[发明专利]基于即时学习的稀土萃取过程药剂量优化设定方法

说明书

本发明公开了一种基于即时学习的稀土萃取过程药剂量优化设定方法。该方法包括：针对由于机理模型和实际萃取过程不匹配等原因，导致机理模型得到的药剂量设定值并不是最优工作点的问题，首先建立以综合经济效益最大为目标的稀土萃取过程的优化模型，并利用数据驱动方法，对模型的关键参数进行预测；然后，运用智能优化算法进行最优药剂量求解，得到理论最优药剂量；最后，运用即时学习的思想，在理论最优药剂量附近进行局部在线建模，并对该局部模型进行优化求解得到最优的药剂量补偿值，即新的稀土萃取过程药剂量优化设定，如果经济效益增量大于设定阈值，则将该设定值施加到实际生产中，不断迭代该算法，既保证了萃取过程稳定性，又可进一步提高稀土萃取生产的效率和经济效益。

技术领域

本发明涉及湿法冶金工业中的稀土萃取领域，具体是稀土萃取中的药剂量设定方法，特别是涉及一种基于即时学习的稀土萃取过程药剂量优化设定方法。

背景技术

我国稀土资源十分丰富，轻、中、重稀土配套完善，各类稀土品种齐全。20世纪80年代，在“串级萃取理论”指导下，我国稀土产量超过了美国，成为世界第一稀土生产国，我国稀土冶炼分离水平全球领先并延续至今，控制着高纯单一稀土的全球市场。

由于稀土萃取机理复杂、工艺流程长、萃取效率受环境影响大，由机理模型得到的药剂量设定值并不是实际生产过程的最优设定值，稀土萃取控制系统以该值为设定值会导致企业生产效率低，资源消耗大，产品质量不稳定，成为制约稀土萃取工业发展的瓶颈。因此，进行在线实时的稀土萃取过程药剂量优化设定的研究，可以保证稀土萃取过程保持在最佳生产状态，提高生产效率，降低药剂的使用，取得较好的经济效益和社会效益。

因此，随着稀土萃取分离企业工厂基础自动化水平的提高，大量生产数据被存储在工厂生产数据库中。如何结合基于模型和基于数据方法的特点，运用即时学习的思想，提供一种基于即时学习的稀土萃取过程药剂量优化设定方法，首先由机理模型优化得到理论最优工作点，然后，在实际生产数据中，对该工作点局部在线建模优化得到理论药剂量的补偿值，并通过迭代补偿进一步提高稀土萃取生产的经济效益，实现稀土萃取绿色化生产。

发明内容

为克服现有技术的不足，本发明提供一种基于即时学习的稀土萃取过程药剂量优化设定方法。其是针对稀土萃取过程反应机理复杂、工艺流程长、萃取效率受环境影响大等问题，导致仅靠机理模型、离线试验和人工经验对萃取剂流量和洗涤剂流量进行设定的方法难以保证产品质量和生产流程最优的问题，结合基于模型和基于数据方法的特点，运用即时学习的思想，实现一种基于模型和数据的稀土萃取分离过程药剂量在线智能优化设定方法，提高稀土萃取生产的效率和经济效益。

本发明公开的技术方案是一种基于即时学习的稀土萃取过程药剂量优化设定方法，是利用即时学习的思想，实现基于模型和数据的稀土萃取过程药剂量优化设定方法，根据萃取平衡和物料平衡的稀土萃取静态机理模型基础，建立以综合经济效益最大化为目标的稀土萃取过程经济效益最优的优化模型，并对模型的相应参数进行预测；

运用JITL(Just-in-time learning)的方法，在理论最优药剂量设定值的局部进行在线建模，并对该局部模型进行优化求解得到最优的药剂量补偿值；通过迭代补偿逐步逼近稀土萃取过程药剂量的最优设定值；实现稀土萃取过程药剂量优化设定在线智能设计，使稀土萃取过程始终工作在最优工作点，从而提高稀土萃取全流程生产的经济效益，实现稀土萃取分离智能化。

本发明所述的基于即时学习的稀土萃取过程药剂量优化设定方法，其，包括：

稀土萃取过程经济效益最优的优化模型是基于生产指标、料液配分、药剂浓度、药剂流量、料液浓度、皂化度为入矿条件，以单位时间内综合经济效益最大为目标；

构成数据样本，是通过获取一定时间段稀土生产过程数据集，稀土萃取过程的入矿条件、边界条件、生产指标、药剂量参数，单位时间的综合经济效益和组分含量值；

运用这些数据样本对机理模型进行工艺参数预测；