軟測量技術(shù)在稀土萃取中的應(yīng)用研究.pdf

1、我國稀土產(chǎn)量、出口量、消費量均居世界第一且輕、中、重稀土品種齊全。雖然稀土萃取分離技術(shù)已達世界先進水平,但該生產(chǎn)過程的控制水平相對低下,其仍然處在離線分析、經(jīng)驗調(diào)整、人工控制。因此給生產(chǎn)企業(yè)帶來后果是:生產(chǎn)效率低下、資源浪費、產(chǎn)品質(zhì)量不穩(wěn)定等,都嚴(yán)重制約著稀土工業(yè)的發(fā)展。稀土工業(yè)采用的串級混合澄清槽萃取分離工藝,其機理復(fù)雜,具有多變量、強耦合、非線性、時變性以及大滯后等特點。要提高與實現(xiàn)該工業(yè)過程的自動化生產(chǎn)水平,首先要實現(xiàn)萃取槽中稀土

2、元素的組分含量的在線連續(xù)檢測,而在現(xiàn)實中難以采用工業(yè)儀表實現(xiàn)這一技術(shù)。文中在深入分析分離過程工藝的基礎(chǔ)上,采用軟測量技術(shù)來解決這一技術(shù)難題。
　　 文中應(yīng)用最小二乘支持向量機(LSSVM)結(jié)合優(yōu)化算法解決元素組分含量軟測量技術(shù)問題,主要工作歸納如下:
　　 首先,對軟測量技術(shù)發(fā)展?fàn)顩r及常規(guī)的建模方法進行了研究,分析了軟測量技術(shù)的工程化設(shè)計,并設(shè)計了實現(xiàn)該技術(shù)的一般步驟。
　　 其次,針對實現(xiàn)軟測量模型建立的問題,

3、采用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)與LSSVM。分別分析了各自的理論基礎(chǔ)、模型結(jié)構(gòu)、實現(xiàn)算法等。通過仿真發(fā)現(xiàn)前者所建立的軟測量模型泛化能力差,而且建模依賴于大量的樣本數(shù)據(jù),而后者建立的模型能更好的解決這些問題,具有較好的估計性能。
　　 然后,采用LSSVM方法建立模型時,其模型的性能直接受到模型參數(shù)的影響,文中采用優(yōu)化算法解決這一問題。優(yōu)化算法包括遺傳算法、微粒群優(yōu)化算法、量子粒子群優(yōu)化算法與蟻群算法。通過對各自算法的機理分析,

4、結(jié)合最小二乘支持向量機算法要優(yōu)化的正則參數(shù)與核函數(shù)參數(shù),設(shè)計出了各自的算法流程與步驟,并通過仿真實例驗證、測試了設(shè)計的算法的可行性與正確性。
　　 最后,通過對稀土串級萃取工藝機理的分析,設(shè)計了萃取段元素組分含量的LSSVM的軟測量模型結(jié)構(gòu),相應(yīng)對樣本數(shù)據(jù)進行了預(yù)處理,分別采用已設(shè)計好的算法建立稀土元素組分含量的軟測量模型,通過仿真表明,采用優(yōu)化算法建立的LSSVM軟測量模型的精度都相應(yīng)得到提高。根據(jù)算法的復(fù)雜程度、訓(xùn)練目標(biāo)、估