一种磷回收产品纯度的软测量方法技术

一种磷回收产品纯度的软测量方法，包括如下步骤：(1)利用光学显微镜对收集的磷回收产品进行拍摄，记录其在二维平面上的微观形貌结构；(2)对步骤(1)拍摄的图片进行处理；(3)测量及计算：粒子周边最远两点的距离nF

【技术实现步骤摘要】
一种磷回收产品纯度的软测量方法


[0001]本专利技术环保
，特别涉及一种磷回收产品纯度的软测量方法。

技术介绍

[0002]磷是一种重要的营养元素，对人类及自然界的各种生物均有重要意义。由于人类的大量开采以及磷在自然界的单向流动性，磷矿将在未来的50到100年内被开采殆尽，届时将导致严重的磷资源危机。为了缓解这一现象，磷资源的回收以及再利用技术已受到广泛的关注。近十年来，鸟粪石结晶法被认为是一种十分有前景的解决磷资源危机的方法，它不仅可以沉淀废水中的磷酸盐，而且产物MgNH4PO3
·
H2O(鸟粪石)是一种良好的缓释肥，因此受到广泛的关注。结晶过程受液固平衡热力学和固液相间传质的综合影响，其它过程因素，如pH、过饱和程度、混合能、温度和竞争离子的存在都会影响产物鸟粪石的纯度。若要使鸟粪石成为经济上可行的商业肥料，强度高、溶解速率低、缓释性能以及纯度高都是首要考虑的特性。
[0003]通常，在鸟粪石结晶的过程中，许多杂质离子会与镁、磷酸盐发成沉淀反应，导致晶体物质不纯，这会降低产物作为肥料的应用效果，因此，必须测定沉淀产物中鸟粪石的纯度，即鸟粪石在全部沉淀产物中所占的比重。常用的测定鸟粪石纯度的方法有：1)定性测定，使用傅里叶变换红外光谱(FTIR)或X射线衍射(XRD)光谱对比固体沉淀物和纯鸟粪石的形貌；2)以纯鸟粪石的理论值为参考，比较各元素在固体中的百分比；3)使用元素分析仪器对氮含量进行测定，并作为参考值；4)定量X射线衍射法。然而，由于样品制备和分析需要额外的时间，这些纯度测定方法限制了整个生产过程，因为在检测期间，生产线需要暂停，直到达到适宜的产品纯度。因此，目前所用的磷回收产品纯度的测量方法均存在操作复杂、时间长等缺陷，大大降低了整个生产过程的效率。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本专利技术的主要目的在于克服上述
技术介绍
的缺陷，提供一种磷回收产品纯度的软测量方法。
[0006]为实现上述目的，本专利技术采用以下技术方案：
[0007]一种磷回收产品纯度的软测量方法，包括如下步骤：
[0008](1)利用光学显微镜对收集的磷回收产品进行拍摄，记录其在二维平面上的微观形貌结构；
[0009](2)对步骤(1)拍摄的图片进行处理以便测量图片中颗粒物的物理参数；
[0010](3)对经步骤(2)处理的图片中颗粒物的下述物理参数进行测量及计算：粒子周边最远两点的距离nF
max
；粒子周边最近两点的距离nF
min
；伸长率n
El1
；长径比n
El2
；粒子总面积n
A
；粒子周长n
P
；粒子周长n
Ci
；当量直径n
Ed
；固体性n
s
；凹凸性n
Co
；
[0011](4)基于步骤(3)中测量及计算所得的产品物理参数，采用非线性部分最小二乘NLPLS方法，建立磷回收产物纯度的软测量模型；对于新的磷回收产品，使用已经建立的NLPLS模型对产品纯度进行预估分析，并利用新的预估分析数据结合原来的NLPLS模型，采用递推算法对模型进行更新。
[0012]进一步地：
[0013]步骤(2)中的处理包括增强色差与对比度，对图片中的磷回收产品的二维平面形状进行描边处理。
[0014]步骤(4)中建立磷回收产物纯度的软测量模型具体包括如下步骤：
[0015]Ⅰ.将测量及计算所得的样品形貌参数作为数据驱动的样本集合，表示为{x(i)，y(i)}，其中x(i)表示第i组输入数据，即步骤(3)中所得的参数，y(i)表示第i组输出数据，为产品的纯度，将输入数据构成矩阵X、将输出数据构成输出矩阵Y；
[0016]Ⅱ.基于输入输出数据建立NLPLS模型，具体包括：
[0017]对矩阵X和Y进行归一化处理，使之均值为0，方差为1，然后将输入矩阵进行列扩展，扩展项为径向基函数(RBF)神经网络的隐节点输出矩阵G和元素全为1的列向量1，其中G的每一行对应一个输入向量作用下的隐节点的输出，隐节点的偏置项系数为1；对如下增广输入矩阵和输出矩阵进行部分最小二乘(PLS)回收：
[0018]{[1 X G]，Y}，得到的NLPLS模型表示为：
[0019][0020]式中XE表示增广输入矩阵，A和H分别为对应原始输入向量和对应RBF网络隐节点输出向量的权值系数矩阵，b为输入偏置向量，T表示转置，c为隐节点中心向量、σ为相应宽度向量、A与H为权值系数矩阵。
