（控制科学与工程专业论文）湿法炼锌逆锑盐净化二段多金属离子浓度预报模型.pdf

厂 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的 地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包 含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共 同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名：l 望日期：趁! 年三月卫日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即：学校有 权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允 许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内 容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科 学技术信息研究所将本学位论文收录到中国学位论文全文数据库， 并通过网络向社会公众提供信息服务。 懒名：盟翩一 摘要 逆锑盐净化过程是湿法炼锌工艺的关键工序，主要通过加入锌粉 和锑盐置换除去硫酸锌溶液中的杂质离子。净化过程机理复杂、长流 程特性以及检测大滞后导致过程优化控制困难，因此研究净化过程多 金属离子浓度预报方法对实现过程的优化控制以及降低原料消耗具 有重要意义。 在分析湿法炼锌逆锑盐净化过程工艺和影响因素的基础上，结合 电化学理论、支持向量机方法和智能集成建模思想，实现净化二段出 口钴、镉离子浓度预报，其主要研究内容有： ( 1 ) 通过对金属离子置换反应机理进行分析，建立基于反应动力 学的机理模型，并采用偏最小二乘( p l s ) 方法对模型中扩散速度常数 进行辨识。并将所建模型进行工业数据验证，结果表明，模型能较好 的反映工业过程，但预测精度难以满足实际工业生产的要求。 ( 2 ) 针对机理模型预测精度低，研究基于最小二乘支持向量机 ( l s s v m ) 的钴、镉离子浓度预报方法。并对l s s v m 模型参数问题， 提出一种混合量子粒子群( h q p s o ) 算法对模型参数进行优化选择，提 高l s s v m 模型的学习性能和泛化能力。利用实际工业生产数据进 行仿真验证，结果表明，所建立模型具有较高的精度，但工况不稳定 或受到严重干扰时，模型预测结果不够理想。 ( 3 ) 结合机理模型和l s s v m 模型优势，建立基于机理模型和 l s s v m 模型的钴、镉离子浓度预报模型，并通过智能协调器对两个 模型的输出结果进行协调输出。实际工业数据仿真及对比结果表明， 智能集成模型比机理模型和l s s v m 模型具有更好的预测效果，能 为实际工业生产的优化操作提供依据。 关键词净化过程，离子浓度预测，机理模型，l s s v m ，智能 集成模型 厂 a b s t r a c t t h er e v e r s ea n t i m o n yt r i o x i d ep u r i f i c a t i o np r o c e s si st h e k e yp r o c e s s o fz i n ch y d r o m e t a l l u r g y , t h ea i mo fw h i c hi st or e m o v ea l ls o r t so f m e t a l l i ci m p u r i t i e sb ya d d i n gt h ez i n cp o w d e ra n d a n t i m o n yt r i o x i d e d u e t ot h ec o m p l e x i t yo fr e a c t i o nm e c h a n i s m ，t h ec h a r a c t e r i s t i co f l o n gf l o w , t h ee x i s t e n c eo fm e a s u r e m e n t d e l a y ，i ti sd i f f i c u l tt oc o n t r o la n d o p t i m i z e t h ep o l y m e r i z a t i o np r o c e s s i ti ss i g n i f i c a n tf o ra c h i e v i n gp r o c e s so p t i m a l c o n t r o la n dr e d u c i n gt h ec o n s u m p t i o no fr a wm a t e r i a l st om a k es o m e r e s e a r c ho nt h e a p p r o a c h e s o fp r e d i c t i o no ft h em u l t i m e t a li o n c o n c e n t r a t i o n b a s e do nt h ea n a l y s i so ft h et e c h n i q u e sa n di n