專利名稱：：濕法冶金萃取過程組分含量預測與優化操作方法
技術領域：
：本發明屬于濕法冶金領域，特別提供一種基于混合模型的萃取組分含量預測與優化操作方法，即提供一種實時預測萃余液組分濃度并提供優化操作指導的方法。
背景技術：
：濕法冶金工藝是逐漸成熟并且迫切需要工業化的新工藝，與傳統的火法冶煉相比，濕法冶金技術具有高效、清潔、適用于低品位復雜金屬礦產資源回收等優勢。特別是針對我國礦產資源貧礦多，復雜共生，雜質含量高的特點，濕法冶金工藝工業化對于提高礦產資源的綜合利用率，降低固體廢棄物產量，減少環境污染，都有著重大意義。近幾年濕法冶金工藝、設備研究進展迅速。但是濕法冶金工藝流程復雜，設備類型多樣，工藝條件惡劣，如高溫、高壓、強腐蝕等，所以濕法冶金工藝要實現大規模工業化自動控制水平的提高，才能保證生產安全、穩定、連續的運行，才能保證產品質量和產量。濕法冶金串級萃取除雜過程工藝流程如圖1所示，整條萃取生產線由多級萃取槽串聯組成，自左向右依次為由多級萃取槽構成的萃取段、洗滌段、反萃段和反鐵段。每級萃取槽由混合室和澄清室組成，在萃取分離過程中，通過對萃取槽體獨特的結構設計和萃取過程混合室內攪拌電機的動力作用，使得有機相和水相在混合室、澄清室并流，而整體卻產生逆向流動。有機相總是從左向右流動，水相總是從右向左流動。澄清室中的溶液根據有機萃取劑與水互不相溶的原理分為兩層上層為有機相，下層為水相。操作者根據串級萃取原理，按照一定平衡比例關系，控制有機、料液、洗液、反萃液以及反鐵液的流量。萃取段的作用是把水相料液中的絕大部分雜質金屬和少量有價金屬萃入有機相；洗滌段的作用是通過洗液與有機相的接觸，把絕大部分有價金屬洗回水相；而反萃段與反鐵段的作用是使雜質金屬重新返回水相，從而有機相得以再生。為了保證產品的質量，提高金屬的收率，降低消耗，充分發揮設備的生產能力，生產過程中需要對萃取生產線水相出口(萃余液)中產品組分濃度進行化驗。在實際生產中，組分濃度均無法在線測量，而是采用離線實驗室分析獲得，但離線分析滯后數小時，且分析采樣次數少(1次/天)，遠遠不能滿足控制的要求。有兩種途徑來解決這一問題，其一是采用在線分析儀；其二是通過對過程進行建模，實現組分濃度的預測。由于前者功能還不完善，且投資較大、難以維護，尚不能全面滿足濕法冶金萃取分離生產過程的連續在線檢測需求；因此最好的解決方案是使用第二種途徑，即建立萃取過程組分含量的預測模型，在不增加投資的前提下在線預測各組分的濃度。目前，尚未見有關濕法冶金萃取過程組分含量混合建模方法與優化操作指導的報道。工廠所采用的方法是對這些組分濃度取樣進行人工化驗，通過離線分析方式獲得，操作者根據組分濃度化驗值來調整流量設定值，以保證生產目標所規定的產品純度和料液處理量。這種方法的缺點是，人工化驗滯后大，達數小時；另外由于化驗成本問題使得采樣周期都較長，因此，這些化驗值難以直接用于質量控制。操作者主要依靠各自的經驗進行調節，從而使產品的一次合格率很難保證，輔料消耗增加，產品成本提高。
發明內容本發明提供一種濕法冶金萃取過程組分含量預測與優化操作方法，通過對濕法冶金萃取過程的混合建模，實現萃余液組分含量的實時預測，并對萃取過程提供在線優化操作指導。本發明的目的是尋求一種供濕法冶金萃取分離生產過程中組分含量預測與優化操作的方法，它用于解決如下問題(1)為濕法冶金萃取除雜過程實現自動控制提供組分含量監測數據，實現萃取除雜過程的優化操作指導；(2)通過對料液成分、流量等易變因素的實際波動情況進行模擬，掌握不同波動幅度對產品質量的影響，提供適時而合理地優化操作指導，保證產品質量，實現萃取過程的優化控制；(3)本發明的軟測量方法既考慮了機理模型的優勢，又綜合了數據模型的特點，并能夠模擬萃取除雜生產過程，掌握生產過程中的輔料消耗，制定合理的生產計劃。(4)取代人工化驗分析，達到及時準確檢測生產狀況的目的。本發明所提供的濕法冶金萃取過程組分含量預測與優化操作方法包括(1)過程數據采集、(2)輔助變量的選擇以及標準化處理、(3)混合模型的建立、(4)混合模型的校正、(5)優化操作指導的確定等步驟。(1)過程數據采集本發明裝置包括萃取過程組分含量預測與優化操作系統、上位機、PLC、現場傳感變送部分，如圖2所示。其中現場傳感變送部分包括pH值、溫度、流量等檢測儀表。在萃取過程現場安裝檢測儀表，檢測儀表將采集的信號通過Profibus-DP總線送到PLC，PLC通過以太網定時將采集信號傳送到上位機，上位機把接受的數據傳到萃取過程組分含量預測與優化操作系統，進行萃余液組分含量的實時預測，并提供在線優化操作指導。