的萃取分離流程的級數(shù)比較多(通常為幾十到上百級)，從而導(dǎo)致萃取過程的機理非常復(fù)雜，難以建立稀土串級萃取過程的嚴(yán)格機理模型。
[0003]在稀土串級萃取的生產(chǎn)過程中，影響產(chǎn)品質(zhì)量的關(guān)鍵因素是各元素的組分含量，而組分含量由萃取劑、料液及酸液的流量三個控制變量確定，如何在生產(chǎn)過程出現(xiàn)較大擾動時合理確定各操作變量的調(diào)整量，使得稀土元素組分含量符合目標(biāo)要求，對于稀土分離企業(yè)具有非常重要的意義。稀·土分離企業(yè)通常是在離出口 5-25級間設(shè)置過程檢測點，通過檢測并控制此處的稀土元素組分含量以確保兩端出口產(chǎn)品純度。但是，傳統(tǒng)的離線檢測過程耗時較長，難以實現(xiàn)對產(chǎn)品質(zhì)量的精確控制。因而以往的研究多是通過軟測量的方式來實現(xiàn)稀土元素組分含量的在線檢測。中國專利ZL200510046245.9提出了一種基于聚類分析和經(jīng)驗?zāi)Ｐ偷南⊥猎亟M分含量軟測量方法，該方法首先對采集到的數(shù)據(jù)進(jìn)行聚類，然后針對各聚類的數(shù)據(jù)進(jìn)行分析，建立基于指數(shù)函數(shù)的稀土元素組分含量的經(jīng)驗公式，最后使用遺傳算法確定經(jīng)驗公式中的參數(shù)，實現(xiàn)軟測量。但是該方法還存在以下不足之處:首先，所建立的軟測量模型是基于經(jīng)驗公式，沒有充分利用生產(chǎn)過程數(shù)據(jù)，容易導(dǎo)致預(yù)測的精度不高；其次，該方法只是實現(xiàn)了稀土元素組分含量的軟測量，但是當(dāng)生產(chǎn)過程中擾動較大而導(dǎo)致組分含量與其設(shè)定目標(biāo)相關(guān)較大時，并沒有給出各控制量的調(diào)整方法。中國專利CN201010555634.5提出了一種稀土萃取過程組分含量的多模型預(yù)測控制方法，該方法建立了基于多線性模型的稀土元素組分含量軟測量模型，并根據(jù)廣義預(yù)測算法來確定出現(xiàn)擾動后各控制變量的調(diào)整量。該方法的主要缺陷在于所采用的預(yù)測和控制模型均為線性模型，而實際生產(chǎn)過程是一個典型的非線性動態(tài)過程，從而容易導(dǎo)致該方法的預(yù)測和控制精度較低。

【發(fā)明內(nèi)容】

[0004]為了克服現(xiàn)有稀土串級萃取生產(chǎn)過程組分含量預(yù)測與產(chǎn)品質(zhì)量控制方法存在的缺陷，本發(fā)明提供一種基于數(shù)據(jù)驅(qū)動的稀土串級萃取過程動態(tài)操作控制方法，通過使用最小二乘支持向量機(Least Square Support Vector Machine, LSSVM)建立稀土兀素組分含量的軟測量模型，提出了基于聚類的LSSVM稀疏性改進(jìn)方法以及LSSVM模型的動態(tài)更新方法，基于改進(jìn)的LSSVM，提出了稀土串級萃取生產(chǎn)過程的動態(tài)操作優(yōu)化方法，以確定在發(fā)生擾動時各控制變量的最優(yōu)調(diào)整量，從而實現(xiàn)稀土元素組分含量的動態(tài)與精確控制，進(jìn)而提聞稀土廣品的質(zhì)量。
[0005]一種基于數(shù)據(jù)驅(qū)動的稀土萃取生產(chǎn)過程動態(tài)操作控制方法，按照以下步驟進(jìn)行: 步驟1:采集稀土原料歷史樣本數(shù)據(jù)，改進(jìn)樣本數(shù)據(jù)，并基于改進(jìn)的樣本數(shù)據(jù)，建立稀
