[发明专利]极谱法多金属离子浓度在线检测方法

说明书

技术领域

本发明涉及金属离子浓度检测领域，更具体涉及一种极谱法多金属离子浓度在线检测方法。

背景技术

锌湿法冶炼过程中，存在其他多种杂质金属离子。这些杂质金属离子通过净化过程中添加其他物料来除去，物料添加过多会造成资源浪费；物料添加不足就会造成杂质金属离子去除不彻底，将对后续电解工艺存在很大的危害。长期以来，锌湿法冶炼过程中多金属离子浓度采用人工离线检测的方法，这种检测过程复杂且滞后时间长，不能及时反馈浓度信息，造成资源浪费、污染物排放超标和能源过量消耗等严重后果。因此，亟须改进针对湿法冶金过程的多金属组分的在线分析方法，用以优化过程参数并实现节能减排降耗。

极谱分析方法用于金属离子浓度的检测，是通过产生的伏安特性曲线来计算出所检测离子的浓度，不需要进行信号的转换，就能直接记录，具有灵敏度高、速度快、操作方便的特点。但是在极谱法多金属离子浓度同时在线检测的过程中，对于特性相似的组分，由于激发电压接近会得到重叠的信号；另外，多组分中的主体成分由于其浓度高，产生的信号也将对其他的信号存在干扰，也将产生信号的叠加。传统化学测量常采用繁琐冗长的化学分离、掩蔽和提高仪器的分辨率等方法来获得单一组分的相关信息。然而在很多情况下，仅凭化学方法和提高仪器的分辨率对多组分体系进行分辨往往是非常困难的。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题就是针对极谱法实现多金属离子浓度实时在线检测时所得信号存在重叠峰的问题，提出一种基于状态转移算法（STA）的改进小波神经网络方法用于多金属离子浓度的实时在线测定。

（二）技术方案

本发明方法首先作出极谱曲线，然后采用离散小波变换求取所得极谱重叠信号的一阶导数，以此提取出相应的特征点作为小波神经网络的输入。继而采用小波神经网络建立极谱电流信号与金属离子浓度之间的关系。在使用训练集对小波神经网络进行训练时，为了使得网络模型更为精确，接着采用状态转移算法（STA）用于小波神经网络参数的离线训练过程，避免网络陷入了局部极值。最后，将训练得到的网络模型用于多金属离子浓度的实时在线检测。

本发明方法首先从采集到的极谱信号中得到相应的特征值。在采用极谱法进行离子浓度检测时，在扫描的电压范围内一般将采几万个数据，若将这些数据都作为小波神经网络的输入，势必使得计算复杂，且存在信息冗余。按极谱法进行离子浓度检测的原理可知，离子浓度与谱峰处的电流大小密切相关。因此，选取原始极谱信号中出现的峰信号及其一阶导数的相关极值点作为小波神经网络的输入。

该方法中所述的相应的特征点是选取极谱曲线中出现的对应于所测金属离子种类数量的峰值点和其相应的一阶导数曲线中数量为上述峰值点2倍的极值点，将上述总数量为所测金属离子种类数量3倍的特征点作为小波神经网络的输入。

采用离散小波变换求取信号的一阶导数，即采用某一小波母函数δ(x)对极谱信号进行j层分解时，产生的分解波子集和之间存在很小的偏移，根据离散数据微分公式，利用这个偏移求各个对应点的近似导数，得到信号C⁽⁰⁾的一阶导数X⁽¹⁾，其表达式可写成为：X(1)=CD2(m+1)(j)-CD2m(j).]]>