学位论文 > 优秀研究生学位论文题录展示

砷盐净化除铜过程铜离子浓度预测模型的研究及应用

作　者: 许珂
导　师: 胡豁生
学　校: 中南大学
专　业: 控制科学与工程
关键词: 净化过程 机理模型 最小二乘支持向量机 智能集成模型 混合遗传算法 铜离子
分类号: TP18
类　型: 硕士论文
年　份: 2011年
下　载: 28次
引　用: 0次
阅　读: 论文下载
 

内容摘要


除铜过程是湿法炼锌工艺中砷盐净化法的第一道工序,该过程的目的是将溶液中铜离子浓度降低到工艺要求的范围内,消除后液铜离子对下一道工序的不利影响,保证后续工艺的正常进行。为了实现对出口铜离子浓度的有效控制,必须及时获取铜离子浓度的实时检测值。但实际生产中采用人工化验获取,存在滞后性强,准确度较低的问题,极易造成造成锌粉添加不合理、后续反应不顺利,从而增加了企业的生产成本和能耗。因此,深入研究除铜后液中铜离子浓度的预测具有十分重要的理论意义和应用价值。论文在深入分析除铜工艺和反应机理的基础上,研究了除铜过程的主要影响因素,依据化学反应动力学和物料平衡原理,建立了一种后液铜离子浓度的预测机理模型,但由于反应机理的复杂性与建模时的假设和简化,使得其预测精度难以满足工业生产要求；在此情况下,通过对历史生产数据地分析,并结合主元分析法(PCA)原理,建立了基于最小二乘支持向量机(LS-SVM)的后液铜离子浓度预测模型,该模型能很好地描述训练样本数据之间的关系,但当工况不稳定或干扰较大时,其预测结果精度下降、跟踪速度变慢。在综合考虑机理模型的全局拟合能力和最小二乘支持向量机模型的高度非线性映射能力的基础上,引入集成建模的思想,通过设计一个以生产工况稳定情况为判断准则的协调器,将两个模型进行智能融合,最终建立了预测段后液铜离子浓度的智能集成预测模型。最后,将机理预测模型、LS-SVM预测模型和智能集成预测模型分别应用于实际的除铜工艺过程,并从精度和鲁棒性两方面对比分析了各个模型的预测性能,结果表明智能集成模型较机理模型或LS-SVM模型的预测更准确、更稳定,为实现过程锌粉添加的优化控制提供了依据,为后续反应的顺利进行创造了条件

全文目录


摘要  3-4
ABSTRACT  4-8
第一章 绪论  8-17
  1.1 研究背景及意义  8-9
  1.2 锌湿法冶炼净化除杂工艺的研究现状  9-11
  1.3 复杂过程预测建模研究现状  11-15
  1.4 论文主要研究内容与结构安排  15-17
第二章 湿法炼锌砷盐净化除铜工艺简介  17-29
  2.1 常压富氧直接浸出炼锌概述  17-20
  2.2 锌粉-砷盐净化除铜工艺介绍  20-23
  2.3 影响净化除铜效果因素分析  23-26
    2.3.1 净化除铜过程中的主要因素分析  23-24
    2.3.2 基于主元分析法的输入变量选择  24-26
  2.4 净化一段后液铜离子浓度预测模型研究思路  26-28
  2.5 本章小结  28-29
第三章 净化除铜过程机理模型研究  29-42
  3.1 金属离子置换反应机理  29-30
  3.2 净化除铜过程机理建模  30-34
    3.2.1 除铜过程动力学方程  31-32
    3.2.2 物料平衡方程  32-34
  3.3 模型参数辨识  34-38
    3.3.1 模型参数影响因素分析  34-35
    3.3.2 支持向量机辨识原理  35-38
    3.3.3 基于SVM的参数辨识  38
  3.4 过程数据采集及预处理  38-40
  3.5 机理模型仿真分析  40-41
  3.5 本章小结  41-42
第四章 净化除铜过程的支持向量机建模研究  42-52
  4.1 最小二乘支持向量机  42-44
  4.2 混合GA的LS-SVM参数寻优  44-48
    4.2.1 核函数的选取  44
    4.2.2 核参数的影响  44-45
    4.2.3 混合GA的思想及算法流程  45-48
  4.3 基于混合GA的LS-SVM预测建模  48-51
    4.3.1 模型输入变量的确定  48-49
    4.3.2 预测模型的评价指标  49
    4.3.3 仿真实验与结果分析  49-51
  4.4 本章小结  51-52
第五章 净化除铜过程的集成建模研究  52-63
  5.1 集成建模思想概述  52
  5.2 一段后液铜离子浓度预测的智能集成建模  52-59
    5.2.1 模型特点及问题分析  53
    5.2.2 净化除铜过程智能集成模型的结构  53-55
    5.2.3 智能集成模型算法设计  55-57
    5.2.4 模型的仿真结果与分析  57-59
  5.3 模型的误差补偿  59-62
    5.3.1 基于GM(1,1)的补偿模型  59-62
    5.3.2 仿真结果  62
  5.4 本章小结  62-63
第六章 结论与展望  63-65
  6.1 结论  63-64
  6.2 展望  64-65
参考文献  65-70
致谢  70-71
攻读学位期间主要研究成果  71

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 用于铜、锌或铁离子检测的新型荧光探针分子合成及性能研究,O621.3
  3. 重金属离子和无机阴离子化学探针的设计与识别机制研究,O621.3
  4. 两种新型避孕材料遗传毒性的研究,R114
  5. EGSB-MBR-臭氧工艺处理竹制品废水研究,X798
  6. 农用柴油机润滑油中磨粒分析及浓度趋势预测,S218.5
  7. 求解非线性问题的混合遗传算法研究,TP18
  8. 组织循环发生阻尼运动的机理研究,F270.7
  9. DNA生物传感器用于基因点突变识别及新型传感界面的构建,Q75
  10. 加热炉钢坯温度建模及过程模拟,TP391.9
  11. 基于LS-SVM的开关磁阻电动机调速系统研究,TM352
  12. 300MW燃煤锅炉一次风优化研究,TK227.1
  13. 硫酸环境下砂浆抗侵蚀性能的试验与理论研究,TU578.1
  14. 阿尔兹海默病相关蛋白Aβ不同聚集体与铜离子的作用,R749.16
  15. 最小二乘支持向量机算法及应用研究,TP183
  16. 基于机理模型判据的图像中微弱特征提取方法研究及应用,TP391.41
  17. 基于支持向量机的企业信用风险评估研究,F224
  18. 基于SIS数据的过热汽温模型参数的辨识,N945.12
  19. 基于遗传算法的热力设备模型自校正研究,TK284.1
  20. 焦炉生产过程焦炭质量与炼焦能耗智能预测模型,TQ520.6

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com