專(zhuān)利名稱(chēng)：稀土串級(jí)萃取分離組分含量軟測(cè)量方法
技術(shù)領(lǐng)域：
本發(fā)明屬于稀土金屬的提取，特別是通過(guò)使用有機(jī)化合物溶劑對(duì)稀土萃取分離的技術(shù)領(lǐng)域，即提供一種稀土串級(jí)萃取分離時(shí)對(duì)其組分含量進(jìn)行軟測(cè)量的方法。
背景技術(shù)：
稀土串級(jí)萃取分離生產(chǎn)過(guò)程元素組分含量檢測(cè)技術(shù)的進(jìn)步，對(duì)保證稀土產(chǎn)品的質(zhì)量，提高金屬回收率，降低消耗，充分發(fā)揮設(shè)備的生產(chǎn)能力，滿(mǎn)足各種新工藝以及現(xiàn)代生產(chǎn)管理都是十分重要的。伴隨著稀土萃取工藝水平的提高，稀土萃取分離過(guò)程檢測(cè)技術(shù)也得到了較快的發(fā)展。目前稀土萃取分離過(guò)程元素成分檢測(cè)采用以下幾種手段離線檢測(cè)、現(xiàn)場(chǎng)檢測(cè)和在線檢測(cè)。
稀土串級(jí)萃取分離過(guò)程工藝參數(shù)雖然較多，但關(guān)鍵仍是稀土產(chǎn)品的純度。離線檢測(cè)包括現(xiàn)場(chǎng)檢測(cè)耗時(shí)較長(zhǎng)，難以實(shí)現(xiàn)對(duì)生產(chǎn)過(guò)程的自動(dòng)控制，容易出次品、廢品。在線檢測(cè)目前雖然提出有X射線熒光光譜分析；紫外可見(jiàn)光光度分析；同位素激發(fā)X射線頻譜分析等方法，但實(shí)施這些方法的裝置功能還不完善，不能全面滿(mǎn)足對(duì)稀土萃取分離生產(chǎn)過(guò)程連續(xù)在線檢測(cè)的需求，至今尚未普遍應(yīng)用稀土串級(jí)萃取分離的工業(yè)生產(chǎn)實(shí)踐。

發(fā)明內(nèi)容
本發(fā)明是國(guó)家科技部批準(zhǔn)的《稀土萃取過(guò)程在線分析與閉路控制產(chǎn)業(yè)化技術(shù)》攻關(guān)項(xiàng)目的主要內(nèi)容之一，也是與《稀土串級(jí)萃取分離智能控制系統(tǒng)及方法》配套的一項(xiàng)新技術(shù)。
本發(fā)明的目的尋求一種供稀土串級(jí)萃取分離生產(chǎn)過(guò)程中稀土組分含量軟測(cè)量使用的方法，它用于解決如下問(wèn)題(1)為稀土萃取分離過(guò)程實(shí)現(xiàn)自動(dòng)控制提供組分含量監(jiān)測(cè)數(shù)據(jù)，實(shí)現(xiàn)萃取分離過(guò)程的優(yōu)化控制與優(yōu)化運(yùn)行；(2)通過(guò)對(duì)料液組成、流量等易變因素的實(shí)際波動(dòng)情況進(jìn)行模擬，掌握不同波動(dòng)幅度對(duì)產(chǎn)品質(zhì)量、槽體各級(jí)元素配分組成的影響，指導(dǎo)適時(shí)而合理地調(diào)整工藝參數(shù)，保證產(chǎn)品質(zhì)量，實(shí)現(xiàn)稀土萃取分離優(yōu)化設(shè)定控制；
(3)預(yù)測(cè)萃取分離生產(chǎn)過(guò)程組分含量的變化，實(shí)現(xiàn)生產(chǎn)過(guò)程監(jiān)控。對(duì)萃取分離工藝設(shè)計(jì)參數(shù)或現(xiàn)行工藝參數(shù)可通過(guò)軟測(cè)量預(yù)測(cè)，檢驗(yàn)稀土串級(jí)萃取分離工藝設(shè)計(jì)參數(shù)的合理性，通過(guò)調(diào)整篩選工藝參數(shù)來(lái)進(jìn)一步優(yōu)化工藝；(4)模擬萃取分離生產(chǎn)過(guò)程，對(duì)生產(chǎn)過(guò)程所需用的原料、有機(jī)溶劑消耗做到心中有數(shù)，為制定合理的生產(chǎn)計(jì)劃提供依據(jù)。
本發(fā)明的稀土串級(jí)萃取分離組分含量的軟測(cè)量由硬件支撐平臺(tái)和軟測(cè)量軟件組成，稀土串級(jí)萃取生產(chǎn)中可以直接控制和預(yù)測(cè)的量是進(jìn)入萃取槽中流體的流量和進(jìn)料元素組分的百分含量，軟測(cè)量的目標(biāo)就是要預(yù)測(cè)各監(jiān)測(cè)點(diǎn)處元素含量的變化，以實(shí)現(xiàn)對(duì)生產(chǎn)參數(shù)進(jìn)行優(yōu)化控制的目的。
本發(fā)明所提供的稀土串級(jí)萃取分離組分含量的軟測(cè)量方法，其特征在于包括數(shù)據(jù)采集和預(yù)處理、建立軟測(cè)量模型和模型校正等步驟，通過(guò)對(duì)生產(chǎn)線上進(jìn)料級(jí)和監(jiān)測(cè)點(diǎn)元素組分百分含量的離線分析得出，各元素百分含量的變化趨勢(shì)xi，mid＝f(U，ω)·xi，in，i＝1，…，p式中xi，mid、xi，in分別表示監(jiān)測(cè)點(diǎn)和進(jìn)料級(jí)水相中的元素組分百分含量，U為控制量。相關(guān)文獻(xiàn)中介紹萃取槽中元素組分濃度變化符合指數(shù)變化規(guī)律，綜合對(duì)測(cè)量數(shù)據(jù)的試驗(yàn)分析，提出基于指數(shù)函數(shù)的元素組分含量簡(jiǎn)化計(jì)算模型。