f l u e n c i n gf a c t o r so f t h ep u r i f i c a t i o np r o c e s s ，ap r e d i c a t i o nm o d e lf o r t h ec o n c e n t r a t i o no ft h e c o b a l ta n dc a d m i u mi o n si sc o n s t r u c t e d b yc o m b i n i n gw i t ht h e e l e c t r o c h e m i s t r yt h e o r y , s u p p o r tv e c t o rm a c h i n e ( s v m ) a n di n t e l l i g e n t i n t e g r a t e dm o d e lt h e o r y t h em a j o ri n n o v a t i o nr e s e a r c hw o r ka n d a c h i e v e m e n t si n c l u d e d ： ( 1 ) am e c h a n i s t i cm o d e lb a s e do nr e a c t i o nk i n e t i c sw a se s t a b l i s h e d b ya n a l y z i n gt h em e t a l l i ci o n sr e p l a c e m e n tr e a c t i o nm e c h a n i s m a n dt h e d i f f u s i o nc o e f f i c i e n tc o n s t a n tw a si d e n t i f i e db y p a r t i a ll e a s ts q u a r e s ( p l s ) t h em o d e lh a sb e e nv a l i d a t e db yi n d u s t r i a ld a t a ，a n dt h er e s u l t ss h o wt h a t t h em o d e lr e f l e c t st h ei n d u s t r i a l p r o c e s s e sw e l l n e v e r t h e l e s s t h e c o m p l e x i t yo fm e c h a n i s ma n dt h es u p p o s i t i o n sa n ds i m p l i f i c a t i o n sd u r i n g m o d e l i n gm a k e i th a r dt om e e tt h en e e d o fp r a c t i c a li n d u s t r i a l r e q u i r e m e n t ( 2 ) p r e d i c t i o nm e t h o do ft h ei o nc o n c e n t r a t i o nw a ss t u d i e do nt h e b a s i so fl e a s ts q u a r e ss u p p o r tv e c t o rm a c h i n e ( l s s v m ) a i m i n ga tt h e p a r a m e t e ro p t i m i z a t i o np r o b l e mi nl e a s ts q u a r e ss u p p o r tv e c t o rm a c h i n e ， ah y b r i dq p s o a l g o r i t h m ( h q p s o ) f o rl s s v mp a r a m e t e rs e l e c t i o nw a s p r o p o s e dt oi m p r o v et h el e a r n i n gp e r f o r m a n c ea n dg e n e r a l i z a t i o no ft h e l s - s v mm o d e l t h e nt h ep r o d u c t i o nd a t af r o map u r i f i c a t i o np r o c e s so f z i n ch y d r o m e t a l l u r g yw a su s e dt ov e n f yt h em o d e lp e r f o r m a n c e ，t h e s i m u l a t i o nr e s u l t ss h o wt h a tt h em o d e li sw i t hh i g h e rp r e c i s i o n h o w e v e r , l s s v mm o d e le x s i t sl o w g e n e r a l i z a t i o na b i l i t yw i t hu n s t a b l ec o n d i t i o n s n a n di