稀土串级萃取分离过程元素组分含量的多模型软测量

针对稀土串级萃取分离过程中元素组分含量在线测量难的问题,提出了一种多模型软测量方法,用于在线预测元素的组分含量.首先,以物料平衡方程为基础,在多个工作点附近建立了描述萃取过程的局部线性模型.引入减法聚类算法对样本数据进行分类,用得到的分类数据对局部模型参数进行离线辨识.每一时刻根据积分性能指标选择最优模型,同时在线修正局部模型参数.利用某La,Ce,Pr,Nd 4组分串级萃取分离Ce/Pr生产线的实测数据进行了仿真研究,结果表明所提出的多模型方法有效、预测精度较高.     

基于GA-ELM的稀土混合溶液多组分含量预测

针对稀土萃取液中有颜色特征和无颜色特征的离子在共存工况下组分含量难以快速检测的问题,提出一种基于遗传算法(GA)-极限学习机(ELM)的多组分含量预测方法。确定稀土萃取槽体混合溶液图像特性和描述图像信息的H、S颜色特征分量,利用ELM速度快、泛化能力强的优点,建立基于颜色特征的多组分含量模型,鉴于传统ELM模型初始权值和阈值的随机性易影响模型性能,使用GA对初始值进行优化确定。基于CePr/Nd萃取溶液样本数据的实验结果表明,与ELM、BP、LSSVM以及GA-BP、PSO-ELM等算法相比,该方法具有较高的预测精度且稳定性较好,可为稀土萃取现场快速获取多组分含量值提供技术支撑。     

稀土串级萃取分离过程的双线性模型及其参数辨识

稀土串级萃取分离过程元素组分含量的在线检测对于提高金属直收率至关重要,由于难以实现连续在线测量,因此研究动态模型成为采用软测量技术的关键．本文以稀土串级萃取分离过程的物料平衡方程为基础,提出了一种具有状态滞后的双线性动态模型,并对模型进行了分段集结降阶简化．通过工业现场采集的数据,采用最小二乘法对模型参数进行辨识,并根据误差指标选择最佳系统时滞,得到了表征稀土串级萃取分离过程的动态数学模型．稀土串级萃取分离过程实际数据的仿真结果表明了该建模方法的有效性和模型的准确性．     

基于改进即时学习算法的镨/钕元素组分含量预测

针对镨/钕(Pr/Nd)萃取过程元素组分含量难以在线实时检测的现状,引入加权相似度准则和局部模型更新策略,提出一种基于改进即时学习算法的稀土元素组分含量快速估计方法.首先,为了保证即时学习算法学习集选取的合理性,充分考虑输入输出变量之间的相关程度,采用互信息加权的相似度准则选择建模邻域,以最小二乘支持向量机(LSSVM)作为即时学习算法的局部模型;其次,依据由相似度阈值更新和数据库更新组成的模型更新策略校正LSSVM局部模型,改善组分含量预测模型的精度和实时性;最后,基于镨/钕萃取现场数据进行仿真对比试验,结果表明所建模型具有精度高、实时性好等优点,适用于稀土萃取生产现场元素组分含量的快速预估.     

基于改进差分进化的稀土萃取能效分离系数优化

基于机理模型的稀土萃取工艺流程没有考虑萃取槽中搅拌机的能效,导致求解得到的各级组分含量与工业实际生产数据有较大误差.通过引入能效分离系数概念,建立符合实际萃取工艺的各萃取槽稀土元素组分含量模型,构建求解能效分离系数的优化目标函数.针对该优化目标函数多峰、多变量的特点,提出一种种群规模线性减小的混沌双变异自适应差分进化改进算法(LCTADE).首先,将混沌序列嵌入改进算法中生成初始种群,增强种群多样性;其次,针对进化不同阶段对突变策略性能要求不同,提出基于DE/current-to-pbest/1和DE/rand/1的双变异策略方法;最后,采用参数自适应方法分别设置F、CR及NP值.在仿真实验中,将所提出的LCTADE方法针对CEC 2017的函数进行测试并与其他算法比较,显示出其优越性,并通过求解基于能效分离系数的稀土萃取工艺流程优化目标函数,表明所提出方法的有效性.     