xi,mid=xi,mid0+xi,in·{[C0·exp·(α·(HN)2+β·S+γ·(F+1F)+)-1]+C1·exp(δω2)}]]>式中xi，mid0為穩(wěn)態(tài)時(shí)的第i種組分在監(jiān)測(cè)點(diǎn)處的純度值；控制量U包括H為酸液流量；N為氨流量；S為有機(jī)流量；F為料液流量；C0，C1為常數(shù)；α，β，γ，δ為模型參數(shù)；ω表示不確定的隨機(jī)干擾和其他組分的耦合擾動(dòng)。在此基礎(chǔ)上建立軟測(cè)量經(jīng)驗(yàn)?zāi)Ｐ?，此處我們采用多?jīng)驗(yàn)?zāi)Ｐ蛯?duì)不同工作條件下的對(duì)監(jiān)測(cè)點(diǎn)處元素的組分含量變化進(jìn)行預(yù)測(cè)。多模型軟測(cè)量方法的建模過(guò)程如下(1)對(duì)樣本數(shù)據(jù)濾波處理，用減法聚類(lèi)算法對(duì)樣本數(shù)據(jù)分類(lèi)，并得到聚類(lèi)中心σi，i＝1，…，n，每一聚類(lèi)中心是一個(gè)m維向量；(2)、以聚類(lèi)中心σi(i＝1，…，n)數(shù)據(jù)點(diǎn)作為第i個(gè)經(jīng)驗(yàn)?zāi)Ｐ偷姆€(wěn)態(tài)工作點(diǎn)，采用遺傳算法對(duì)第i個(gè)模型參數(shù)辨識(shí)，得到模型參數(shù)[αi，βi，γi，δi]，i＝1，…，n；(3)、確定模型切換策略，計(jì)算預(yù)測(cè)輸入量和各聚類(lèi)中心的歐式距離di＝‖U-σi‖，取距離最小者所對(duì)應(yīng)的模型作為純度預(yù)測(cè)模型，即y=Modeli(U,xi,in)|min(di),]]>i＝1，…，p，p為元素?cái)?shù)目。
上述減法聚類(lèi)算法的計(jì)算方法如下(1)、計(jì)算數(shù)據(jù)點(diǎn)的密度值Di=Σj=1nexp(-||xi-xj||2(δa/2)2),]]>xi為樣本數(shù)據(jù)，i＝1，…，n；(2)、計(jì)算最大密度值D1c=max(Di),]]>并取其對(duì)應(yīng)的樣本數(shù)據(jù)點(diǎn)作為第一個(gè)聚類(lèi)中心x1c=xi|max(Di);]]>選取δb＝1.5δa；(3)、調(diào)整密度值Dic=Dic-D1c·exp(-||xi-x1c||2(δb/2)2),]]>i＝1，…，n；(4)、重復(fù)步驟(2)，(3)計(jì)算Djc，得到第j個(gè)聚類(lèi)中心xjc，j＝2，…m，其中m≤n為選取的聚類(lèi)中心數(shù)；(5)、以泛化均方根誤差(RMSE)和最大泛化絕對(duì)誤差(MAXE)判別聚類(lèi)中心(工作點(diǎn))的選取是否合適，若RMSE和MAXE未在允許的范圍內(nèi)，調(diào)整δa值，重復(fù)執(zhí)行步驟(1)-(4)。
本發(fā)明實(shí)現(xiàn)的減法聚類(lèi)算法其程序計(jì)算流程如下開(kāi)始計(jì)算樣本Xi(i＝1，…，n)中每個(gè)數(shù)據(jù)點(diǎn)的初始密度值Q(i)計(jì)算最大密度值Qmax＝MAX(Q(i))找出密度最大值對(duì)應(yīng)的樣本數(shù)據(jù)作為第一個(gè)聚類(lèi)中心C(1)循環(huán)計(jì)算(最大密度值Qmax＞指標(biāo)1e-5)修正計(jì)算密度值Q(i)＝Q(i)-Qmax·GaussFuncton重新計(jì)算最大密度值Qmax＝MAX(Q(i))找出密度最大值對(duì)應(yīng)的樣本數(shù)據(jù)作為第j個(gè)聚類(lèi)中心C(j)，(j＞1)結(jié)束得到聚類(lèi)中心C(j)，(j＝1，…，m)，m＜n結(jié)束本發(fā)明采用遺傳算法計(jì)算經(jīng)驗(yàn)?zāi)Ｐ偷膮?shù)，遺傳算法是一種模擬生命進(jìn)化過(guò)程的并行的和全局的解空間搜索方法。它可以解決傳統(tǒng)辨識(shí)方法難于解決的非線性的參數(shù)辨識(shí)問(wèn)題，而不需要先驗(yàn)知識(shí)，其基本操作如下(1)、遺傳算法的編碼方式采用實(shí)數(shù)編碼，將待辨識(shí)模型參數(shù)α，β，γ，δ作為一條染色體的4個(gè)基因片斷，即編碼為[α，β，γ，δ]。對(duì)群體初始化，將每個(gè)基因片斷的m位整數(shù)和n位小數(shù)用
之間的整數(shù)隨機(jī)生成，即α，β，γ，δ以實(shí)數(shù)形式表示，同時(shí)隨機(jī)生成多個(gè)個(gè)體，形成初始化群體P(0)。