本發明裝置的各部分功能(A)現場傳感變送部分包括PH值、溫度、流量等檢測儀表由傳感器組成，負責過程數據的采集與傳送；(B)PLC負責把采集的信號A/D轉換，并通過以太網把信號傳送給上位機；(C)上位機收集本地PLC數據，傳送給萃取過程組分含量預測與優化操作系統，并提供在線優化操作指導。(2)輔助變量的選擇以及標準化處理本發明所選擇的輔助變量包括，(A)料液中被萃組分的濃度X1；(B)料液的流量X2；(C)洗液的流量X3；(D)有機相的流量X4(D)萃余液的pH值X5；(E)料液的溫度X6。為了防止各檢測變量由于單位不同而對數據模型產生影響，首先將采集到的傳感器測量數據進行標準化處理，<formula>formulaseeoriginaldocumentpage8</formula>式中力(0-第i個數據樣本，第j個傳感器測量值的標準化值；&(i)_第i個數據樣本，第j個傳感器測量值；^(min)-第j個傳感器測量值的最小值；力(max)-第j個傳感器測量值的最大值。(3)混合模型的建立I、混合模型的結構混合使用多種建模方法建立對象的數學模型，可以達到各種方法取長補短的效果，目前已成為研究的熱點。若系統有先驗的物理知識可以利用，則盡量利用，以把黑箱模型轉化成灰箱模型，從而把機理方法和數據方法相結合。數據方法可提取機理方法所無法解釋的對象內部的復雜信息，而機理模型又可提高統計模型的推廣能力。結合方式一般分為并行和串行兩種。(A)串行結合方式首先用機理方法得到一個帶參數的模型結構，然后用數據方法來確定那些參數；(B)并行結合方式采用數據方法確定一個補償器，對機理模型得到的結果進行補償。先驗知識的應用，與單純地根據數據建立的黑箱模型相比，提高了模型的精度，增強了模型的推廣能力，而且減少了參數估計所需的數據，減少了計算量。在很多情況下，單純利用機理模型不足以描述過程的所有特性，一些過程中的可測變量由于與主導變量間的關系復雜，難以全部包含在機理模型之中；另外，一些過程中的未知影響因素同樣會降低機理模型的預測精度，這時可利用數據模型對機理模型中的未建模動態進行補償，以提高模型的預測精度。針對萃取過程的特點，本發明采用并行混合模型的結構，如圖3所示。本發明采用基于非線性PLS的并行混合模型結構對機理模型中的未建模動態進行補償。II、機理模型在全面深刻了解過程的反應機理后，就可以列寫有關平衡方程式，確定不可測主導變量和可測二次變量的數學關系，建立估計主導變量的機理模型。機理建模要求對具體對象有深入的了解，全面把握實際過程所牽涉到的基本規律，包括熱力學中的狀態方程，物理化學中的相平衡、反應動力學、物料平衡、能量平衡，以及高分子化學等諸多方面的知識。機理建模已經在很多方面取得了成功，在機理模型建好后，可以用來模擬實際系統的運行情況，加深對實際過程的理解，提高操作水平；同時通過模型仿真，可以幫助掌握對象的動態特性，為過程優化和控制奠定基礎。然而建立一個機理模型通常需要耗費很大的精力，且不適用于機理尚不完全清楚的工業過程，因此本發明通過一定的假設對機理模型進行簡化。本發明中采用的機理模型由m+n級混合清澄器組成，其中m級用于萃取、η級用于洗滌，其等效結構如圖4所示。通常，由于反萃、反鐵效率較高，經過反萃段后的新鮮有機相中各金屬離子的濃度可視為0。因此為簡化機理模型結構，僅考慮對萃取段以及洗滌段進行建模。依據物料衡算關系，對于萃取段第i級，i=1，2，...m-1，存在如下物料衡算關系————Y+(L+L‘)「…=V「+(L+L‘)^Ti(2)而對于萃取段第m級(進料級)，即i=m，存在如下物料衡算關系Vyi+Lxo+L'xm+1=V7m+(L+L')xm(3)對于洗滌段第j級，j=m+1,...,n-1，存在如下物料衡算關系Vyj-i+L'xJ+1=V7j+L'Xj(4)而對于洗滌段第η級，即j=η,存在如下物料衡算關系Vyn-i+L'χ'ο=V7+L'xn(5)式中V-有機相流量；L-料液流量；L'-洗液流量；yi-從第i級混合澄清器流出有機相中被萃組分的濃度；Xi-從第i級混合澄清器流出有機相中被萃組分的濃度；從第j級混合澄清器流出有機相中被萃組分的濃度；Xj-從第j級混合澄清器流出有機相中被萃組分的濃度；y0-新鮮有機相中被萃組分的濃度；X0-料液中被萃組分的濃度；x1-洗液中被萃組分的濃度。上述m+n個物料衡算關系組成了一個具有2(m+n)個未知數的方程組，為了求解上述方程組，還需要引入萃取平衡關系方程yi=f(xi)(6)為了建立理想情況下平衡時有機相中金屬離子的濃度與水相金屬離子濃度之間的未知函數關系f(·)，需要進行離線萃取平衡實驗以獲取用于辨識的樣本數據。