串级萃取分离组分含量软测量及应用

应用萃取机理模型 -RBF神经网络技术对某公司NdPr/CeLa萃取分离生产过程进行仿真验证 ,结果表明所提出的在线估计方法实时性好、精度高 ,能较好地实现串级萃取分离过程组分含量的在线监测。     

稀土萃取过程智能控制系统

针对稀土萃取过程具有多变量、非线性、强耦合、大滞后、萃取组分含量难以连续测量等综合复杂性,提出了由智能优化设定和过程回路控制两层结构组成的稀土萃取过程智能控制系统。讨论了该系统的结构、功能以及所采用的控制策略。结合氧化钇萃取生产线的特点,研制了智能控制系统,并成功应用于某公司的氧化钇萃取生产线,取得了显著成效。     

基于QPSO-ELM的稀土萃取过程组分含量预测研究

分析了稀土串级萃取分离的工艺流程,探讨了QPSO优化ELM参数的方法对稀土萃取槽中离子组分含量的预测精度与速度问题,并运用该方法对某厂镨/钕萃取中镨工艺参数的生产数据进行了现场预测分析。结果表明,该软测量方法预测速度快、精度较高,符合稀土萃取生产检测要求。     

稀土萃取在线分析技术的发展

在线分析对提高稀土萃取产品的纯度和收率有着重要的意义.全面分析了几种稀土萃取在线分析仪器的适用范围、优缺点和应用受限的原因,详细阐述了软测量技术在稀土萃取在线分析中应用的可行性,指出了在线分析技术的发展方向.     

多元稀土萃取平衡分配模型研究

萃取平衡分配数据是进行萃取流程工艺优化设计及萃取生产过程控制的基本依据。本文提出了一种应用RBF神经网络建立多组分稀土萃取平衡分配数学模型的方法,通过萃取分离生产现场实测数据的建模仿真,验证了该方法的有效性。     

基于RBF神经网络的WO3浸出率软测量建模

针对目前在钨碱煮浸出过程中,难以实现WO3浸出率的在线检测,依据钨矿碱煮浸出过程的化学反应机理以及影响浸出率的因素,提出软测量方案,采用人工神经网络建模方法,建立简便快速检测的软测量模型.根据工业现场采集的样本数据,运用Matlab工具训练好神经网络软测量模型,结果显示该软测量模型能够反应矿物浸出过程的实际状况,测量相对误差均值小于0.5%,能满足工业生产要求.该研究为实现钨浸出率的在线检测提供了一种新的方法.     

基于动态RBF的单神经元PID控制研究

针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法.采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数的在线调整信息,并由单神经元PlD控制器完成控制器参数的在线自整定,从而实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.     

RH-KTB炉外精炼过程的RBF网络故障诊断系统

提出一种利用RBF神经网络进行聚类分析,用于对RH炉外精炼进行故障诊断的方法.并进行神经网络的建立、训练、数据的实时采集、知识的获取、表达、推理、决策以及建立知识库,从而达到迅速,准确地判断和识别故障的目的.此外在网络学习中采用调整中心半径的RBF学习算法,是基于现实应用背景下对RBF学习算法改进的大胆尝试与实践.最后通过仿真证明其具有可行性和准确性.     

广义预测控制算法在稀土萃取过程中的应用

针对稀土萃取过程中元素组分含量难以在线检测和实现自动控制的问题,提出通过建立多线性模型实现对元素组分含量进行软测量,并采用预测控制方法实现对稀土萃取过程组分含量的自动控制,仿真结果表明本文提出方法的有效性。     

基于RBF神经网络的WO3浸出率软测量建模

针对目前在钨碱煮浸出过程中,难以实现 WO₃ 浸出率的在线检测,依据钨矿碱煮浸出过程的化学反应机理以及影响浸出率的因素,提出软测量方案,采用人工神经网络建模方法,建立简便快速检测的软测量模型.根据工业现场采集的样本数据,运用 Matlab 工具训练好神经网络软测量模型,结果显示该软测量模型能够反应矿物浸出过程的实际状况,测量相对误差均值小于 0.5 %,能满足工业生产要求.该研究为实现钨浸出率的在线检测提供了一种新的方法.      

Neural Networks Based Component Content Soft－Sensor in Countercurrent Rare－Earth Extraction

The equilibrium model for multicomponent rare earth extraction is developed using neural networks, which combined with the material balance model could give online prediction of component content in countereurrent rare earth extraction production. Simulation experiments with industrial operation data prove the effectiveness of the hybrid softsensor.     