(2)、計(jì)算群體P(t)的適應(yīng)度值fitness(i)＝C-|e(i)|，i＝1，…，n為個(gè)體數(shù)，t≥0表示代數(shù)，C為足夠大的常數(shù)，e(i)為第i個(gè)體表示的參數(shù)對(duì)應(yīng)的經(jīng)驗(yàn)?zāi)Ｐ陀?jì)算值與真實(shí)值的偏差。
(3)、采用輪盤(pán)賭的選擇方法，對(duì)群體P(t)中的每個(gè)個(gè)體以選擇概率Ps進(jìn)行選擇運(yùn)算。
(4)、群體P(t)中每個(gè)個(gè)體的染色體以概率Pc選擇若干交叉位置，在這些位置進(jìn)行交叉運(yùn)算。
(5)、對(duì)交叉運(yùn)算產(chǎn)生的子代P(t+1)個(gè)體染色體基因片斷以概率Pm進(jìn)行變異運(yùn)算。
本發(fā)明實(shí)現(xiàn)的遺傳算法其程序流程如下開(kāi)始調(diào)用群體隨機(jī)生成算法模塊，隨機(jī)生成初始群體P(0)循環(huán)計(jì)算(模型誤差e(i)＞指標(biāo)1e-2)調(diào)用適度值計(jì)算算法模塊，計(jì)算群體P(t)，(t≥0)中每個(gè)個(gè)體的適應(yīng)度值fitness(i)調(diào)用選擇算法模塊，以Ps概率隨機(jī)進(jìn)行個(gè)體選擇調(diào)用交叉算法模塊，以Pc概率隨機(jī)選進(jìn)行個(gè)體與個(gè)體間的交叉運(yùn)算調(diào)用變異算法模塊，以Pm概率隨機(jī)進(jìn)行個(gè)體變異運(yùn)算，生成新群體P(t+1)調(diào)用誤差算法模塊，將得到到的一組模型參數(shù)[αi，βi，γi，δi]，分別帶入到機(jī)理模型中并與實(shí)際值比較得到誤差e(i)
t＝t+1結(jié)束取滿(mǎn)足e＝MIN(e(i))對(duì)應(yīng)的個(gè)體作為最終的模型參數(shù)[α，β，γ，δ]結(jié)束在軟測(cè)量建模過(guò)程中，通常要從實(shí)際生產(chǎn)過(guò)程中采集建模樣本數(shù)據(jù)。用測(cè)試樣本檢測(cè)模型的過(guò)程稱(chēng)為泛化，其誤差稱(chēng)為泛化誤差。為判斷軟測(cè)量建模效果的優(yōu)劣，可引入計(jì)算校驗(yàn)數(shù)據(jù)集的泛化均方根誤差(EMSE)和最大泛化絕對(duì)誤差(MAXE)，即RMSE=1NΣi=1N(ρ^i-ρi)2;MAXE=maxi-1N(|ρ^i-ρi|)]]>式中ρi是組分含量的化驗(yàn)室測(cè)量值， 是組分含量的軟測(cè)量估計(jì)值，N是校驗(yàn)數(shù)據(jù)的個(gè)數(shù)。
在稀土萃取分離生產(chǎn)過(guò)程中，用于對(duì)萃取分離過(guò)程組分含量進(jìn)行趨勢(shì)預(yù)測(cè)時(shí)對(duì)上述指標(biāo)要求不高，滿(mǎn)足RMSE≤5，MAXE≤10～20；但對(duì)于萃取分離生產(chǎn)工藝控制和過(guò)渡優(yōu)化通常則要求RMSE≤3，MAXE≤5～10。
本發(fā)明所提供的實(shí)施軟測(cè)量方法的系統(tǒng)軟件，它包括主模塊、算法模塊、數(shù)據(jù)庫(kù)和界面，主模塊包括程序初始化、創(chuàng)建組分含量的軟測(cè)量模型、讀取輸入數(shù)據(jù)、啟動(dòng)時(shí)鐘、定時(shí)地對(duì)監(jiān)測(cè)點(diǎn)組分含量進(jìn)行軟測(cè)量并將重要參數(shù)數(shù)據(jù)寫(xiě)入數(shù)據(jù)庫(kù)中、關(guān)閉數(shù)據(jù)庫(kù)文件結(jié)束一次軟測(cè)量。而算法模塊中包括有數(shù)據(jù)采集模塊；數(shù)據(jù)處理模塊；模型參數(shù)辨識(shí)模塊；軟測(cè)量計(jì)算模塊；參數(shù)校正模塊；數(shù)據(jù)判別模塊；異常工況處理模塊和運(yùn)行支援模塊供主模塊進(jìn)行監(jiān)測(cè)點(diǎn)組分含量軟測(cè)量時(shí)在系統(tǒng)時(shí)鐘觸發(fā)下循環(huán)調(diào)用。本發(fā)明系統(tǒng)設(shè)有4個(gè)界面其中工藝流程界面讀取和顯示主模塊中的重要參數(shù)的實(shí)時(shí)數(shù)據(jù)；趨勢(shì)界面主要讀取和顯示監(jiān)測(cè)點(diǎn)稀土元素組分軟測(cè)量實(shí)時(shí)數(shù)據(jù)；操作員面板界面同主模塊相連接由操作員給定設(shè)定值、切換指令、程序啟停指令和自動(dòng)錄入給定值；而實(shí)施數(shù)據(jù)采集界面是記錄和顯示向主模塊輸入液體流量、原料配方及邊界條件等參數(shù)。
本發(fā)明所提供的軟測(cè)量方法及系統(tǒng)是同稀土串級(jí)萃取分離智能控制系統(tǒng)配套的，在使用時(shí)它裝入后一系統(tǒng)的模型機(jī)的計(jì)算機(jī)中，即以模型機(jī)作為本發(fā)明方法的硬件平臺(tái)，同流量?jī)?yōu)化設(shè)定模塊協(xié)同運(yùn)行，監(jiān)控和調(diào)節(jié)該系統(tǒng)中的操作站的工作。