n t e r f e r e n c e ( 3 ) a i m i n ga tt h ep r o b l e m se x i s t i n gi nt h em e c h a n i s mm o d e la n d l s s v mm o d e l ，a ni n t e g r a t e dm o d e lb a s e do nm e c h a n i s mm o d e la n d l s - s v mm o d e lw a sp r o p o s e dt om e e tt h er e q u i r e m e n t so fp r a c t i c a l i n d u s t r i a lp r o c e s s t h ei n t e l l i g e n c ec o o r d i n a t o ra d j u s t e dt h eo u t p u t so f t w om o d e l s ，s ot h eo r g a n i ci n t e g r a t i o nw a sr e a l i z e d t h em o d e lw a s t e s t e db yt h ed a t af r o mp u r i f i c a t i o np r o c e s si nz i n ch y d r o m e t a l l u r g y , a n d t h es i m u l a t i o nr e s u l t ss h o wt h a tt h em o d e lh a sb e t t e rp e r f o r m a n c ea n d h i g h e rp r e c i s i o n ，w h i c ho f f e r e dr e f e m e c ef o ro p t i m i z i n go p e r a t i o no f p r a c t i c a lp r o d u c t i o np r o c e s s k e yw o r d sp u r i f i c a t i o n p r o c e s s ，i o n c o n c e n t r a t i o n p r e d i c t i o n ， m e c h a n i s mm o d e l ，l s - s v m ，i n t e l l i g e n ti n t e g r a t e dm o d e l i i i 目录 第一章绪论1 1 1 研究背景。1 1 2 湿法炼锌逆锑盐净化过程研究现状2 1 3 过程建模方法研究现状。3 1 3 1 机理建模方法4 1 3 2 基于数据驱动的建模方法4 1 3 3 智能集成建模方法6 1 4 论文的研究内容7 第二章湿法炼锌逆锑盐净化过程工艺分析9 2 1 锌湿法冶炼概述9 2 2 逆锑盐三段净化工艺介绍1 0 2 3 净化效果的主要影响因素1 3 2 4 基于主元分析的影响因素分析1 5 2 5 净化过程工艺指标1 7 2 6 净化过程建模思路1 8 2 7 本章小结2 0 第三章净化过程离子浓度机理预报模型2 1 3 1 金属离子置换反应机理2 l 3 2 净化过程动力学模型2 2 3 3 置换反应速度常数影响因素分析：2 4 3 4 偏最小二乘回归辨识方法2 5 3 5 机理模型仿真分析2 7 3 5 1 机理模型结构2 7 3 5 2 计算所需数据2 8 3 5 3 仿真结果2 9 3 6 本章小结3 0 第四章基于支持向量机的净化过程离子浓度预报模型一3 1 4 1 支持向量机回归3 1 4 1 1 线性支持向量机回归3 l 4 1 2 非线性支持向量机回归3 3 n i r 4 2 最小二乘支持向量机。3 4 4 2 1 核函数选择3 5 4 2 2 模型参数选择3 6 4 3 基于q p s ol s s v m 的净化过程建模3 7 4 3 1l s s v m 模型输入输出变量的确定3 7 4 3 2l s s v m 模型的结构3 7 4 3 3 建模数据的预处理3 7 4 3 4h q p s o 优化调整l s s v m 建模参数。3 9 4 4 仿真计算4 0 4 4 1 模型的仿真4 0 4 4 2 结果分析4 1 4 5 本章小结4 2 第五章基于智能集成的净化过程离子浓度预报模型4 3 5 1 机理模型和l s s v m 模型存在问题4 3 5 2 净化过程离子浓度建模分析4 3 5 3 基于智能集成的净化过程建模4 4 5 3 1 净化过程离子浓度预报模型结构。4 4 5 3 2 智能协调器的设计。4 5 5 3 3 净化过程离子浓度预报模型仿真4 7 5 4 净化过程离子浓度预报模型评价4 8 5 4 1 评价标准4 8 5 4 2 模型比较及结果分析4 8 5 5 本章小结4 9 第六章总结与展望5 0 参考文献5 2 至炙谢5 6 攻读学位期间主要研究成果5 7 中南大学硕士学位论文 第一章绪论 第一章绪论 金属锌，颜色为银白色，六面体晶体，是一种重要的有色金属。锌是第四“常 见”的金属，仅次于铁、铝及铜，锌金属具有良好的延展性、抗腐蚀性和耐磨性， 能和很多有色金属形成化学与物理性能更好的合金。锌金属及其化合物广泛的用 于镀锌、制造铜合金材、铸造锌合金、制造氧化锌、制造干电池、防腐和医药等 工业。