一种沉铁过程出口离子预测方法及其系统技术方案

本发明专利技术公开了一种沉铁过程出口离子预测方法及其系统，通过获取同时包含溶解氧浓度的过程数据及其对应的溶解氧浓度数据的有标签样本集和仅包含溶解氧浓度的过程数据的无标签样本集；构建溶解氧浓度动态预测模型；并将溶解氧浓度动态预测模型与机理分析相结合，建立沉铁过程出口离子预测模型；使用粒子群算法和优化目标Ω求解出所述预测模型中的最优解，根据所述最优解对应的离子浓度来调节所述反应器的入口氧气浓度；相比起现有技术而言，使沉铁过程出口离子预测模型达到整体最优的同时保证预测值与实际值趋势相同，提高了预测的出口离子浓度的可信度和准确性。

A prediction method and system of exit ions in the process of iron deposition

【技术实现步骤摘要】
一种沉铁过程出口离子预测方法及其系统
本专利技术属于湿法炼锌沉铁过程控制
，尤其涉及一种沉铁过程出口离子预测方法及其系统。
技术介绍
锌是一种能应用在各个领域的重要金属。湿法冶炼由于高产出和低能耗成为最主要的锌冶炼方法，主要包括磨矿、浸出、净化、电解等工序。该方法中的硫酸锌溶液需要经过净化除杂后，方可进行电解得到锌单质。目前，针铁矿法常用来去除硫酸锌溶液中的主要杂质铁离子。沉铁过程的主要生产设备为连续搅拌釜式反应器(CSTR)，然而单个反应器不能将浸出液中过量铁离子直接降低到工艺要求范围内，因此需要在四个由高到低级联的反应器中进行除铁。前一反应器的出口离子浓度为下一个反应器的入口离子浓度，各个反应器出口铁离子浓度需按要求依次降低，保证硫酸锌溶液离开最后一个反应器后其中铁离子含量降低至工艺指标要求范围内。为了达到这个目的，需根据每个反应器入口离子浓度(即上一反应器的出口离子浓度)分别对其中添加的氧气和焙砂进行调节，然而在实际沉铁过程中，反应器自身的密闭性及检测装置的局限性使得反应器出口溶液中各离子的浓度只能通过人工定期抽样检测获得。导致对操本文档来自技高网...

【技术保护点】
1.一种沉铁过程出口离子预测方法，其特征在于，包括以下步骤：/n获取包含实际测试所得溶解氧浓度的过程数据及其对应单个沉铁反应器内的溶解氧浓度数据的有标签样本集，构建仅包含溶解氧浓度的过程数据的无标签样本集；/n分析针铁矿法沉铁过程影响氧气溶解过程的因素，使用所述有标签样本集和无标签样本集，构建以所述过程数据为第一输入数据，以前后采样时刻之间溶解氧浓度的变化量为第一输出数据的溶解氧浓度变化量预测模型；/n根据前后采样时刻溶解氧浓度守恒原理，通过所述溶解氧浓度变化量预测模型构建以溶解氧浓度变化量和溶解氧浓度为第二输入数据，以溶解氧浓度为第二输出数据的溶解氧浓度动态预测模型；/n以单个沉铁反应器为基...

【技术特征摘要】
1.一种沉铁过程出口离子预测方法，其特征在于，包括以下步骤：
获取包含实际测试所得溶解氧浓度的过程数据及其对应单个沉铁反应器内的溶解氧浓度数据的有标签样本集，构建仅包含溶解氧浓度的过程数据的无标签样本集；
分析针铁矿法沉铁过程影响氧气溶解过程的因素，使用所述有标签样本集和无标签样本集，构建以所述过程数据为第一输入数据，以前后采样时刻之间溶解氧浓度的变化量为第一输出数据的溶解氧浓度变化量预测模型；
根据前后采样时刻溶解氧浓度守恒原理，通过所述溶解氧浓度变化量预测模型构建以溶解氧浓度变化量和溶解氧浓度为第二输入数据，以溶解氧浓度为第二输出数据的溶解氧浓度动态预测模型；
以单个沉铁反应器为基础，将溶解氧浓度动态预测模型与机理分析相结合，建立以反应器入口溶液中亚铁离子浓度、反应器入口溶液中三价铁离子浓度、反应器入口溶液中氢离子浓度、添加氧化锌的质量、氧化锌颗粒密度以及氧化锌颗粒半径为第三输入数据，以反应器出口溶液中亚铁离子浓度、反应器出口溶液中三价铁离子浓度、反应器出口溶液中氢离子浓度以及反应器出口溶液中氧浓度为第三输出数据的沉铁过程出口离子预测模型；
获取待预测的反应器中第三输入数据输入到所述沉铁过程出口离子预测模型中，使用粒子群算法和优化目标Ω求解出沉铁过程出口离子预测模型的最优解；
根据所述最优解所对应的反应器出口溶液中的三价铁离子浓度、反应器出口溶液中氢离子浓度以及反应器出口溶液中氧浓度来调节所述反应器的入口氧气浓度。