圖1為稀土串級(jí)萃取過(guò)程組分含量軟測(cè)量系統(tǒng)結(jié)構(gòu)框圖；
圖2為軟測(cè)量系統(tǒng)軟件結(jié)構(gòu)圖；圖3為遺傳算法參數(shù)辨識(shí)計(jì)算框圖；圖4為監(jiān)測(cè)點(diǎn)級(jí)隨進(jìn)料級(jí)La2O3百分含量變化趨勢(shì)圖；圖5為L(zhǎng)a2O3測(cè)量值與模型預(yù)測(cè)值曲線趨勢(shì)圖；圖6為監(jiān)測(cè)點(diǎn)級(jí)隨進(jìn)料級(jí)CeO2百分含量變化趨勢(shì)；圖7為CeO2測(cè)量值與模型預(yù)測(cè)值曲線趨勢(shì)圖；圖8為監(jiān)測(cè)點(diǎn)級(jí)隨進(jìn)料級(jí)Pr6O11百分含量變化趨勢(shì)圖；圖9為Pr6O11測(cè)量值與模型預(yù)測(cè)值曲線趨勢(shì)圖；圖10為Y2O3測(cè)量值與模型預(yù)測(cè)值曲線趨勢(shì)圖；圖11為基于軟測(cè)量的萃取分離過(guò)程優(yōu)化設(shè)定控制界面圖。
具體實(shí)施例方式
下面將結(jié)合具體的實(shí)施例來(lái)對(duì)本發(fā)明內(nèi)容作進(jìn)一步的說(shuō)明和補(bǔ)充。這些實(shí)施例都是在作好充分的保密措施后在稀土生產(chǎn)線上完成的。
實(shí)施例1在萃取鑭(La2O3)的生產(chǎn)線上實(shí)施軟測(cè)量方法。
首先考慮到稀土萃取生產(chǎn)中，操作者關(guān)心的是所謂敏感點(diǎn)或重要級(jí)的元素組分含量的變化，因?yàn)樵擖c(diǎn)處純度的變化可以反映出出口元素組分的未來(lái)變化規(guī)律。據(jù)分析該稀土車(chē)間的54級(jí)串級(jí)萃取分離過(guò)程中，其第20級(jí)中的元素組分含量變化比較敏感，因而便將萃取段的第20級(jí)選取作為監(jiān)測(cè)點(diǎn)級(jí)，采取離線檢測(cè)分析的手段，通過(guò)對(duì)監(jiān)測(cè)點(diǎn)級(jí)元素鑭(La)隨進(jìn)口料液配分的變化趨勢(shì)的對(duì)比分析來(lái)調(diào)節(jié)有機(jī)萃取液、氨水、料液和酸液等控制流量來(lái)實(shí)現(xiàn)槽內(nèi)化學(xué)反應(yīng)的平穩(wěn)運(yùn)行以保證最終產(chǎn)品的質(zhì)量。
第一步通過(guò)離線檢測(cè)作出監(jiān)測(cè)點(diǎn)級(jí)隨進(jìn)料級(jí)La2O3百分含量的變化趨勢(shì)和確立軟測(cè)量經(jīng)驗(yàn)?zāi)Ｐ?，其變化趨?shì)如圖4所示。
由圖4可以看出，除個(gè)別干擾跳躍點(diǎn)外，監(jiān)測(cè)點(diǎn)處的元素La2O3組分含量變化趨勢(shì)基本與進(jìn)料級(jí)相同，其曲線所描述的變化規(guī)律可用如下公式表述x1，mid＝f(U，ω)·x1，in式中x1，mid、x1，in分別表示監(jiān)測(cè)點(diǎn)和進(jìn)料級(jí)水相中的元素鑭的組分百分含量，U為控制量。采用如下經(jīng)驗(yàn)公式計(jì)算軟測(cè)量經(jīng)驗(yàn)?zāi)Ｐ?
x1,mid=x1,mid0+x1,m·{[C0·exp(α·(HN)2+β·S+γ·(F+1F)+)-1]+C1·exp(δω2)}]]>式中x1，mid0為穩(wěn)態(tài)時(shí)的鑭在監(jiān)測(cè)點(diǎn)處的純度值；控制量U包括H為酸液流量；N為氨水流量；S為有機(jī)(萃取)流量；F為料液流量和H為酸液流量；C0，C1為常數(shù)；α，β，γ，δ為模型參數(shù)；ω表示不確定的隨機(jī)干擾和其他組分的耦合擾動(dòng)。
第二步采用上述經(jīng)驗(yàn)?zāi)Ｐ拖葹V去個(gè)別的干擾跳躍點(diǎn)后用減法聚類(lèi)算法對(duì)數(shù)據(jù)分類(lèi)，再采用遺傳算法對(duì)樣本數(shù)據(jù)進(jìn)行參數(shù)辨識(shí)。這些計(jì)算通過(guò)模型機(jī)中的計(jì)算機(jī)調(diào)用，軟測(cè)量系統(tǒng)軟件中的主模塊和相應(yīng)的算法模塊如數(shù)據(jù)采集模塊、數(shù)據(jù)處理模型和模型參數(shù)辨識(shí)模塊可以自動(dòng)化完成。
其計(jì)算結(jié)果即聚類(lèi)中心和模型參數(shù)如表1所示。其中δa取值為2.4，是為了使聚類(lèi)中心數(shù)在10以?xún)?nèi)，即保證預(yù)測(cè)模型個(gè)數(shù)不要太多。以遺傳算法辨識(shí)每個(gè)模型的參數(shù)。為簡(jiǎn)單起見(jiàn)，忽略掉干擾因素，故模型常數(shù)C0＝0.1，C1＝0。

