一种优化电解精炼高纯铟产品合格率的方法及系统技术方案

本发明专利技术涉及一种优化电解精炼高纯铟产品合格率的方法及系统，属于高纯度金属产品质量控制和优化领域。采用统计机器学习方法建立高纯铟产品质量预测模型，利用高纯铟产品质量预测模型预测高纯铟产品是否合格，并在不合格时优化原料成分占比和/或电解槽工艺参数。本发明专利技术利用统计机器学习方法优化电解精炼高纯铟产品合格率，保证了电解精炼产品的稳定性。保证了电解精炼产品的稳定性。保证了电解精炼产品的稳定性。

【技术实现步骤摘要】
一种优化电解精炼高纯铟产品合格率的方法及系统


[0001]本专利技术涉及高纯度金属产品质量控制和优化领域，特别是涉及一种优化电解精炼高纯铟产品合格率的方法及系统。

技术介绍

[0002]高纯铟是指纯度达到99.999％以上的铟元素单质，具有质软，可塑性、延展性好的优点，是半导体、高纯合金以及薄膜太阳电池中不可缺少的材料。高纯铟制备的方法目前主要有电解精炼法，真空蒸馏法和区域熔炼法。其中，电解精炼法是将粗铟提纯成99.999％以上高纯铟的常用方法。然而，粗铟原料中杂质成分的不稳定性会导致电解精炼产品合格率的不稳定性，如何在不同成分的粗铟原料下，保证电解精炼产品的稳定性是一个重要的问题。

技术实现思路

[0003]本专利技术的目的是提供一种优化电解精炼高纯铟产品合格率的方法及系统，利用统计机器学习方法优化电解精炼高纯铟产品合格率，保证电解精炼产品的稳定性。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种优化电解精炼高纯铟产品合格率的方法，包括：
[0006]在预设时间段内收集电解精炼本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种优化电解精炼高纯铟产品合格率的方法，其特征在于，包括：在预设时间段内收集电解精炼高纯铟过程中电解精炼的原料成分占比、电解槽工艺参数和对应检测的高纯铟产品质量结果；所述高纯铟产品质量结果为合格或不合格；以原料成分占比和电解槽工艺参数为自变量，以高纯铟产品质量的检测结果为因变量，采用统计机器学习方法建立高纯铟产品质量预测模型；将待预测电解精炼高纯铟的原料成分占比和电解槽工艺参数输入所述高纯铟产品质量预测模型，输出预测的高纯铟产品质量结果；当所述预测的高纯铟产品质量结果为不合格时，优化原料成分占比和/或电解槽工艺参数，直至预测的高纯铟产品质量结果为合格。2.根据权利要求1所述的优化电解精炼高纯铟产品合格率的方法，其特征在于，所述原料成分包括铅、铜、硫和锡；所述原料成分占比包括铅的质量浓度、铜的质量浓度、硫的质量浓度和锡的质量浓度；所述电解槽工艺参数包括铟离子浓度、温度、PH值和电解槽电压。3.根据权利要求1所述的优化电解精炼高纯铟产品合格率的方法，其特征在于，所述以原料成分占比和电解槽工艺参数为自变量，以高纯铟产品质量的检测结果为因变量，采用统计机器学习方法建立高纯铟产品质量预测模型，具体包括：以原料成分占比和电解槽工艺参数为自变量，以高纯铟产品质量的检测结果为因变量，建立数据集；采用多种降维方法分别对数据集进行降维，获得多种降维后的数据集；利用每种降维后的数据集训练多种机器学习分类算法，获得每种降维后的数据集对应的多个预测模型；采用五折交叉验证计算每个预测模型的ROC曲线下面积，并将最大ROC曲线下面积对应的预测模型作为高纯铟产品质量预测模型。4.根据权利要求3所述的优化电解精炼高纯铟产品合格率的方法，其特征在于，多种所述降维方法包括主成分分析、Fisher投影和t
‑
SNE降维方法；多种所述机器学习分类算法包括决策树、支持向量机、逻辑回归和随机森林。5.一种优化电解精炼高纯铟产品合格率的系统，其特征在于，包括：样本数据收集模块，用于在预设时间段内收集电解精炼高纯铟过程中电解精炼的原料成分占比、电解槽工艺参数和对应检测的高纯铟产品质量结果；所述高纯铟产...

【专利技术属性】
技术研发人员：连正亨，陈丽诗，伍美珍，陆文聪，贾元伟，彭巨擘，张家涛，
申请(专利权)人：云南锡业集团控股有限责任公司研发中心，
类型：发明
国别省市：