鋅冶煉除鈷過程建模與智能優(yōu)化方法研究及應用.pdf

1、濕法煉鋅工藝是世界上鋅冶煉的主要工藝，采用該工藝生產的鋅占世界總產量的80％以上。凈化除鈷過程是濕法煉鋅工藝的一個重要工序，主要通過添加鋅粉置換除去硫酸鋅溶液中的鈷離子雜質。由于凈化除鈷過程機理復雜，流程長且影響因素多，特別是雜質離子濃度無法在線檢測，導致過程優(yōu)化控制困難，凈化除鈷過程鋅粉消耗大。
　　 論文在分析凈化除鈷過程影響因素和過程信息特點的基礎上，研究了基于數(shù)據(jù)的過程建模與優(yōu)化控制方法，構建了過程優(yōu)化控制總體結構。在過

2、程異常數(shù)據(jù)檢測、缺失數(shù)據(jù)補全的基礎上，提出了基于時間序列分析的入口溶液離子濃度在線估計方法，建立了基于支持向量機的凈化除鈷過程工藝指標預測模型，在此基礎上研究結合案例推理預設定和支持向量機補償修正的優(yōu)化控制技術，并將其成功應用于凈化除鈷過程的控制系統(tǒng)中。論文主要研究工作及創(chuàng)新性成果如下：
　　 (1)提出了凈化過程數(shù)據(jù)預處理技術。在分析凈化除鈷過程異常數(shù)據(jù)產生原因的基礎上，提出了基于局部平均距離和工況參數(shù)預估的數(shù)據(jù)異常檢測方法。

3、針對過程數(shù)據(jù)丟失、異常等原因造成數(shù)據(jù)缺失問題，研究了基于案例推理的缺失數(shù)據(jù)補全方法。采用工業(yè)現(xiàn)場過程數(shù)據(jù)進行模擬分析與驗證，結果表明所提方法有效提高了過程數(shù)據(jù)質量，為基于數(shù)據(jù)的凈化除鈷過程建模與優(yōu)化創(chuàng)造了條件。
　　 (2)提出了基于時間序列的入口溶液離子濃度在線估計方法。利用小波分解的方法，將離子濃度人工分析檢測時間序列分解為多個子序列，通過相空間重構，在重構的子空間建立支持向量機模型。將子序列模型輸出重構，實現(xiàn)了凈化除鈷入口

4、溶液離子濃度的在線估計。其中支持向量機的參數(shù)采用混沌粒子群算法進行優(yōu)化。應用工業(yè)生產數(shù)據(jù)驗證的結果表明，相對誤差小于10％的樣本達97.5％，模型在線估計精度滿足現(xiàn)場實際生產工藝要求，為凈化除鈷過程的優(yōu)化控制提供了可靠信息。
　　 (3)建立了基于模糊聚類和支持向量機的工藝指標預測模型。針對凈化除鈷過程數(shù)據(jù)量大、過程具有很強的非線性等特點，研究了基于加權模糊聚類的分類方法，將樣本空間進行分類；在分類得到的每個類中，建立了各個類的

5、模糊支持向量機子模型，綜合考慮樣本數(shù)據(jù)時間域和空間域的影響，設計了一種復合模糊隸屬度函數(shù)；在此基礎上，將子模型輸出集成，得到了過程指標預測模型的輸出。其中，采用遞階粒子群算法對于屬性選擇和權重進行優(yōu)化。研究了模型的校正方法，提高了模型的精度?，F(xiàn)場數(shù)據(jù)實驗驗證了該方法的有效性。
　　 (4)提出了基于案例推理的預設定模型以及基于支持向量機的補償模型，實現(xiàn)了凈化除鈷過程的優(yōu)化控制。該方法依據(jù)在線估計模型提供的離子濃度信息，結合入口溶

6、液流量，利用案例推理策略建立了鋅粉添加量的預設定模型，有效克服了濃度、流量等因素對優(yōu)化控制的影響。在此基礎上，根據(jù)過程指標預測模型計算的出口離子濃度預測值與期望目標之間的偏差，建立了基于支持向量機的鋅粉添加量補償模型。實驗結果表明，所提出的優(yōu)化控制策略有效減少了鋅粉的添加量，節(jié)約鋅粉6.48％。
　　 (5)開發(fā)了凈化除鈷過程的優(yōu)化控制系統(tǒng)。該系統(tǒng)利用OPC技術實現(xiàn)與現(xiàn)場DCS系統(tǒng)之間的數(shù)據(jù)通信，實現(xiàn)了凈化除鈷過程的入口溶液離子