基于改进的GRA-即时学习算法的镨/钕元素组分含量预测

针对现有稀土元素组分含量模型具有离线、时滞大、抗干扰能力弱等问题,提出一种改进的GRA-即时学习算法(GRA-JITL-LSSVM)建立稀土萃取过程组分含量在线检测模型.首先,采用灰色关联分析方法(GRA)分析输入输出变量之间的变化趋势和关联程度,采用哈希表确定学习集大小,确保数据相似度信息的完整性和学习集的合理性,据此建立最小二乘支持向量机(LSSVM)模型,并引入数据库更新准则,提高模型的抗干扰能力;然后,为了保证GRA-JITL-LSSVM模型参数的全局最优,提出一种带有停滞回溯策略的遗传算法(SBS-GA),并对SBS-GA的收敛性进行分析验证;最后,通过镨/钕萃取现场数据进行仿真实验,结果表明所提出SBS-GA算法能够保证寻优参数的全局解,所提出的GRA-JITL-LSSVM实时性高、预测精度好,可用于稀土萃取生产现场元素组分含量的在线检测.     

基于静态设定和动态补偿的铈镨/钕萃取过程药剂量优化控制

针对目前稀土铈镨/钕萃取生产过程人工控制导致生产指标波动大的问题,提出一种新的药剂量优化控制方法.首先针对入矿条件各参数的重要程度不一样,采用特征属性加权的案例推理方法确定药剂量（萃取量和洗涤量）预设定值;然后根据铈镨/钕稀土溶液颜色与组分含量密切相关的特点,采用最小二乘支持向量机（LS-SVM）建立基于稀土溶液颜色的组分含量软测量模型,再根据软测量得到的组分含量与目标组分含量的差值,采用模糊推理技术补偿药剂量预设定值,实现稀土萃取过程组分含量的动态优化控制.试验结果表明本文方法的有效性.     

稀土萃取过程组分含量的RBF软测量建模

稀土萃取分离过程的自动控制一直是稀土工业急待解决的关键难题,要实现稀土萃取分离过程的自动控制,首先必须解决串级萃取槽中各稀土组分含量的在线检测,而传统的检测又有很大的问题,软测量技术在稀土萃取过程控制中的应用研究开始活跃起来。该文是基于RBF网络的稀土萃取过程组分含量进行软测量建模的研究。     

嵌入式系统在稀土萃取流量控制中的应用

对传统稀土串级萃取流量控制装置进行研究,提出了一种采用由变频器与嵌入式系统组成的装置对液体流量进行控制的方案.该方案利用脚本驱动开发工具V2.0,快速准确地开发了英威腾系列变频器的设备驱动,最终完成了嵌入式设备与变频器的通信.将该方案应用于生产现场后,实现了液体流量的精确、实时控制.     

基于多任务学习多目标优化的稀土元素组分含量与浓度多维度软测量

稀土混合萃取溶液中各元素组分含量的在线软测量是优化连续萃取生产过程、确保产品高纯化的前提.现有软测量方法可独立求解单个稀土元素组分含量,但忽略了多元素组分含量间或组分含量与其它相关因素(如浓度)间的共性.本文为探索多稀土元素组分含量间及组分含量与浓度间的共性,将多任务学习方法用于稀土元素组分含量软测量中.首先,构建多任务深度神经网络,提高模型的泛化能力和鲁棒性.其次,提出基于多目标优化算法的稀土多元素组分含量预测方法,通过搜索Pareto最优以提升各任务的预测精度.经多组对比实验表明,该方法在多元素组分含量或多元素组分含量与浓度同时训练时性能最佳,能满足稀土元素组分含量在线检测的精确性和实时性.