| 基于RBF神经网络的WO3浸出率软测量建模 |
| |
| 引用本文： | 刘飞飞,刘辉辉,李俊荣.基于RBF神经网络的WO3浸出率软测量建模[J].有色金属科学与工程,2013,4(5):117-121. |
| |
| 作者姓名： | 刘飞飞 刘辉辉 李俊荣 |
| |
| 作者单位： | 1.江西理工大学电气工程与自动化学院，江西 赣州 341000 |
| |
| 基金项目： | 国家自然科学基金资助项目61364014江西省对外科技合作项目2010EHA01400 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 钨湿法冶炼 神经网络 浸出率 软测量 |
| 收稿时间： | 2013-03-11 |
Soft measurement modeling of WO3 leaching rate based on artificial neural network |
| |
| Affiliation: | 1.School of Electrical Engineering and Automation, Jiangxi University of Science and Technology, Ganzhou 341000, China2.Ganzhou Huaxing Tungsten Products Co.Ltd., Ganzhou 341000, China |
| |
| Abstract: | The online detection of WO3 Leaching Rate in tungsten hydrometallurgy is difficult to accomplish. A soft measurement plan with a convenient and fast detecting soft measurement model is devised by using MATLAB and the data collected from industrial field train neural network according to the chemical reaction mechanism of tungsten alkali hot leaching and the factors which influenced the leaching rate. Simulation results manifested the soft measurement model could well reflect actual reaction situation. The measuring relative error is less than 0.5 %. The model fit the industrial requirement. This research provides a new method for onl ine detection of tungsten leaching rate. |
| |
| Keywords: | |
|
| 点击此处可从《有色金属科学与工程》浏览原始摘要信息 |
|
点击此处可从《有色金属科学与工程》下载全文 |