首先取出少量新鮮的有機相用于萃取平衡實驗，分別配制具有不同金屬離子濃度的水相，用分液漏斗進行萃取平衡實驗，有機相和水相按一定的相比加入分液漏斗，振蕩混合一定時間靜置分層，調節平衡后的水相PH值，分析水相金屬離子濃度，記錄用于辨識的實驗數據。通過分析，可以將模型具體化為半經驗模型yi=f(xi)=a1.xi/a2+xi(7)式中ai，a2-待辨識參數。由(7)式的物理意義，可以判斷出ai，a2的值應大于0。因為優化計算的結果往往不是惟一的，為了盡可能使計算結果符合實際情況，下面采用帶約束的非線性優化算法，可根據經驗將a”a2的值限制在一定的范圍之內，對式(7)進行反向優化計算。具體步驟是(A)隨機產生一組大于0，小于a2規定范圍的初始值；(B)將a2代入式(6)，計算^的估計值夕,；(C)將樣本值與估計誤差平方和EMS=∑(yi-y1)2(8)作為優化計算的目標函數，判斷目標函數是否符合要求，如滿足要求，則停止計算，否則進入下一步；式中？廠為第i個樣本的觀測值；P1-為第i個樣本的估計值；η-為樣本的個數。(D)用BRS方法進行帶約束條件的迭代計算，得到新的a2；(E)重復⑶⑶步，直到目標函數滿足要求。III、數據模型根據系統的輸入輸出數據，建立與系統外特性等價的數學模型的方法，稱為數據建模。數據建模將系統看作黑箱，在不了解系統內部結構和機理的情況下，選取一組與主導變量有密切聯系且容易測量的二次變量，根據某種最優準則，利用統計方法構造二次變量與主導變量間的數學模型。本發明中采用非線性PLS(RBF-PLS)作為數據建模方法補償機理模型中的未建模動態，RBF-PLS方法由RBF網絡與PLS算法結合而成，其模型結構如圖5所示。RBF-PLS方法通常選用高斯徑向基函數，將自變量數據矩陣X轉化為激活矩陣A。A的元素可以利用下式進行定義<formula>formulaseeoriginaldocumentpage10</formula>式中k_數據樣本的個數；Xi-第i個數據樣本的輸入向量；airA第i行，第j列的元素；Cj-高斯函數的中心參數；σΓ高斯函數的寬度參數。在RBF-PLS方法中，中心參數Cj選為每個數據樣本的輸入向量，即Cj=Xj(10)而寬度參數σ」可由下式進行計算<formula>formulaseeoriginaldocumentpage10</formula>式中e-大于0的常數，本發明中取1，因此矩陣A是一個對角元為1的kXk維方陣。在進行上述變換之后，利用PLS算法建立矩陣A與輸出數據向量y之間的線性回歸模型，若T是由前h個得分向量組成的kXh維矩陣，則模型可以利用下式進行描述A=ΤΡτ+Ε(12)y=Tq+r=Ab+r(13)式中A-激活矩陣；T-得分矩陣；P-載荷矩陣；E-殘差矩陣；y_輸出數據向量；q_載荷向量；r_殘差向量；b-PLS的回歸系數向量。利用上述算法的建模步驟如下(A)將訓練樣本進行標準化處理；(B)計算各訓練樣本與中心的歐氏距離，并利用(11)式計算寬度參數σj；(C)利用(9)式計算得到激活矩陣A；(D)建立激活矩陣A與輸出數據向量y之間的線性回歸模型，并利用PLS算法求得回歸系數b。(4)混合模型的校正由于某些過程數據不夠可靠，因此僅僅利用上述方法建立的模型還不足以提供可靠的預測精度，因此在上述模型的基礎上，我們還利用預測誤差來進一步校正混合模型，該遞推算法中的校正量d(t)可由下式進行確定d(t)=wd0(t)+(l-w)d(t-l)(14)式中d(t)_上一次預測誤差與歷史誤差的加權和；dQ(t)_當前預測誤差；W-加權系數，本發明專利中取0.5；且有d(0)=0，d0(t)可由下式進行計算d0(t)=ylab(t-l)-Yfflod(t-1)(15)式中ylab_離線化驗值；ym。d_模型預測值；最終的模型校正輸出可以利用下式進行計算Ycor(t)=ymod(t)+d(t)(16)式中校正后的模型預測值。(5)優化操作指導的確定本發明采用基于混合模型的專家系統為萃取過程提供在線優化操作指導，通過現場與操作者的交流，得到一系列操作經驗，并結合混合模型，通過迭代運算給出各操作變量的指導，其具體算法步驟如下(A)設定萃余液中各被萃組分的濃度要求；(B)讀取料液中各被萃組分的濃度以及料液的流量；(C)根據操作者的經驗，選擇一個合適的有機相流量，以及與之相應的洗液流量作為初始值；(D)在上述操作條件下，利用混合模型預測萃余液中各被萃組分的濃度，判斷是否達標；若有一不達標，返回(C)步重新選擇一個初始化有機相流量；若均達標進入(E)步；(E)將有機相流量在上述初始值的條件下減小Δν，洗液流量同時進行相應調整，重新調用混合模型，對萃余液中各被萃組分的濃度進行預測，判斷是否達標；若有一不達標，則停止計算，前次求得的有機相流量與洗液流量為當前時刻的優化操作指導；若均達標，則(E)步重復。