表1聚類(lèi)中心及模型參數(shù)(δa取值2.4)在聚類(lèi)中心點(diǎn)的純度變化計(jì)算模型模型1x1,mid=26.1+x1,in·{[exp(0.0321·(HN)2+0.0221·S+0.0473·(F+1F)+)-1]}]]>模型8x1,mid=35.9+x1,in·{[exp(0.0317·(HN)2+0.0223·S+0.0418·(F+1F)+)-1]}]]>給出輸入量U＝[S，N，F(xiàn)，H]，計(jì)算其到各個(gè)聚類(lèi)中心的距離d1=||U-σ1||=(S-75)2+(N-5.95)2+(F-6.95)2+(H-2.5)2]]>
d8=||U-σ8||=(S-75)2+(N-6)2+(F-6.6)2+(H-2.4)2]]>以這8個(gè)經(jīng)驗(yàn)?zāi)Ｐ蜑榛A(chǔ)，取最小di(i＝1，…，8)對(duì)應(yīng)的模型作為最終的預(yù)測(cè)輸出模型y=Modeli(U,x1,in)|min(di)]]>第三步由于本發(fā)明的軟測(cè)量模型系稀土串級(jí)萃取分離智能控制系統(tǒng)的模型機(jī)中的優(yōu)化軟件的組成部分，它將通過(guò)控制稀土車(chē)間萃取槽中有機(jī)(萃取液)流量、氨水流量、料液流量和酸液流量來(lái)確保產(chǎn)品的純度。表2和圖5分別給出了本發(fā)明的軟測(cè)量方法所得出的監(jiān)測(cè)點(diǎn)La2O3測(cè)量值與模型預(yù)測(cè)值的曲線趨勢(shì)。

表2監(jiān)測(cè)點(diǎn)La2O3純度化驗(yàn)值與預(yù)測(cè)值對(duì)比分析測(cè)量數(shù)據(jù)和多模型計(jì)算值得到泛化均方根誤差RMSE＝1.21；最大泛化絕對(duì)誤差MAXE＝5.93，均在本發(fā)明所預(yù)值的范圍之內(nèi)，完全滿(mǎn)足生產(chǎn)實(shí)際的需要。
實(shí)施例2在萃取鈰(CeO2)的生產(chǎn)線上實(shí)施本發(fā)明。
同上述實(shí)施例1，先分析生產(chǎn)線各部位的情況，選取合適的監(jiān)測(cè)點(diǎn)，然后對(duì)該監(jiān)測(cè)點(diǎn)為分析和采集數(shù)據(jù)的對(duì)象以建立軟測(cè)量模型。
第一步通過(guò)離線檢測(cè)作出監(jiān)測(cè)點(diǎn)級(jí)隨進(jìn)料級(jí)CeO2百分含量的變化趨勢(shì)和確立軟測(cè)量經(jīng)驗(yàn)?zāi)Ｐ停渥兓厔?shì)如圖6所示。
由圖6可以看出除個(gè)別干擾跳躍點(diǎn)外，監(jiān)測(cè)點(diǎn)處的元素CeO2組分含量變化趨勢(shì)基本與進(jìn)料級(jí)相同，其曲線所描述的變化規(guī)律可用如下函數(shù)式表述x2，mid＝f(U，ω)·x2，in式中x2，mid、x2，in分別表示監(jiān)測(cè)點(diǎn)和進(jìn)料級(jí)水相中元素鈰的組分百分含量。采用如下經(jīng)驗(yàn)公式計(jì)算軟測(cè)量經(jīng)驗(yàn)?zāi)Ｐ?
x2,mid=x2,mid0+x2,in·{[C0·exp(α·(HN)2+β·S+γ·(F+1F)+)-1]+C1·exp(δω2)}]]>式中x2，mid0為穩(wěn)態(tài)時(shí)的鈰在監(jiān)測(cè)點(diǎn)處的純度值；控制量U包括H為酸液流量；N為氨水流量；S為有機(jī)(萃取)流量；F為料液流量和H為酸液流量；C0，C1為常數(shù)；α，β，γ，δ為模型參數(shù)；ω表示不確定的隨機(jī)干擾和其他組分的耦合擾動(dòng)。
第二步采用上述經(jīng)驗(yàn)?zāi)Ｐ?，先濾去個(gè)別的干擾跳躍點(diǎn)后用減法聚類(lèi)算法對(duì)數(shù)據(jù)分類(lèi)，再采用遺傳算法對(duì)樣本數(shù)據(jù)進(jìn)行參數(shù)辨識(shí)。這些計(jì)算通過(guò)模型機(jī)中的計(jì)算機(jī)調(diào)用，軟測(cè)量系統(tǒng)軟件中的主模塊和相應(yīng)的算法模塊如數(shù)據(jù)采集模塊、數(shù)據(jù)處理模型和模型參數(shù)辨識(shí)模塊可以自動(dòng)化完成。
其計(jì)算結(jié)果即聚類(lèi)中心和模型參數(shù)如表3所示。其中δ取值為2.45，是為了使聚類(lèi)中心數(shù)在10以?xún)?nèi)，即保證預(yù)測(cè)模型個(gè)數(shù)不要太多。以遺傳算法辨識(shí)每個(gè)模型的參數(shù)。為簡(jiǎn)單起見(jiàn)，忽略掉干擾因素，故模型常數(shù)C0＝0.1，C1＝0。