土元素組分含量的LSSVM離線軟測量模型，以LSSVM離線軟測量模型得到的稀土元素組分含量預(yù)測估計值與稀土元素組分含量的實際樣本值之間的均方根誤差最小化為優(yōu)化目標(biāo)，建立優(yōu)化模型，采用改進(jìn)的差分進(jìn)化算法求解優(yōu)化模型，得到基于改進(jìn)的樣本數(shù)據(jù)的稀土元素組分含量預(yù)測估計值，并將其儲存在稀土元素組分含量LSSVM離線軟測量模型庫中；具體步驟是:
(1)針對每一種稀土原+I千集其近3個月的萃取過程樣本數(shù)據(jù)，設(shè)樣本總數(shù)為^所述的每一個樣本數(shù)據(jù)用向量一表亍，包括稀土元素的組分含量及其對應(yīng)的料液流量、料液組分濃度、萃取劑流量和洗滌酸液流量；
(2)對采集到的樣本的數(shù)據(jù)進(jìn)行歸一化處理，然后使用基于聚類的異常點檢測方法，剔除含有顯著誤差的樣本數(shù)據(jù)，該檢測方法具體步驟是:
2.1根據(jù)樣本中的稀土元素組分含量及其對應(yīng)的料液流量、料液組分濃度、萃取劑流量、洗滌酸液流量，使用量子聚類算法將所有樣本數(shù)據(jù)進(jìn)行聚類，得到#個分類…，Q}，#為正整數(shù)；
2.2計算所有樣本向量交的異常因子
【權(quán)利要求】
1.一種基于數(shù)據(jù)驅(qū)動的稀土萃取過程動態(tài)操作控制方法，其特征在于按照以下步驟進(jìn)行: 步驟1:采集稀土原料歷史樣本數(shù)據(jù)，改進(jìn)樣本數(shù)據(jù)，并基于改進(jìn)的樣本數(shù)據(jù)，建立稀土元素組分含量的LSSVM離線軟測量模型，以LSSVM離線軟測量模型得到的稀土元素組分含量預(yù)測估計值與稀土元素組分含量的實際樣本值之間的均方根誤差最小化為優(yōu)化目標(biāo)，建立優(yōu)化模型，采用改進(jìn)的差分進(jìn)化算法求解優(yōu)化模型，得到基于改進(jìn)的樣本數(shù)據(jù)的稀土元素組分含量預(yù)測估計值，并將其儲存在稀土元素組分含量LSSVM離線軟測量模型庫中；具體步驟是: (1)針對每一種稀土原料，采集其近3個月的萃取過程樣本數(shù)據(jù)，設(shè)樣本總數(shù)為B,所述的每一個樣本數(shù)據(jù)用向量?表示，包括稀土元素的組分含量及其對應(yīng)的料液流量、料液組分濃度、萃取劑流量和洗滌酸液流量； (2)對采集到的樣本的數(shù)據(jù)進(jìn)行歸一化處理，然后使用基于聚類的異常點檢測方法，剔除含有顯著誤差的樣本數(shù)據(jù)； (3)針對去除顯著誤差后的樣本數(shù)據(jù)集合進(jìn)行稀疏化改進(jìn)，基于步驟(2)中的分類結(jié)果，依據(jù)分類包含的樣本數(shù)量的多少劃分其擁擠程度，刪除擁擠程度較大的分類中的一定數(shù)量的樣本，得到稀疏化改進(jìn)后的樣本數(shù)據(jù)集合，其中包含個樣本數(shù)據(jù)； (4)基于步驟(3)中得到的改進(jìn)的/7個樣本數(shù)據(jù)，建立稀土元素組分含量的LSSVM離線軟測量模型，在LSSVM離線軟測量模型中使用RBF核函數(shù)，LSSVM的模型參數(shù)為r和σ 2，其中r是LSSVM離線軟測量模型的正規(guī)化參數(shù)，α 2是RBF核函數(shù)參數(shù)； 針對個樣本數(shù)據(jù)中的第i個樣本中稀土元素組分含量的LSSVM離線軟測量模型是:
2.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)驅(qū)動的稀土萃取過程動態(tài)操作控制方法，其特征在于所述的基于聚類的異常點檢測方法的具體步驟是: (1)根據(jù)樣本中的稀土元素組分含量及其對應(yīng)的料液流量、料液組分濃度、萃取劑流量、洗滌酸液流量，使用量子聚類算法將所有樣本數(shù)據(jù)進(jìn)行聚類，得到研個分類…，Q}，#為正整數(shù)； (2)計算所有樣本向量7的異常因子