[0021]步骤Ⅱ中，隐节点中心向量c、相应宽度向量σ、权值系数矩阵A与H、输入偏置向量b按如下步骤确定：
[0022]①
用k
‑
means聚类算法对输入数据进行聚类，得到隐节点中心c；
[0023]②
采用p近邻规则计算隐节点宽度：
[0024][0025]其中N为隐节点中心的个数，ci为距离第j个隐节点中心最近的p个隐节点中心；
[0026]③
采用PLS回归确定权值系数矩阵A、H和偏置向量b:
[0027]根据得到的隐节点中心和宽度计算隐节点输出矩阵G，然后对输入矩阵进行扩展，得到增广输入矩阵[1 X G]，对数据{[1 X G]，Y}进行PLS回归，得到PLS模型参数矩阵{T,W,P,B,Q}，提取特征变量个数a采用交叉校验法确定，得到的参数矩阵记为{Ta,Wa,Pa,Ba,Qa}，进一步计算出PLS回归系数矩阵β，从而得到A，H和b。
[0028]步骤(4)中，利用新的预估分析数据结合原来的NLPLS模型，采用递推算法对模型进行更新，具体包括如下步骤：
[0029]a.记新的磷回收产品批次的输入输出数据分别为X1和Y1，且不含异常点；
[0030]b.判断是否增加新的隐节点，如果新数据X1与已有的RBF网络隐节点中心的距离大于设定值，则加入新的隐节点；如果X1与现有的RBF网络隐节点中心的距离小于等于设定值，则不需要增加隐节点；
[0031]c.扩展X1，进行PLS回归，得到更新的NLPLS模型；然后按照步骤
③
的方法计算权值系数矩阵A、H和偏置向量b。
[0032]步骤b中，如果新数据X1与已有的RBF网络隐节点中心的距离大于设定值，记新的隐节点中心矩阵为C
gnew
，相应的宽度向量为σ
gnew
，对原有的隐节点中心矩阵C
g
、相应的宽度向量σ
g
和负荷矩阵P进行如下扩展：
[0033][0034]如果X1与现有的RBF网络隐节点中心的距离小于等于设定值，C
g
、σ
g
和P保持不变。
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种磷回收产品纯度的软测量方法，其特征在于，包括如下步骤：(1)利用光学显微镜对收集的磷回收产品进行拍摄，记录其在二维平面上的微观形貌结构；(2)对步骤(1)拍摄的图片进行处理以便测量图片中颗粒物的物理参数；(3)对经步骤(2)处理的图片中颗粒物的下述物理参数进行测量及计算：粒子周边最远两点的距离nF
max
；粒子周边最近两点的距离nF
min
；伸长率n
El1
；长径比n
El2
；粒子总面积n
A
；粒子周长n
P
；粒子周长n
Ci
；当量直径n
Ed
；固体性n
s
；凹凸性n
Co
；(4)基于步骤(3)中测量及计算所得的产品物理参数，采用非线性部分最小二乘NLPLS方法，建立磷回收产物纯度的软测量模型；对于新的磷回收产品，使用已经建立的NLPLS模型对产品纯度进行预估分析，并利用新的预估分析数据结合原来的NLPLS模型，采用递推算法对模型进行更新。2.如权利要求1所述的磷回收产品纯度的软测量方法，其特征在于，步骤(2)中的处理包括增强色差与对比度，对图片中的磷回收产品的二维平面形状进行描边处理。3.如权利要求1所述的磷回收产品纯度的软测量方法，其特征在于，步骤(4)中建立磷回收产物纯度的软测量模型具体包括如下步骤：Ⅰ.将测量及计算所得的样品形貌参数作为数据驱动的样本集合，表示为{x(i)，y(i)}，其中x(i)表示第i组输入数据，即步骤(3)中所得的参数，y(i)表示第i组输出数据，为产品的纯度，将输入数据构成矩阵X、将输出数据构成输出矩阵Y；Ⅱ.基于输入输出数据建立NLPLS模型，具体包括：对矩阵X和Y进行归一化处理，使之均值为0，方差为1，然后将输入矩阵进行列扩展，扩展项为径向基函数(RBF)神经网络的隐节点输出矩阵G和元素全为1的列向量1，其中G的每一行对应一个输入向量作用下的隐节点的输出，隐节点的偏置项系数为1；对如下增广输入矩阵和输出矩阵进行部分最小二乘(PLS)回收：{[1 X G]，Y}，得到的NLPLS模型表示为：式中XE表示增广输入矩阵，A和H分别为对应原始输入向量和对应RBF网络隐节点输出向量的权值系数矩阵，b为输入偏置向量，T表示转置，c为隐节点中心向量、σ为相应宽度向量、A与H为权值系数矩阵。4.如权利要求3所述的磷回收产品纯度的软测量方法，其特征在于，步骤Ⅱ中，隐节点中心向量c、相应宽度向量σ、权值系数...

【专利技术属性】
技术研发人员：李兵，黄跃飞，韩京成，武晓峰，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：