金氰化浸出过程建模及实时优化自适应策略

以金氰化浸出过程为背景,基于物料守恒方程建立动态机理模型,用Tikhonov正则化方法估计动力学反应速度,进而辨识模型未知参数,有效降低了测量噪声对估计及辨识结果的影响;采用实时优化约束自适应方法减小模型参数失配对优化结果的影响.仿真结果表明,在模型参数失配时,所提出的方法仍能收敛到实际过程的最优设定点,不必求实际数据梯度,且受噪声影响小,便于实际应用,为湿法冶金全流程优化控制的顺利实施奠定了基础.     

钴湿法冶炼萃取过程中的组分含量软测量

提出了一种钴湿法冶炼萃取组分含量混合建模方法.该模型由基于物料衡算关系的动态机理模型与基于萃取平衡实验数据的RBF神经网络模型组成.机理模型作为描述过程动态行为的整体框架,RBF神经网络用来辨识机理模型中的未知函数关系.在上述混合模型的基础上,还提出了一种模型校正策略,进一步提高了模型的精确性.将所建立的混合模型应用于实际湿法冶炼生产过程中,结果表明该方法具有良好的估计性能.     

钴湿法冶炼萃取过程中的组分含量软测量

提出了一种钴湿法冶炼萃取组分含量混合建模方法.该模型由基于物料衡算关系的动态机理模型与基于萃取平衡实验数据的RBF神经网络模型组成.机理模型作为描述过程动态行为的整体框架,RBF神经网络用来辨识机理模型中的未知函数关系.在上述混合模型的基础上,还提出了一种模型校正策略,进一步提高了模型的精确性.将所建立的混合模型应用于实际湿法冶炼生产过程中,结果表明该方法具有良好的估计性能.

     

PTM不确定性的间歇过程优化补偿控制策略北大核心CSCD

过程迁移模型是实现数据不足情况下间歇过程高效建模的有效方法。然而,相似过程之间的差异性和模型不确定性因素,加剧了模型与实际过程之间的不匹配程度。针对过程迁移模型中不确定性问题,提出一种基于修正自适应优化和自校正补偿的策略。首先,利用基于修正自适应策略的批次间优化逐步消除相似过程之间的差异所产生的负面影响。然后,采用自校正补偿策略进一步补偿通过批次间优化得到的次优设定值。此外,模型更新时添加了数据剔除,提升了后续的优化效果。最后,利用草酸钴合成过程的仿真实验,验证了所提方法的有效性。     

基于多最小二乘支持向量机的草酸钴粒度软测量

提出了一种基于改进的鲁棒学习方法(improved robust learning algorithm,IRLA)的多最小二乘支持向量机(multipleleast squares support vector machine,Multi-LSSVM)建模方法,用以解决非线性系统建模问题。该方法通过Bootstrap算法复制出训练集样本空间上的多个样本子空间,训练出多个成员最小二乘支持向量机模型,然后应用改进的鲁棒学习方法对成员最小二乘支持向量机模型的权重进行优化融合,从而使多最小二乘支持向量机模型具有较高的准确率和泛化能力。通过仿真实验,验证了方法的有效性;并将其应用于湿法冶金合成过程草酸钴粒度软测量建模问题,获得了比单个最小二乘支持向量机模型方法更高的预测精度。     

PTM不确定性的间歇过程优化补偿控制策略

过程迁移模型是实现数据不足情况下间歇过程高效建模的有效方法。然而,相似过程之间的差异性和模型不确定性因素,加剧了模型与实际过程之间的不匹配程度。针对过程迁移模型中不确定性问题,提出一种基于修正自适应优化和自校正补偿的策略。首先,利用基于修正自适应策略的批次间优化逐步消除相似过程之间的差异所产生的负面影响。然后,采用自校正补偿策略进一步补偿通过批次间优化得到的次优设定值。此外,模型更新时添加了数据剔除,提升了后续的优化效果。最后,利用草酸钴合成过程的仿真实验,验证了所提方法的有效性。     

基于核偏鲁棒M-回归的间歇反应过程混合模型辨识

提出了一种混合模型两步辨识策略,用以解决间歇反应过程的建模问题,并能够有效融合先验知识及过程数据信息。该策略将混合模型的同步辨识分解成为两个独立的步骤,首先确定混合模型的结构,并利用Tikhonov正则化方法实现间歇反应过程反应速率的精确估计;接下来采用核偏鲁棒M-回归(kernel partial robust M-regression,KPRM)算法建立过程变量与反应速率间的经验模型,从而有效抑制过程数据中离群点的影响。利用半间歇过程仿真实验对所提出的策略进行验证,获得了相比于传统方法更高的估计及预测精度。     

基于投影寻踪的非线性鲁棒偏最小二乘法及应用

来自工业现场的数据往往具有非线性特性且包含离群点, 利用非线性偏最小二乘(partial least squares, PLS)建模易受离群点的影响. 针对这一问题, 结合径向基函数(radial basis function, RBF)网络, 本文提出了一种基于投影寻踪的非线性鲁棒PLS方法. 该方法首先利用RBF变换将自变量与因变间的非线性关系转化为线性关系; 然后利用投影寻踪算法提取变换后自变量的鲁棒偏最小二乘法成分; 最后建立鲁棒PLS成分与因变量之间的鲁棒线性回归模型. 将该方法应用于湿法冶金萃余液pH值软测量建模问题, 结果验证了其有效性.     

湿法冶金浸出过程金浓度的混合预报模型

金氰化浸出是湿法冶金提金法的重要步骤,是一个典型的化工过程,建立其准确、可靠的数学模型是对该生产过程实施优化与控制的前提.提出了一种金氰化浸出过程的动态串联型混合模型,利用物料守恒方程建立金氰化浸出过程的动态机理模型,并利用神经网络估计机理模型中的未知参数——金的溶解速度和氰根离子的消耗速度,最终得到金氰化浸出过程的动态串联型混合模型.由于动力学反应速度是不能测量的,利用Tikhonov正则化方法估计金氰化浸出过程的动力学反应速度值,可以有效减少浓度测量值中噪声对动力学反应速度估计的影响.最终通过仿真实验验证了该混合模型比纯机理模型和神经网络黑箱模型具有更好的预测性能,能够较准确地预测金氰化浸出过程的各组分浓度,为后续金氰化浸出过程的优化与控制奠定了重要的模型基础.     

基于KPLS模型的间歇过程产品质量控制

针对间歇过程所具有的非线性特性,提出了一种基于核偏最小二乘(KPLS)模型的最终产品质量控制策略。利用初始条件、批次展开后的过程数据以及最终产品质量建立了间歇过程的KPLS模型;采用基于主成分分析(PCA)映射的预估方法对未知的过程数据进行补充,实现了最终产品质量的在线预测。为了解决最终产品质量的控制,利用T2统计量确定KPLS模型的适用范围,并作为约束引入产品质量控制问题,提高控制策略的可行性;采用粒子群优化(PSO)算法实现了优化问题的高效求解。仿真结果表明,与基于偏最小二乘(PLS)模型的控制策略相比,所提出的方法具有更高的预测精度,且能有效解决产品质量控制中出现的各种问题。