[发明专利]一种稀土萃取过程实时优化的方法、装置及计算机可读存储介质在审
| 申请号: | 202110744355.1 | 申请日: | 2021-07-01 |
| 公开(公告)号: | CN113377075A | 公开(公告)日: | 2021-09-10 |
| 发明(设计)人: | 肖炘;曾玉娇;聂亚玲;朱闽;石绍渊 | 申请(专利权)人: | 中国科学院过程工程研究所 |
| 主分类号: | G05B19/418 | 分类号: | G05B19/418 |
| 代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 边人洲 |
| 地址: | 100190 *** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 稀土 萃取 过程 实时 优化 方法 装置 计算机 可读 存储 介质 | ||
1.一种稀土萃取过程实时优化的方法,其特征在于,所述方法包括如下步骤:
(1)建立稀土萃取分离过程的混合软测量模型;
(2)根据步骤(1)所述混合软测量模型对稀土萃取过程的实时数据进行实时预测的结果,利用评价模型对所述混合软测量模型进行评价,进行模型自适应校正和/或输出误差补偿,得到校正后模型;
(3)根据步骤(2)所述校正后模型,选取优化目标和决策变量,构建稀土萃取过程中生产参数的优化模型,并优化求解,得到实时的优化决策变量。
2.根据权利要求1所述的方法,其特征在于,步骤(1)所述混合软测量模型包括依据机理建模方法和支持向量机方法结合进行;
优选地,所述机理建模方法包括萃取分配平衡建模和物料平衡建模;
优选地,所述支持向量机方法包括利用最小二乘支持向量回归法进行建模;
优选地,利用所述支持向量机方法对所述萃取分配平衡建模中的分配比进行建模。
3.根据权利要求1或2所述的方法,其特征在于,步骤(2)所述评价模型的性能评价指标包括误差变量的条件方差估计值;
优选地,所述性能评价指标的确定包括:采用高斯混合模型描述混合软测量模型的误差分布特征,并确定误差变量的条件方差估计值;
优选地,进行所述模型自适应校正和/或输出误差补偿的方法为滑动窗口法。
4.根据权利要求1~3任一项所述的方法,其特征在于,在所述混合软测量模型对稀土萃取过程的实时数据进行实时预测之前,所述实时数据先经稳态化预处理;
优选地,所述稳态化预处理包括对实时数据进行初处理直至满足稳态检验为止,得到稳态实时数据。
5.根据权利要求1~4任一项所述的方法,其特征在于,步骤(3)所述优化目标包括经济效益;
优选地,所述决策变量包括操作参数,优选为萃取剂流量、洗涤液流量和水相料液流量。
6.根据权利要求1~5任一项所述的方法,其特征在于,步骤(3)所述优化模型的约束条件包括模型等式约束和限制不等式约束;
优选地,所述模型等式约束为步骤(2)所述校正后模型;
优选地,所述限制不等式约束包括生产条件约束、产品质量约束或决策变量边界约束中的任意一种或至少两种的组合;
优选地,所述优化求解的算法包括改进粒子群进化算法;
优选地,所述改进粒子群进化算法的决策向量搜索空间为根据决策变量的参数调节范围,定义决策向量搜索空间;
优选地,所述改进粒子群进化算法的参数包括种群大小、最大进化代数、惯性权重和加速因子;
优选地,所述改进粒子群进化算法中计算各个个体的适应度函数值包括:将种群中每个个体作为系统变量输入萃取过程的混合软测量模型,计算系统的运行成本与约束违反程度项作为个体适应度值;
优选地,所述改进粒子群进化算法中利用混沌的遍历性搜索进行惯性权重的更新;
优选地,所述改进粒子群进化算法中加速因子采用线性递减或线性递增的更新方法;
优选地,所述改进粒子群进化算中自适应变异操作包括:对种群中的每个个体,根据差分变异和高斯变异两种不同变异算子产生两个不同的变异向量;将两个所述变异向量所对应的适应值和当前个体的新适应值进行比较,根据贪婪原则选择适应度最优者作为下一代;
优选地,所述改进粒子群进化算中采用基于可行规则的方法进行约束条件处理,通过支配关系的判断,进行个体极值和全局极值的更新。
7.一种稀土萃取过程实时优化的装置,其特征在于,所述装置能够实现权利要求1~6任一项所述的稀土萃取过程实时优化的方法。
8.根据权利要求7所述的装置,其特征在于,所述装置包括建立稀土萃取分离过程的混合软测量模型的建模模块;
获取萃取分离过程的实时数据的数据模块;
对建模模块建立的混合软测量模型进行评价和校正的模型评估校正模块;
构建稀土萃取过程中生产参数的优化模型,并进行优化求解的决策变量优化模块。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院过程工程研究所,未经中国科学院过程工程研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110744355.1/1.html,转载请声明来源钻瓜专利网。