本發明能大幅度提高萃取效率，使生產維持在最佳操作狀態，并能有效減小輔料和能源的消耗，延長設備的運行周期。圖1為濕法冶金萃取過程工藝流程圖，其中，PHTl-萃余液ρΗ值傳感器，ΡΗ2-洗滌余液PH值傳感器，ΡΗ3-反萃余液ρΗ值傳感器，FTl-料液流量傳感器，FT2-洗液流量傳感器，FT3-反萃液流量傳感器，FT4-反鐵液流量傳感器，FT5-有機相流量傳感器，TTl-料液溫度傳感器；圖2為本發明裝置的硬件結構示意圖，圖3為混合模型結構圖；圖4為機理模型等效結構圖；圖5為非線性PLS模型結構圖；圖6為銅萃取萃余液Cu離子濃度化驗值與預測值曲線趨勢圖；圖7為銅萃取組分濃度預測與優化操作指導界面圖；圖8為Ρ204預萃取萃余液Cu離子濃度化驗值與預測值曲線趨勢圖；圖9為Ρ204預萃取萃余液Mn離子濃度化驗值與預測值曲線趨勢圖；圖10為Ρ204預萃檢測界面圖；圖11為鈷濕法冶金萃取車間組分含量預測界面圖；圖12為鈷濕法冶金萃取車間優化操作指導界面圖。具體實施例方式下面的具體實施例在鈷濕法冶金生產廠的萃取車間里得到了實際應用，并取得了顯著的效果。實施例1在銅萃除雜生產線上的實施。該生產線上銅萃取共有5級串級萃取槽，2級用于萃取，1級用于洗滌，2級用于反萃，共5臺攪拌電機，4個流量計，4臺泵，4臺變頻器，1個ρΗ計，1個溫度計組成。萃取過程檢測系統主要由流量檢測、PH值檢測、溫度檢測構成。PLC控制器采用Simens300系列的CPU315-2DP，具有Profibus-DP口連接分布式10。為PLC配備以太網通訊模塊，用于上位機訪問PLC數據。PLC控制器和以太網通訊模塊放置在中央控制室中的PLC柜中。萃取過程的ρΗ值是通過Cole-parmer公司生產的玻璃電極進行ρΗ值在線檢測，將溶液PH值的變化轉化為mV信號的變化。玻璃電極ρΗ測量系統將一支對于ρΗ敏感的玻璃膜的玻璃管端部吹成泡狀，管內充填有含飽和AgCl的3mol/lKCL緩沖溶液，pH值為7。存在于玻璃膜二面的反映PH值的電位差用Ag/AgCl傳導系統，導出電位差，然后用mA采集儀器將mA數換算成pH值顯示出來。本發明采用Cole-parmer公司生產的pH200型酸度控制器進行pH值的就地顯示以及檢測信號的變送。PH200型酸度控制器利用pH電極對被測溶液中氫離子濃度產生不同的直流電位，通過前置放大器輸入到A/D轉換器，以達到pH測量的目的，然后由數字顯示PH值，同時把pH值轉換成電流信號輸出。萃取過程料液的溫度是通過SOLUTION公司生產的鉬電阻溫度計來進行檢測的，鉬電阻溫度計是利用電氣參數隨溫度變化的特性來檢測溫度的。由于有機相不導電，因此對于流量檢測采用不同的流量傳感器(A)水相流量檢測料液、酸液、堿液都導電且具有腐蝕性，選用KROHNE公司生產的具有聚四氟乙烯內襯的電磁流量計進行檢測。電磁流量計為無阻力件檢測具有精度高、使用壽命長、保養方便等優點。電磁流量計配備的就地顯示儀表可以實現流量計就地顯示、流量信號變送和流量累計等功能。電磁流量計輸出的信號為標準的電流信號。(B)有機相流量檢測萃取段有機相不導電不能采用電磁流量計，流量的檢測選用ELETTA公司生產的差壓流量計。其原理是管道中的差壓作用在橡膠隔膜上，產生隔膜桿的機械運動，該運動作用在監控器電路板上安裝的線性電位器上，由于監控器具有差壓和流量之間的線性轉換功能，因此電路板就可以提供線性流量輸出信號。差壓流量計的輸出的信號為標準的電流信號。上位機選用Core2DELL計算機，采用WINDOWXP操作系統。組分含量預測與優化操作系統運行在Core2DELL計算機上，采用C#2005編程軟件，混合模型算法采用Matlab2007a編程軟件。PLC與組分含量預測與優化操作系統的信號傳送軟件是采用C#2005編程軟件。在萃取過程現場安裝檢測儀表，檢測儀表將采集的信號通過Profibus-DP傳送到PLC中，PLC定時將采集信號通過以太網傳送給上位機，上位機把接受的數據傳給組分含量預測與優化操作系統進行組分濃度在線實時預測，并提供在線的優化操作指導。第一步、機理模型參數辨識依據萃取平衡實驗確定機理模中的萃取平衡關系；(A)配置具有不同濃度被萃組分的水相，并記錄水相的體積；(B)取一定體積的新鮮有機相，將水相與有機相按一定的相比在分液漏斗內混合，攪拌均勻，靜置分層；(C)取出水相，化驗水相中被萃組分的濃度；(D)用差減法計算有機相中被萃組分的濃度，重復上述步驟，并記錄實驗數據；(E)利用BRS算法辨識萃取平衡關系中的未知參數。