表3聚類(lèi)中心及模型參數(shù)(δa取值2.45)在聚類(lèi)中心點(diǎn)的純度變化計(jì)算模型模型1x1,mid=45.5+x1,in·{[exp(0.049·(HN)2+0.0204·S+0.0351·(F+1F)+)-1]}]]>模型6x1,mid=42.2+x1,in·{[exp(0.0519·(HN)2+0.0221·S+0.0454·(F+1F)+)-1]}]]>給出輸入量U＝[S，N，F(xiàn)，H]，計(jì)算其到各個(gè)聚類(lèi)中心的距離d1=||U-σ1||=(S-77)2+(N-6.15)2+(F-6.55)2+(H-2.1)2]]>d6=||U-σ6||=(S-75)2+(N-6)2+(F-6.3)2+(H-2.1)2]]>以這6個(gè)經(jīng)驗(yàn)?zāi)Ｐ蜑榛A(chǔ)，取最小di(i＝1，…，6)對(duì)應(yīng)的模型作為最終的預(yù)測(cè)輸出模型
y=Modeli(U,x1,in)|min(d1)]]>第三步由于本發(fā)明的軟測(cè)量模型系稀土串級(jí)萃取分離智能控制系統(tǒng)中模型機(jī)優(yōu)化軟件的組成部分，它通過(guò)控制稀土車(chē)間萃取槽中有機(jī)(萃取液)流量、氨水流量、料液流量和來(lái)控制產(chǎn)品的純度。表4和圖7就分別給出了本發(fā)明的方法所得出的監(jiān)測(cè)點(diǎn)Ce2O純度化驗(yàn)值與預(yù)測(cè)值對(duì)比數(shù)據(jù)和Ce2O測(cè)量值與模型預(yù)測(cè)值的曲線趨勢(shì)。

表4監(jiān)測(cè)點(diǎn)CeO2純度化驗(yàn)值與預(yù)測(cè)值對(duì)比分析測(cè)量數(shù)據(jù)和多經(jīng)驗(yàn)?zāi)Ｐ陀?jì)算值得到泛化均方根誤差為RMSE＝2.97；最大泛化絕對(duì)誤差MAXE＝7.6，顯然也均在本發(fā)明所預(yù)期的范圍之內(nèi)。
實(shí)施例3對(duì)鐠(Pr6O11)萃取分離組分含量的軟測(cè)量。
同上述的兩個(gè)實(shí)施例，先選取合適的監(jiān)測(cè)點(diǎn)，對(duì)該監(jiān)測(cè)點(diǎn)進(jìn)行分析、采集數(shù)據(jù)。
第一步通過(guò)離線檢測(cè)作出監(jiān)測(cè)點(diǎn)級(jí)隨進(jìn)料級(jí)Pr6O11百分含量的變化趨勢(shì)和確立軟測(cè)量經(jīng)驗(yàn)?zāi)Ｐ停渥兓厔?shì)如圖8所示。
同樣可見(jiàn)，除個(gè)別干擾跳躍點(diǎn)外，監(jiān)測(cè)點(diǎn)處的元素Pr6O11組分含量變化趨勢(shì)基本與進(jìn)料級(jí)相同，其變化規(guī)律用如下函數(shù)式表述x3，mid＝f(U，ω)·x3，in式中x3，mid、x3，in分別表示監(jiān)測(cè)點(diǎn)和進(jìn)謄斗級(jí)水相中的元素鐠的組分百分含量，U為控制量。采用如下經(jīng)驗(yàn)公式計(jì)算軟測(cè)量經(jīng)驗(yàn)?zāi)Ｐ蛒3,mid=x3,mid0+x3,in·{[C0·exp(α·(HN)2+β·S+γ·(F+1F)+)-1]C1·exp(δω2)}]]>式中x3，mid0為穩(wěn)態(tài)時(shí)的鐠在監(jiān)測(cè)點(diǎn)處的純度值；控制量U包括H為酸液流量；N為氨水流量；S為有機(jī)(萃取)流量；F為料液流量和H為酸液流量；C0，C1為常數(shù)；α，β，γ，δ為模型參數(shù)；ω表示不確定的隨機(jī)干擾和其他組分的耦合擾動(dòng)。
實(shí)施例9將實(shí)施例5中的二氧化錳電極作為工作電極，參照實(shí)施例6測(cè)試恒電流放電性能。圖5示出了二氧化錳鍍銀前后的恒電流放電曲線。在圖5中1為鍍銀前二氧化錳的放電曲線，2為鍍銀量為7wt％時(shí)二氧化錳復(fù)合材料的放電曲線。與二氧化錳相比，二氧化錳/銀復(fù)合材料的比容量和比能量變化不大，但放電平臺(tái)有所提高。
實(shí)施例10將實(shí)施例1、實(shí)施例2中的二氧化錳電極作為工作電極，參照實(shí)施例6的測(cè)試方法，以20mA·g-1、60mA·g-1、150mA·g-1、300mA·g-1、500mA·g-1的電流放電，測(cè)試二氧化錳電極在不同放電電流下的性能。圖6示出了鍍銀前后二氧化錳電極在不同放電電流條件下典型的恒電流放電曲線。圖6中1、2分別代表鍍銀前后二氧化錳電極在20mA·g-1的電流下的放電曲線，3、4分別代表鍍銀前后二氧化錳電極在300mA·g-1的電流下的放電曲線，5、6分別代表鍍銀前后二氧化錳電極在500mA·g-1的電流下的放電曲線。表1給出了鍍銀前后二氧化錳電極在不同放電倍率下放電性能的各種數(shù)據(jù)。
表1鍍銀前后MnO2電極在不同放電倍率下放電性能的對(duì)比


表6監(jiān)測(cè)點(diǎn)Pr6O11純度化驗(yàn)值與預(yù)測(cè)值對(duì)比分析測(cè)量數(shù)據(jù)和多模型計(jì)算值得到泛化均方根誤差RMSE＝0.3；最大泛化絕對(duì)誤差MAXE＝1.15，完全符合生產(chǎn)線的技術(shù)要求。
實(shí)施例4前面三個(gè)實(shí)施例中，我們是在稀土串級(jí)萃取分離的生產(chǎn)線上選取合適的監(jiān)測(cè)點(diǎn)，通過(guò)數(shù)據(jù)采集和預(yù)處理，建立軟測(cè)量模型得出監(jiān)測(cè)點(diǎn)的稀土組分的含量的預(yù)測(cè)值，并預(yù)測(cè)出產(chǎn)品質(zhì)量的變化值。
