[發(fā)明專利]基于即時學習的稀土萃取過程藥劑量優(yōu)化設定方法

有效

• 申請?zhí)枺?/td>: 202110706355.2
• 申請日: 2021-06-24
• 公開（公告）號: CN113377072B
• 公開（公告）日: 2023-02-07
• 發(fā)明（設計）人: 代文豪;陳鵬展;楊輝;陸榮秀;朱建勇
• 申請（專利權(quán)）人: 華東交通大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 南昌市贛昌知識產(chǎn)權(quán)代理事務所(普通合伙) 36140
• 代理人: 劉鴻運

本發(fā)明公開了一種基于即時學習的稀土萃取過程藥劑量優(yōu)化設定方法。該方法包括：針對由于機理模型和實際萃取過程不匹配等原因，導致機理模型得到的藥劑量設定值并不是最優(yōu)工作點的問題，首先建立以綜合經(jīng)濟效益最大為目標的稀土萃取過程的優(yōu)化模型，并利用數(shù)據(jù)驅(qū)動方法，對模型的關(guān)鍵參數(shù)進行預測；然后，運用智能優(yōu)化算法進行最優(yōu)藥劑量求解，得到理論最優(yōu)藥劑量；最后，運用即時學習的思想，在理論最優(yōu)藥劑量附近進行局部在線建模，并對該局部模型進行優(yōu)化求解得到最優(yōu)的藥劑量補償值，即新的稀土萃取過程藥劑量優(yōu)化設定，如果經(jīng)濟效益增量大于設定閾值，則將該設定值施加到實際生產(chǎn)中，不斷迭代該算法，既保證了萃取過程穩(wěn)定性，又可進一步提高稀土萃取生產(chǎn)的效率和經(jīng)濟效益。

技術(shù)領(lǐng)域

本發(fā)明涉及濕法冶金工業(yè)中的稀土萃取領(lǐng)域，具體是稀土萃取中的藥劑量設定方法，特別是涉及一種基于即時學習的稀土萃取過程藥劑量優(yōu)化設定方法。

背景技術(shù)

我國稀土資源十分豐富，輕、中、重稀土配套完善，各類稀土品種齊全。20世紀80年代，在“串級萃取理論”指導下，我國稀土產(chǎn)量超過了美國，成為世界第一稀土生產(chǎn)國，我國稀土冶煉分離水平全球領(lǐng)先并延續(xù)至今，控制著高純單一稀土的全球市場。

由于稀土萃取機理復雜、工藝流程長、萃取效率受環(huán)境影響大，由機理模型得到的藥劑量設定值并不是實際生產(chǎn)過程的最優(yōu)設定值，稀土萃取控制系統(tǒng)以該值為設定值會導致企業(yè)生產(chǎn)效率低，資源消耗大，產(chǎn)品質(zhì)量不穩(wěn)定，成為制約稀土萃取工業(yè)發(fā)展的瓶頸。因此，進行在線實時的稀土萃取過程藥劑量優(yōu)化設定的研究，可以保證稀土萃取過程保持在最佳生產(chǎn)狀態(tài)，提高生產(chǎn)效率，降低藥劑的使用，取得較好的經(jīng)濟效益和社會效益。

因此，隨著稀土萃取分離企業(yè)工廠基礎(chǔ)自動化水平的提高，大量生產(chǎn)數(shù)據(jù)被存儲在工廠生產(chǎn)數(shù)據(jù)庫中。如何結(jié)合基于模型和基于數(shù)據(jù)方法的特點，運用即時學習的思想，提供一種基于即時學習的稀土萃取過程藥劑量優(yōu)化設定方法，首先由機理模型優(yōu)化得到理論最優(yōu)工作點，然后，在實際生產(chǎn)數(shù)據(jù)中，對該工作點局部在線建模優(yōu)化得到理論藥劑量的補償值，并通過迭代補償進一步提高稀土萃取生產(chǎn)的經(jīng)濟效益，實現(xiàn)稀土萃取綠色化生產(chǎn)。

發(fā)明內(nèi)容

為克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于即時學習的稀土萃取過程藥劑量優(yōu)化設定方法。其是針對稀土萃取過程反應機理復雜、工藝流程長、萃取效率受環(huán)境影響大等問題，導致僅靠機理模型、離線試驗和人工經(jīng)驗對萃取劑流量和洗滌劑流量進行設定的方法難以保證產(chǎn)品質(zhì)量和生產(chǎn)流程最優(yōu)的問題，結(jié)合基于模型和基于數(shù)據(jù)方法的特點，運用即時學習的思想，實現(xiàn)一種基于模型和數(shù)據(jù)的稀土萃取分離過程藥劑量在線智能優(yōu)化設定方法，提高稀土萃取生產(chǎn)的效率和經(jīng)濟效益。

本發(fā)明公開的技術(shù)方案是一種基于即時學習的稀土萃取過程藥劑量優(yōu)化設定方法，是利用即時學習的思想，實現(xiàn)基于模型和數(shù)據(jù)的稀土萃取過程藥劑量優(yōu)化設定方法，根據(jù)萃取平衡和物料平衡的稀土萃取靜態(tài)機理模型基礎(chǔ)，建立以綜合經(jīng)濟效益最大化為目標的稀土萃取過程經(jīng)濟效益最優(yōu)的優(yōu)化模型，并對模型的相應參數(shù)進行預測；

運用JITL(Just-in-time learning)的方法，在理論最優(yōu)藥劑量設定值的局部進行在線建模，并對該局部模型進行優(yōu)化求解得到最優(yōu)的藥劑量補償值；通過迭代補償逐步逼近稀土萃取過程藥劑量的最優(yōu)設定值；實現(xiàn)稀土萃取過程藥劑量優(yōu)化設定在線智能設計，使稀土萃取過程始終工作在最優(yōu)工作點，從而提高稀土萃取全流程生產(chǎn)的經(jīng)濟效益，實現(xiàn)稀土萃取分離智能化。

本發(fā)明所述的基于即時學習的稀土萃取過程藥劑量優(yōu)化設定方法，其，包括：

稀土萃取過程經(jīng)濟效益最優(yōu)的優(yōu)化模型是基于生產(chǎn)指標、料液配分、藥劑濃度、藥劑流量、料液濃度、皂化度為入礦條件，以單位時間內(nèi)綜合經(jīng)濟效益最大為目標；

構(gòu)成數(shù)據(jù)樣本，是通過獲取一定時間段稀土生產(chǎn)過程數(shù)據(jù)集，稀土萃取過程的入礦條件、邊界條件、生產(chǎn)指標、藥劑量參數(shù)，單位時間的綜合經(jīng)濟效益和組分含量值；

運用這些數(shù)據(jù)樣本對機理模型進行工藝參數(shù)預測；