第二步、收集數據收集與離線化驗數據對應的傳感器測量數據，并記錄離線化驗—Yiab(I),···，ylab(η)；第三步、機理模型預測利用機理模型對萃余液的被萃組分含量進行預測，并記錄與離線化驗數據對應的預測結果ym。d(l)，...，yffl0d(η)；第四步、將預測結果與離線化驗值進行比較，并計算預測值與真實值之間的誤差值d(l)，...，d(n)，其中d(i)=ylab(i)-ymod(i),i=1,...,η(17)第五步、數據模型建立將上述誤差值與其對應的標準化后的檢測值，組成輸入輸出數據對，利用RBF-PLS方法進行訓練，得到數據模型中的參數；第六步、混合模型的預測將所建立機理模型與數據模型的結構組成并行混合模型，利用混合模型對萃余液組分含量進行實時預測；第七步、混合模型的校正利用校正算法對混合模型的預測值根據每天的離線化驗值進行校在線校正，并輸出校正后的預測值；第八步、優化操作指導利用優化算法，根據操作變量值，提供在線的優化操作指導。表1和圖6分別給出了萃余液中Cu的濃度的離線化驗值與模型預測值的曲線趨勢。分析測量數據和混合模型預測值得到預測均方根誤差為0.0694，均在本發明所預測值的范圍之內，完全滿足生產實際的需要。料液料液洗液有機相萃余液萃余液I模型預測編號溫度濃度流量流量流量PH值濃度濃度~14.89Γ25020300θΓδ292038036~~211.31Oo020Γ90Οθ286050049~~313.16L20θ8ΓΟΟ07δ092ΟδOi2817.37L20020ΓΟΟθΓδ4295LUL822918.13L20οΤΤθI^OθΓδ3293Γ252Λ83016.79Γ80020ΓΟΟθΓδ5275179Τ&2表1銅萃取萃余液Cu離子濃度化驗值與預測值對比另外基于前面建立的混合模型，并采用我們設計的優化算法，對該萃取過程進行在線優化指導，依據優化操作條件與現場操作進行對比，累計一個月數據對照結果如表3所示有機相流量洗滌液流量反萃液流量(累計)(累計)(累計)歷史值2592.04116.641296.27<table>tableseeoriginaldocumentpage15</column></row><table>表2優化結果對照表本發明將銅萃取組分含量預測界面與優化操作指導界面相結合，協調一致，如圖7所示為萃取過程組分含量預測和專家系統優化操作指導統一界面。實施例2在P204預萃除雜生產線上的實施。該生產線上P204預萃取共有20級串級萃取槽，10級用于萃取，3級用于洗滌，3級用于反萃，3級用于反鐵，共20臺攪拌電機，5個流量計，5臺泵，5臺變頻器，3個pH計，1個溫度計組成。萃取過程檢測系統主要由流量檢測、PH值檢測、溫度檢測構成。<table>tableseeoriginaldocumentpage15</column></row><table>表3萃余液Cu離子濃度化驗值與預測值對比表3、4和圖8、9分別給出了萃余液中Cu、Mn的濃度的離線化驗值與模型預測值的曲線趨勢。分析測量數據和混合模型預測值的到預測均方根誤差分別為0.0231和0.0059，均在本發明所預測值的范圍之內，完全滿足生產實際的需要。料液料液洗液有機相萃余液萃余液I模型預測編號溫度<table>tableseeoriginaldocumentpage16</column></row><table>表4萃余液Mn離子濃度化驗值與預測值對比另外基于前面建立的混合模型，并采用我們設計的優化算法，對該萃取過程進行在線優化指導，依據優化操作條件與現場操作進行對比，累計一個月數據對照結果如表3所示有機相流量洗滌液流量反萃液流量反鐵液流量(累計)(累計)(累計)(累計)<table>tableseeoriginaldocumentpage16</column></row><table>表5優化結果對照表本發明將P204預萃取組分含量預測界面與優化操作指導界面相結合，協調一致，如圖10所示為萃取過程組分含量預測和專家系統優化操作指導統一界面。本發明在對某濕法冶金萃取車間組分含量進行預測并提供優化操作指導時，友好的人機交互界面也是必不可少的。本發明也充分考慮到這一要求，將總的預測結果與優化操作指導同時列出，如圖11、12所示，更便于操作者進行整個萃取工段的監控。