2.根据权利要求1所述的沉铁过程出口离子预测方法，其特征在于，所述过程数据包括反应器溶液中亚铁离子浓度、反应器溶液中三价铁离子浓度、反应器溶液中铜离子浓度、反应器溶液中锌离子浓度、反应器中溶液的流量、反应器中生成铁渣的质量、添加的氧化锌的质量以及通入反应器中的氧气流量。


3.根据权利要求1所述的沉铁过程出口离子预测方法，其特征在于，构建所述溶解氧浓度动态预测模型具体包括：
使用半监督加权概率偏最小回归的即时学习算法构建前后采样时刻间初步的溶解氧浓度变化量预测模型，确定所述初步的溶解氧浓度变化量预测模型的模型参数；
获取查询样本，并从所述有标签样本集中和无标签样本集中选择有标签样本和无标签样本构成所述查询样本的相似样本集，并分别使用所述有标签似然样本和无标签似然样本中的第一输入数据计算所述似然样本集中各个有标签似然样本的权值和各个无标签似然样本的权值；
使用各个有标签似然样本的权值和各个无标签似然样本的权值，构建包含所述有似然标签样本、所述无标签似然样本及其对应的隐变量的加权对数似然函数；
使用所述加权对数似然函数求解出优化的模型参数，并使用所述优化的模型参数估算出所述模型参数的隐变量后验分布；
将所述优化的模型参数和所述模型参数的隐变量后验分布代入到所述初步的溶解氧浓度变化量预测模型中得到所述溶解氧浓度变化量预测模型；
再根据前后采样时刻间溶解氧浓度变化的守恒关系，得到溶解溶解氧浓度动态预测模型。


4.根据权利要求3所述的沉铁过程出口离子预测方法，其特征在于，所述初步的溶解氧浓度变化量预测模型为：
x＝PHs+QHb+mx+ex
y＝CHs+my+ey
其中，设隐变量Hs表示第一输入数据和第一输出数据之间的关系，而隐变量Hb表示第一输入数据之间的相关关系；第一输入数据x∈RD和第一输出数据y∈RM，第一输入数据和第一输出数据分别由隐变量经过线性变换生成；和为第一输入数据的负载矩阵，为第一输出数据的负载矩阵；mx和my分别为第一输入数据和第一输出数据的均值或者偏移量；ex和ey分别为第一输入数据和第一输出数据的噪声项，其均服从各向同性的高斯分布ex～N(0,εxI)和ey～N(0,εyI)；隐变量先验分布服从高斯分布Hs～N(0,I)，类似的，隐变量先验分布服从Hb～N(0,I)，模型的参数集为Θ＝{mx,my,P,Q,C,εx,εy}，RD表示D×1的实数矩阵，RM表示M×1的实数矩阵，表示表示Ks×1的实数矩阵，表示Kb×1的实数矩阵，I表示单位矩阵，εy表示第一输入数据的噪声方差，εx表示第一输出数据的噪声方差。


5.根据权利要求4所述的沉铁过程出口离子预测方法，其特征在于，计算所述似然样本集中各个有标签似然样本的权值和各个无标签似然样本的权值，包括：
使用所述有标签似然样本和...

【专利技术属性】
技术研发人员：陈宁，万晶莹，戴佳阳，桂卫华，阳春华，陈嘉瑶，袁小锋，郭宇骞，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43