Integrated Automation System for Rare Earth Countercurrent Extraction Process

Lower automation level in industrial rare-earth extraction processes results in high production cost, inconsistent product quality and great consumption of resources in China. An integrated automation system for extraction process of rare earth is proposed to realize optimal product indices, such as product purity, recycle rate and output. The optimal control strategy for output component, structure and function of the two-gradcd integrated automation system composed of the process management grade and the process control grade were discussed. This system is successfully applied to a HAB yttrium extraction production process and was found to provide optimal control, optimal operation, ontimal management and remarkable benefits.     

稀土分离过程综合自动化系统研究

针对稀土工业生产过程自动化装备水平普遍较低而造成的生产成本高，产品质量一致性差，资源消耗大的问题，提出了实现稀土产品纯度和金属回收率等综合生产指标优化的稀土萃取分离生产过程综合自动化系统，讨论了由生产过程管理系统和过程控制系统两层结构组成的综合自动化系统的体系结构、功能和以萃取分离过程两端出口产品纯度为目标的优化控制策略。将所提出的系统应用于某公司HAB萃取提钇生产过程，实现了稀土萃取过程的优化控制、优化运行和优化管理，取得了显著的应用成效。     

稀土串级萃取静态递推模型的研究

针对双出口稀土串级萃取分离工艺,建立了两组分静态递推模型。区别于代数模型,首先将萃取过程归结为初始萃取段、置换萃取段、进料级、置换洗涤段、初始洗涤段5种类型,然后建立了各个对象、及对象间的交互关系。利用对象之间的调用和迭代,模型求解速度快于其他模型。分析了萃取液和洗涤液流量波动对稀土产品出口纯度影响的规律,确定了检测点的最佳位置。     

基于RBF神经网络的电炉炼钢过程终点预报

介绍了采用RBF神经元网络建立电炉冶炼的碳温终点工艺指标与其影响因素间的神经元网络模型,其基本思路为:分析电炉的工艺、原料和操作特点,从而确定模型,再对模型进行训练和学习,用电炉实际运行的结果参数验证模型的准确性.该模型对现场的数据进行了自学习和预报,预报结果逐渐与实际接近.实际运行结果表明,该模型有着更好的收敛特性和很强的自学习能力,运行准确可靠,预报的结果有很高的精度和实用性,能较好地指导生产实践.     

基于主成分分析法与RBF神经网络的岩体可爆性研究

为了对岩体可爆性进行更精确的预测分级,建立了主成分分析法与RBF神经网络相结合的评价模型。以某矿山岩石为例,将影响岩石可爆性的容重、抗拉强度、抗压强度和岩体完整性系数作为评价指标,统计矿山13种岩体的样本数据。对样本数据进行主成分相关性预处理,将输出结果作为RBF神经网络的输入变量,岩体的爆破等级作为输出变量,得到的结果精度更高。研究结果表明：预测结果的相对误差均控制在5%以内,与BP神经网络预测误差（16%）相比,所得到实际预测结果与期望值之间的相对误差分别降低了71.94%、86.65%、73.20%和76.62%,预测精度显著提高。该模型为岩体可爆性分级预测提供了一种更为完善的方法。     

基于人工神经网络的稀土合金铸铁腐蚀性能预测

通过静态质量损失法腐蚀试验获取BP神经网络的样本数据,利用MATLAB的工具箱函数建立了拓扑结构为5×8×10×1的BP神经网络,并对网络模型的预测精度进行探讨和研究。结果表明,在样本集和训练条件下,5×8×10×1 BP网络对稀土合金铸铁碱腐蚀深度的预测精度较高,较好的解决主要合金成分、腐蚀时间、介质温度与静态腐蚀深度之间的非线性关系,可用于稀土合金铸铁在烧碱液中的静态腐蚀性能的预测分析和研究。     

稀土萃取流程的产品纯度决策模型

针对稀土萃取的两组分两出口生产工艺,依据稀土萃取的杠杆规则、操作线方程和平衡线方程,以两个出口的产品纯度和有机相流量、料液流量、洗液流量为决策变量,建立利润最大的优化模型.引入出口分数,将目标函数简化为综合产品销售价格、综合原料采购价格和料液投入量,并且分析了生产利润极大值的存在条件.模型求解结果可支持产品纯度的定位决策.