權利要求濕法冶金萃取過程組分含量預測與優化操作方法，是采用已知的采用多級萃取槽的濕法冶金萃取工藝，其特征在于通過對濕法冶金萃取過程的混合建模，實現萃余液組分含量的實時預測，并對萃取過程提供在線優化操作指導，包括數據采集、輔助變量的選擇以及標準化處理、混合模型的建立、混合模型的校正和優化操作指導的確定等步驟；1)過程數據采集本發明使用的硬件裝置包括萃取過程組分含量預測與優化操作系統、上位機、PLC、現場傳感變送部分，其中現場傳感變送部分包括pH值、溫度和流量等檢測儀表，在萃取過程現場安裝檢測儀表，檢測儀表將采集的信號通過Profibus-DP總線送到PLC，PLC將采集的信號實現A/D轉換，并通過以太網定時將采集信號傳送到上位機，上位機把接受的本地PLC數據傳到萃取過程組分含量預測與優化操作系統，進行萃余液組分含量的實時預測，并提供在線優化操作指導；2)輔助變量的選擇以及標準化處理本發明所選擇的輔助變量包括①料液中被萃組分的濃度x1；②料液的流量X2；③洗液的流量X3；④有機相的流量X4⑤萃余液的pH值X5；⑥料液的溫度X6；首先將采集到的傳感器測量數據進行標準化處理<mrow><msub><mover><mi>x</mi><mo>~</mo></mover><mi>j</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msub><mi>x</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>min</mi><mo>)</mo></mrow></mrow><mrow><msub><mi>x</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>max</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>min</mi><mo>)</mo></mrow></mrow></mfrac></mrow>式中-第i個數據樣本，第j個傳感器測量值的標準化值；xj(i)-第i個數據樣本，第j個傳感器測量值；-第j個傳感器測量值的最小值；-第j個傳感器測量值的最大值；3)建立混合模型本發明采用并行混合模型的結構，采用基于非線性PLS的并行混合模型結構對機理模型中的未建模動態進行補償；本發明中采用的機理模型由m+n級混合清澄器組成，其中m級用于萃取、n級用于洗滌；通常，由于反萃、反鐵效率較高，經過反萃段后的新鮮有機相中各金屬離子的濃度可視為0，因此為簡化機理模型結構，僅考慮對萃取段以及洗滌段進行建模，依據物料衡算關系，對于萃取段第i級，i＝1，2，...m-1，存在如下物料衡算關系Vyi-1+(L+L′)xi+1＝Vyi+(L+L′)xi而對于萃取段第m級即進料級i＝m，存在如下物料衡算關系Vym-1+Lx0+L′xm+1＝Vym+(L+L′)xm對于洗滌段第j級，j＝m+1，...，n-1，存在如下物料衡算關系Vyj-1+L′xj+1＝Vyj+L′xj而對于洗滌段第n級，即j＝n，存在如下物料衡算關系Vyn-1+L′x′0＝Vyn+L′xn式中V-有機相流量；L-料液流量；L′-洗液流量；yi-從第i級混合澄清器流出有機相中被萃組分的濃度；xi-從第i級混合澄清器流出有機相中被萃組分的濃度；yj-從第j級混合澄清器流出有機相中被萃組分的濃度；xj-從第j級混合澄清器流出有機相中被萃組分的濃度；y0-新鮮有機相中被萃組分的濃度；x0-料液中被萃組分的濃度；x′0-洗液中被萃組分的濃度；上述m+n個物料衡算關系組成了一個具有2(m+n)個未知數的方程組，為了求解上述方程組，還需要引入萃取平衡關系方程yi＝f(xi)為了建立理想情況下平衡時有機相中金屬離子的濃度與水相金屬離子濃度之間的未知函數關系f(·)，需要進行離線萃取平衡實驗以獲取用于辨識的樣本數據；首先取出少量新鮮的有機相用于萃取平衡實驗，分別配制具有不同金屬離子濃度的水相，用分液漏斗進行萃取平衡實驗，有機相和水相按一定的相比加入分液漏斗，振蕩混合、靜置分層，調節平衡后的水相pH值，分析水相金屬離子濃度，記錄用于辨識的實驗數據；通過分析，可以將模型具體化為半經驗模型<mrow><msub><mover><mi>y</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>=</mo><mi>f</mi><mrow><mo>(</mo><msub><mover><mi>x</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msub><mi>a</mi><mn>1</mn></msub><mo>·</mo><msub><mover><mi>x</mi><mo>‾</mo></mover><mi>i</mi></msub></mrow><mrow