下面我們綜合上述三個(gè)實(shí)施例所得出的軟測(cè)量方法用以預(yù)測(cè)稀土釔(Y2O3)的生產(chǎn)線的監(jiān)測(cè)點(diǎn)處含量的變化，以實(shí)現(xiàn)對(duì)生產(chǎn)參數(shù)進(jìn)行優(yōu)化控制的目的。
采用上述實(shí)施例所得出的模型，取C0＝0.1，C1＝0，δa＝4.2，計(jì)算聚類(lèi)中心和模型參數(shù)，其結(jié)果如表7所示。

表7聚類(lèi)中心及模型參數(shù)(δa取值4.2)通過(guò)軟測(cè)量方法進(jìn)行計(jì)算、處理得出監(jiān)測(cè)點(diǎn)Y2O3純度預(yù)測(cè)值和實(shí)際化驗(yàn)值的對(duì)比數(shù)據(jù)如表8所示

表8監(jiān)測(cè)點(diǎn)Y2O3純度化驗(yàn)值與預(yù)測(cè)值對(duì)比制成趨勢(shì)圖如圖10所示，從圖10中可以看出，用本發(fā)明的軟測(cè)量方法所預(yù)測(cè)的Y2O3純度值與實(shí)際測(cè)量值曲線吻合得很好。其RMSE＝1.14；而MAXE＝2.88，更是令操作人員十分滿(mǎn)意。
本發(fā)明的軟測(cè)量方法在對(duì)稀土串級(jí)萃取分離過(guò)程中進(jìn)行優(yōu)化設(shè)定控制時(shí)，友好的人機(jī)交互界面也是必不可少的。本發(fā)明也充分考慮到這一要求，將軟測(cè)量的測(cè)量界面與過(guò)程控制系統(tǒng)優(yōu)化設(shè)定控制界面相結(jié)合協(xié)調(diào)一致，如圖11所示為萃取過(guò)程組分含量軟測(cè)量和基于組分含量軟測(cè)量的萃取分離過(guò)程優(yōu)化設(shè)定控制統(tǒng)一界面。
權(quán)利要求
1.一種稀土串級(jí)萃取分離組分含量軟測(cè)量方法，其特征在于包括數(shù)據(jù)采集和預(yù)處理、建立軟測(cè)量模型、模型校正等步驟，在建立軟測(cè)量模型時(shí)(1)對(duì)樣本數(shù)據(jù)濾波處理，用減法聚類(lèi)算法對(duì)樣本數(shù)據(jù)分類(lèi)，并得到聚類(lèi)中心σi，i＝1，…，n，每一聚類(lèi)中心是一個(gè)m維向量；(2)、以聚類(lèi)中心σi(i＝1，…，n)數(shù)據(jù)點(diǎn)作為第i個(gè)經(jīng)驗(yàn)?zāi)Ｐ偷姆€(wěn)態(tài)工作點(diǎn)，采用遺傳算法對(duì)第i個(gè)模型參數(shù)辨識(shí)，得到模型參數(shù)[αi，βi，γi，δi]，i＝1，…，n；(3)、確定模型切換策略，計(jì)算預(yù)測(cè)輸入量和各聚類(lèi)中心的歐式距離di＝‖U-σi‖，取距離最小者所對(duì)應(yīng)的模型作為純度預(yù)測(cè)模型，即y=Modeli(U,xi,in)|min(di),]]>i＝1，…，p，p為元素?cái)?shù)目。
2.按權(quán)利要求1所述的稀土串級(jí)萃取分離組分含量軟測(cè)量方法，其特征在于所說(shuō)的確定模型數(shù)和工作點(diǎn)的減法聚類(lèi)算法的計(jì)算過(guò)程為(1)、計(jì)算數(shù)據(jù)點(diǎn)的密度值Di=Σj=1nexp(-||xi-xj||2(δa/2)2),]]>xi為樣本數(shù)據(jù)，i＝1，…，n；(2)、計(jì)算最大密度值D1c=max(Di),]]>并取其對(duì)應(yīng)的樣本數(shù)據(jù)點(diǎn)作為第一個(gè)聚類(lèi)中心x1c=xi|max(Di);]]>選取δb＝1.5δa；(3)、調(diào)整密度值Dic=Dic-D1c·exp(-||xi-x1c||2(δb/2)2),]]>i＝1，…，n；(4)、重復(fù)步驟(2)，(3)計(jì)算Djc，得到第j個(gè)聚類(lèi)中心xjc，j＝2，…m，其中m≤n為選取的聚類(lèi)中心數(shù)；(5)、以泛化均方根誤差(RMSE)和最大泛化絕對(duì)誤差(MAXE)判別聚類(lèi)中心(工作點(diǎn))的選取是否合適，若RMSE和MAXE未在允許的范圍內(nèi)，調(diào)整δa值，重復(fù)執(zhí)行步驟(1)-(4)。其程序執(zhí)行流程如下開(kāi)始計(jì)算樣本Xi(i＝1，…，n)中每個(gè)數(shù)據(jù)點(diǎn)的初始密度值Q(i)計(jì)算最大密度值Qmax＝MAX(Q(i))找出密度最大值對(duì)應(yīng)的樣本數(shù)據(jù)作為第一個(gè)聚類(lèi)中心C(1)循環(huán)計(jì)算(最大密度值Qmax＞指標(biāo)1e-5)修正計(jì)算密度值Q(i)＝Q(i)-Qmax·GaussFuncton重新計(jì)算最大密度值Qmax＝MAX(Q(i))找出密度最大值對(duì)應(yīng)的樣本數(shù)據(jù)作為第j個(gè)聚類(lèi)中心C(j)，(j＞1)結(jié)束得到聚類(lèi)中心C(j)，(j＝1，…，m)，m＜n結(jié)束