3.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)驅(qū)動的稀土萃取過程動態(tài)操作控制方法，其特征在于所述的針對去除顯著誤差后的樣本數(shù)據(jù)集合進(jìn)行稀疏化改進(jìn)的具體步驟是: (1)使用量子聚類算法將所有去除顯著誤差后的樣本數(shù)據(jù)進(jìn)行聚類，并按照各分類中樣本數(shù)據(jù)的個數(shù)從大到小排序，得到7個分類CHf1,…，，計算各分類中樣本的擁擠距離；所述的擁擠距離定義為當(dāng)前樣本到第《個與其距離最近的樣本之間的距離，兩個樣本之間的距離定義為
4.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)驅(qū)動的稀土萃取過程動態(tài)操作控制方法，其特征在于所述的采用改進(jìn)的差分進(jìn)化算法求解步驟(5)中所建立的優(yōu)化模型(1)-(3)的具體步驟是: (O產(chǎn)生由％個解組成的初始種群: 種群由一系列隨機產(chǎn)生的解組成，即其中每一個解都是在正規(guī)化參數(shù)r與RBF核函數(shù)參數(shù)σ 2的取值范圍(3)-(4)內(nèi)隨機產(chǎn)生的； 第i個解記為尤=Cr1"., '。，其中々，,.=r,.表示第i個解的正規(guī)化參數(shù)，Z2,,.= O2i表示RBF核函數(shù)參數(shù)；并將初始種群中最好的b個解存入到精英解集合A中； (2)初始化算法參數(shù): 初始化各變異算子A的選擇概率A =1從，其中#為變異算子的總數(shù)目，設(shè)置各變異算子成功次數(shù)與失敗次數(shù)的記數(shù)器初始值%=()，4=0，設(shè)置當(dāng)前迭代次數(shù);在本算法中共使用四種差分進(jìn)化中常用的變異算子:
DE/rand/1: Vj = Irl+ F x Ur2 ~ Ir3) ; (12)
DE/best/1: V1 = Xbest + 廠 X (Jrl - Xr2) ; (13)
DE/ rand-to-best /1: Vj = Ij + F x (Jbest - X1) +F^ (Jrl - Xr2) ； (14)
DE/best/2: V1 = Xbest + F (Irl - Xr2) +F '^ (Ir3 - Xri).(15) 其中，尤是從種群中隨機選取的四個不同的解，這四個解同時也不等于尤；Xbest是從精英解集合A中隨機選取的一個解；Vj稱為變異向量，它是由隨機選取的解通過變異算子(12)-(15)所得到的一個新解f稱為控制參數(shù)，它決定了對兩個變量之差的學(xué)習(xí)程度； (3)更新種群: 種群中每個解尤的更新過程包括以下三個步驟:首先，執(zhí)行變異操作:將各變異算子的選擇概率連成一個輪盤，即各變異算子的選擇區(qū)域為 \ak-1, ak~\,k=l, 2，…，A 其中 a。= 0,? = a + /?,顯然 = I ;再產(chǎn)生一個[O,I]內(nèi)的隨機數(shù)，根據(jù)該值所屬輪盤的區(qū)域號，確定使用的變異算子，假定為A ;接著，根據(jù)該變異算子A的要求選擇相應(yīng)的解，執(zhí)行變異操作得到一個新的變異向量Ki = (',.，K2,,)；其次，執(zhí)行交叉操作，得到一個新的解G= {uhi, U2J ,

【文檔編號】G05B13/04GK103744292SQ201410029776
【公開日】2014年4月23日 申請日期:2014年1月22日 優(yōu)先權(quán)日:2014年1月22日
【發(fā)明者】唐立新, 王顯鵬 申請人:東北大學(xué)