><msub><mi>a</mi><mn>2</mn></msub><mo>+</mo><msub><mover><mi>x</mi><mo>‾</mo></mover><mi>i</mi></msub></mrow></mfrac></mrow>式中a1，a2-待辨識參數；從上述半徑經驗模型的物理意義，可以判斷出a1，a2的值應大于0；因為優化計算的結果往往不是惟一的，為了盡可能使計算結果符合實際情況，下面采用帶約束的非線性優化算法，可根據經驗將a1，a2的值限制在一定的范圍之內，對上述半徑經驗模型<mrow><msub><mover><mi>y</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>=</mo><mi>f</mi><mrow><mo>(</mo><msub><mover><mi>x</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msub><mi>a</mi><mn>1</mn></msub><mo>·</mo><msub><mover><mi>x</mi><mo>‾</mo></mover><mi>i</mi></msub></mrow><mrow><msub><mi>a</mi><mn>2</mn></msub><mo>+</mo><msub><mover><mi>x</mi><mo>‾</mo></mover><mi>i</mi></msub></mrow></mfrac></mrow>進行反向優化計算；具體步驟是①隨機產生一組大于0，小于a1，a2規定范圍的初始值；②將a1，a2代入上式，計算yi的估計值③將樣本值與估計誤差平方和<mrow><mi>EMS</mi><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>(</mo><msub><mover><mi>y</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>-</mo><msub><mover><mi>y</mi><mover><mo>‾</mo><mo>^</mo></mover></mover><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></mrow>作為優化計算的目標函數，判斷目標函數是否符合要求，如滿足要求，則停止計算，否則進入下一步；式中yi-為第i個樣本的觀測值；-為第i個樣本的估計值；n-為樣本的個數；④用BFGS方法進行帶約束條件的迭代計算，得到新的a1，a2；⑤重復②～④步，直到目標函數滿足要求；本發明中采用非線性PLS(RBF-PLS)作為數據建模方法補償機理模型中的未建模動態，RBF-PLS方法由RBF網絡與PLS算法結合而成，優化操作指導的確定本發明采用基于混合模型的系統為萃取過程提供在線優化操作指導，通過現場與操作者的交流，得到一系列操作經驗，并結合混合模型，通過迭代運算給出各操作變量的指導，其具體算法步驟如下①設定萃余液中各被萃組分的濃度要求；②讀取料液中各被萃組分的濃度以及料液的流量；③根據操作者的經驗，選擇一個合適的有機相流量，以及與之相應的洗液流量作為初始值；④在上述操作條件下，利用混合模型預測萃余液中各被萃組分的濃度，判斷是否達標；若有一不達標，返回③步重新選擇一個初始化有機相流量；若均達標進入⑤步；⑤將有機相流量在上述初始值的條件下減小ΔV，洗液流量同時進行相應調整，重新調用混合模型，對萃余液中各被萃組分的濃度進行預測，判斷是否達標；若有一不達標，則停止計算，前次求得的有價相流量與洗液流量為當前時刻的優化操作指導；若均達標，則⑤步重復。F200910010295XC00012.tif,F200910010295XC00013.tif,F200910010295XC00021.tif,F200910010295XC00033.tif,F200910010295XC00035.tif2.