3.按權(quán)利要求1所述的稀土串級(jí)分離組分含量軟測(cè)量方法，其特征在于所說(shuō)的遺傳算法其程序流程如下開(kāi)始調(diào)用群體隨機(jī)生成算法模塊，隨機(jī)生成初始群體P(0)循環(huán)計(jì)算(模型誤差e(i)＞指標(biāo)1e-2)調(diào)用適度值計(jì)算算法模塊，計(jì)算群體P(t)，(t≥0)中每個(gè)個(gè)體的適應(yīng)度值fitness(i)調(diào)用選擇算法模塊，以Ps概率隨機(jī)進(jìn)行個(gè)體選擇調(diào)用交叉算法模塊，以Pc概率隨機(jī)選進(jìn)行個(gè)體與個(gè)體間的交叉運(yùn)算調(diào)用變異算法模塊，以Pm概率隨機(jī)進(jìn)行個(gè)體變異運(yùn)算，生成新群體P(t+1)調(diào)用誤差算法模塊，將得到到的一組模型參數(shù)[和αi，βi，γi，δi]，分別帶入到機(jī)理模型中并與實(shí)際值比較得到誤差e(i)t＝t+1結(jié)束取滿(mǎn)足e＝MIN(e(i))對(duì)應(yīng)的個(gè)體作為最終的模型參數(shù)[α，β，γ，δ]結(jié)束
4.一種實(shí)施按權(quán)利要求1所述的稀土萃取分離組分含量軟測(cè)量方法的系統(tǒng)軟件，它包括主模塊、算法模塊、數(shù)據(jù)庫(kù)和界面，其特征在于(1)主模塊包括初始化、創(chuàng)建組分含量的軟測(cè)量模型、讀取輸入數(shù)據(jù)、啟動(dòng)時(shí)鐘、定時(shí)地監(jiān)測(cè)點(diǎn)組分含量軟測(cè)量并儲(chǔ)存數(shù)據(jù)至數(shù)據(jù)庫(kù)文件、直到關(guān)閉數(shù)據(jù)庫(kù)文件到結(jié)束，并將重要參數(shù)數(shù)據(jù)寫(xiě)入數(shù)據(jù)庫(kù)中；(2)算法模塊包括有數(shù)據(jù)采集模塊；數(shù)據(jù)處理模塊；模型參數(shù)辨識(shí)模塊；軟測(cè)量計(jì)算模塊；參數(shù)校正模塊；數(shù)據(jù)判別模塊；異常工況處理模塊和運(yùn)行支援模塊供主模塊進(jìn)行監(jiān)測(cè)點(diǎn)組分含量軟測(cè)量時(shí)在系統(tǒng)時(shí)鐘觸發(fā)下循環(huán)調(diào)用；(3)系統(tǒng)界面包括A讀取和顯示主模塊中重要參數(shù)的實(shí)時(shí)數(shù)據(jù)的工藝流程界面；B讀取和顯示監(jiān)測(cè)點(diǎn)稀土元素組分軟測(cè)量實(shí)時(shí)數(shù)據(jù)的趨勢(shì)界面；C同主模塊相連接由操作員給定設(shè)定值、切換指令、程序啟停指令和自動(dòng)錄入給定值的操作員面板界面；D記錄和顯示向主模塊輸入液體流量、原料配方及邊界條件等參數(shù)的實(shí)施數(shù)據(jù)采集界面。
5.按權(quán)利要求4所述的稀土萃取分離組分含量軟測(cè)量方法的系統(tǒng)軟件，其特征在于其主模塊、算法模塊、數(shù)據(jù)庫(kù)和界面從稀土串級(jí)萃取分離智能系統(tǒng)的模型站的計(jì)算機(jī)作硬件平臺(tái)。
全文摘要
本發(fā)明提供了一種稀土串級(jí)萃取分離組分含量軟測(cè)量方法，包括數(shù)據(jù)采集和預(yù)處理、建立軟測(cè)量模型和模型校正等步驟，其特征在于建立軟測(cè)量模型時(shí)對(duì)樣本數(shù)據(jù)濾波后用減法聚類(lèi)算法進(jìn)行分類(lèi)；用遺傳算法求取模型參數(shù)從而獲得元素組分含量預(yù)測(cè)模型。本發(fā)明還提供了一種實(shí)施軟測(cè)量方法的軟件系統(tǒng)，它包括主程序模塊、算法模塊、數(shù)據(jù)庫(kù)和4個(gè)界面，該系統(tǒng)軟件以稀土串級(jí)萃取分離智能控制系統(tǒng)的模型站計(jì)算機(jī)作為硬件平臺(tái)。將本發(fā)明的軟測(cè)量方法分別對(duì)鑭、鈰、鐠的串級(jí)萃取生產(chǎn)進(jìn)行數(shù)據(jù)采集、預(yù)處理和建模，用其對(duì)產(chǎn)品的組分含量進(jìn)行預(yù)測(cè)，結(jié)果均在預(yù)定的誤差范圍以?xún)?nèi)；并以該軟測(cè)量模型對(duì)釔生產(chǎn)線成功地進(jìn)行了組分含量預(yù)測(cè)。
文檔編號(hào)G06F17/00GK1687921SQ20051004624
公開(kāi)日2005年10月26日 申請(qǐng)日期2005年4月14日 優(yōu)先權(quán)日2005年4月14日
發(fā)明者張肅宇, 賈文君, 柴天佑, 楊輝, 李健, 張福景 申請(qǐng)人:東北大學(xué)