根據權利要求1所述的基于混合模型的濕法冶金萃取過程組分含量預測與優化操作方法，是在銅萃除雜生產線上實施，其特征在于生產線上銅萃取共有5級串級萃取槽，2級用于萃取，1級用于洗滌，2級用于反萃，共5臺攪拌電機，4個流量計，4臺泵，4臺變頻器，1個pH計，1個溫度計組成；萃取過程檢測系統主要由流量檢測儀、PH值檢測儀、溫度檢測儀構成；PLC控制器采用Simens300系列的CPU315-2DP，具有Profibus-DP口連接分布式IO；為PLC配備以太網通訊模塊，用于上位機訪問PLC數據；PLC控制器和以太網通訊模塊放置在中央控制室中的PLC柜中；萃取過程的PH值是通過Cole-parmer公司生產的玻璃電極進行pH值在線檢測，將溶液PH值的變化轉化為mV信號的變化；玻璃電極PH測量系統將一支對于pH敏感的玻璃膜的玻璃管端部吹成泡狀，管內充填有含飽和AgCl的3mol/lKCL緩沖溶液，pH值為7；存在于玻璃膜二面的反映PH值的電位差用Ag/AgCl傳導系統，導出電位差，然后用mA采集儀器將mA數換算成pH值顯示出來；本發明采用Cole-parmer公司生產的pH200型酸度控制器進行pH值的就地顯示以及檢測信號的變送PH200型酸度控制器利用pH電極對被測溶液中氫離子濃度產生不同的直流電位，通過前置放大器輸入到A/D轉換器，以達到pH測量的目的，然后由數字顯示pH值，同時把PH值轉換成電流信號輸出；萃取過程料液的溫度是通過SOLUTION公司生產的鉬電阻溫度計來進行檢測的，鉬電阻溫度計是利用電氣參數隨溫度變化的特性來檢測溫度的；由于有機相不導電，因此對于流量檢測采用不同的流量傳感器①水相流量檢測料液、酸液、堿液都導電且具有腐蝕性，選用KROHNE公司生產的具有聚四氟乙烯內襯的電磁流量計進行檢測；電磁流量計為無阻力件檢測；電磁流量計配備的就地顯示儀表可以實現流量計就地顯示、流量信號變送和流量累計功能；電磁流量計輸出的信號為標準的電流信號；②有機相流量檢測萃取段有機相不導電不能采用電磁流量計，流量的檢測選用ELETTA公司生產的差壓流量計，差壓流量計的輸出的信號為標準的電流信號；上位機選用Core2DELL計算機，采用WINDOWXP操作系統；組分含量預測與優化操作系統運行在Core2DELL計算機上，采用C#2005編程軟件，混合模型算法采用Matlab2007a編程軟件；PLC與組分含量預測與優化操作系統的信號傳送軟件是采用C#2005編程軟件；在萃取過程現場安裝檢測儀表，檢測儀表將采集的信號通過Profibus-DP傳送到PLC中，PLC定時將采集信號通過以太網傳送給上位機，上位機把接受的數據傳給組分含量預測與優化操作系統進行組分濃度在線實時預測，并提供在線的優化操作指導；第一步、機理模型參數辨識依據萃取平衡實驗確定機理模中的萃取平衡關系①配置具有不同濃度被萃組分的水相，并記錄水相的體積；②取一定體積的新鮮有機相，將水相與有機相按一定的相比在分液漏斗內混合，攪拌均勻，靜置分層；③取出水相，化驗水相中被萃組分的濃度；④用差減法計算有機相中被萃組分的濃度，重復上述步驟，并記錄實驗數據；⑤利用Bres算法辨識萃取平衡關系中的未知參數；第二步、收集數據收集與離線化驗數據對應的傳感器測量數據，并記錄離線化驗數據itYiab(I)，···，ylab(η)；第三步、機理模型預測利用機理模型對萃余液的被萃組分含量進行預測，并記錄與離線化驗數據對應的預測結果ym。d(l)，...，yffl0d(η)；第四步、將預測結果與離線化驗值進行比較，并計算預測值與真實值之間的誤差值d(l)，···，d(n)，其中<formula>formulaseeoriginaldocumentpage5</formula>第五步、數據模型建立將上述誤差值與其對應的標準化后的檢測值，組成輸入輸出數據對，利用RBF-PLS方法進行訓練，得到數據模型中的參數；第六步、混合模型的預測將所建立機理模型與數據模型的結構組成并行混合模型，利用混合模型對萃余液組分含量進行實時預測；第七步、混合模型的校正利用校正算法對混合模型的預測值根據每天的離線化驗值進行在線校正，并輸出校正后的預測值；第八步、優化操作指導利用優化算法，根據操作變量值，提供在線的優化操作指導；系統界面包括:Α讀取各萃取工段離線化驗數據和實時顯示預測數據的主界面；B提供在線優化操作指導界面；C讀取模型中重要參數的界面；D實時顯示預測數據并提供在線優化操作指導的工藝流程界面。全文摘要濕法冶金萃取過程組分含量預測與優化操作方法，采用多級萃取槽的濕法冶金萃取工藝，是通過對濕法冶金萃取過程的混合建模，實現萃余液組分含量的實時預測，并對萃取過程提供在線優化操作指導。包括數據采取、輔助變量的選擇以及標準化處理、混合模型的建立、混合模型的校正、優化操作指導的確定等步驟。本發明能大幅度提高浸出率，使生產維持在最佳損傷狀態，并能減少原料和能源的消耗，延長設備的運行周期。文檔編號G05B13/04GK101813932SQ20091001029公開日2010年8月25日申請日期2009年2月3日優先權日2009年2月3日發明者尤富強,常玉清,王福利,董偉威,賈潤達,趙露平申請人:東北大學