从2 0 世纪初开始，随着锌湿法冶炼工艺开始应用于工业生产以及其不断 的改进，锌湿法冶炼已成为锌制取的最重要的方法【1 1 。在过去的几十年中，锌湿 法冶炼和其它冶金工业一样，在技术开发上着重于以高产、优质和低消耗等为目 标，以便给企业创造更多的经济效益。因此，在现有的锌湿法冶炼工艺和生产设 备的前提下，实时获取过程的信息，建立过程模型，是实现实际工业生产过程优 化运行，提高生产效率，降低生产成本的重要途径，也是目前企业极为关注并迫 切需要解决的关键问题。 1 1 研究背景 锌湿法冶炼生产过程是一个长流程、大滞后和非线性的复杂工业生产过程， 主要由焙烧、浸出、净化、电解和熔铸五个工序组成【2 】。首先，将硫化锌精矿等 炼锌原料经过焙烧得到氧化锌矿、氧化锌烟尘等产物；然后，采用稀硫酸对其进 行浸出，经固液分离操作除去不溶残渣；再将含有多种杂质离子的硫酸锌中性上 清液进行净化处理，除去各种杂质离子。最后，将电解液进行电解，得到电锌熔 铸成锌锭。硫酸锌溶液净化过程是锌湿法冶炼工艺中的最为关键的环节，其主要 目的是除去溶液中的各种杂质金属离子，为电解提供合格的电解液。硫酸锌中性 上清液中主要存在钴离子、镉离子、铜离子、镍离子等杂质离子，其中钴、镉离 子对电解的影响比较大。钴离子是危害电解析出的主要杂质之一，电解液中的钴 离子含量过高，不仅降低锌电解的电流效率，而且还会出现电解“烧板”的现象， 严重影响到电锌的质量；镉离子大量存在于中性上清液中，并且容易出现“复溶 现象，降低了电解液合格率，增加了锌粉消耗，增加了净化成本。据上述可知， 钴离子浓度是影响电锌质量和电解效率的一个重要参数，而镉离子浓度是影响净 化成本和电解液合格率的一个重要参数，因此，净化过程中的钴、镉离子浓度是 净化效果的重要判别指标，必须在实际工业过程中进行严格的监控【3 1 。 目前，株冶集团净化工段采用的是逆锑盐三段净化工艺，净化一段在温度 5 5 6 5 。c 的条件下，加入锌粉除去铜、镉杂质离子；净化二段在温度8 0 。9 0 。c 的条件下，加入锌粉和锑盐出去钴、镉杂质离子；净化三段在温度6 0 。7 0 。c 的 中南大学硕士学位论文 第一章绪论 条件下，加入锌粉除去复溶的镉杂质离子【4 】。 其中，净化二段除钴、镉离子工序是整个净化过程中最为关键的环节，是净 化效果好坏的主要影响因素。然而，目前国内湿法炼锌逆锑盐净化过程的工业生 产自动化水平较低，钴、镉离子浓度的检测皆采用人工化验的方式，而且净化过 程本身结构复杂，具有大滞后性。由于过程和离子检测的滞后导致现场技术人员 无法及时地获取离子浓度变化的情况，失去对实际工业过程控制的最佳时机。目 前，锌湿法冶炼净化二段过程中，锌粉的加入量只能通过简单的经验算法得到一 个粗略的结果，然后结合实际生产状况，运用现场技术人员的工作经验进行相应 的调节【5 】。通常情况下，现场技术人员根据经验加入过量的锌粉以保证净化二段 出口的钴、镉离子浓度达到工艺指标。在这种情况下，虽然保证了电解液的合格， 但是却极大的造成了锌粉的浪费，增加了净化过程的生产成本。 通过上述可知，在现有的工艺条件下，保证连续工业生产合格电解液的情况 下，降低锌粉的消耗，减少生产成本，提高企业经济效益已成为湿法炼锌逆锑盐 净化过程实际工业生产中急需解决的问题。通过对净化过程深入分析，建立净化 二段后液钴、镉离子浓度的预测模型，实现净化二段优化控制是解决这个问题的 基础。 因此，在国家8 6 3 项目“重金属冶炼过程多组分在线分析与检测技术 ( 2 0 0 9 a a 0 4 2 1 2 4 ) ，国家自然科学基金重点项目“面向节能降耗的有色冶金过 程控制若干理论与方法研究( 6 0 6 3 4 0 2 0 ) ，国家自然科学基金项目“数据驱动的 多相交互冶金过程能耗优化方法研究及应用( 6 0 8 7 4 0 6 9 ) ”，以及中南大学与株冶 集团共同开展的校企合作项目“湿法炼锌逆锑盐净化过程钴离子浓度在线检测和 优化控制系统”的支持下，对净化过程展开深入的研究和探讨，在保证电解液合 格的情况下，达到节约生产成本的目的。 1 2 湿法炼锌逆锑盐净化过程研究现状 湿法炼锌逆锑盐净化过程是通过在硫酸锌溶液中加入锌粉，置换沉淀除去溶 液中钴、镉杂质离子以及其它微量金属离子。在置换沉淀反应过程中，由于金属 离子的化学特性不同、金属离子间的相互影响等多种原因，导致其置换反应机理 非常复杂，因此国内外很多学者和专家对净化过程钴、镉离子浓度预测的机理和 方法进行了大量的实验研究工作。 郭忠诚【6 ，7 】等通过旋转圆盘法研究了锌离子、搅拌速度、溶液p h 以及温度对 锌片置换除钴的影响，并认为s b o ，或h s b o ，钻离子共沉积，形成金属间化合物 c o s b ，其化学反应方程如式( 1 1 ) 所示。 2 中南大学硕士学位论文第一章绪论 c 0 2 + + s b o ，+ 4 h + + z n + 3 e = c o s b + z n 2 + + 2 h ，o 2 2 f 1 1 1 c 0 2 + + h s b o + 3 h + + 5 2 z n = c o s b + 5 2 z n 2 + + 2 h ，o 、 c o s b 的标准还原电极电势比c o 高，在净化除钻过程中加入锑盐，能提高锌 粉置换除钴的热力学推动力，有利于置换反应的进行。 陈世珀1 8 , 9 】对湿法炼锌逆锑盐净化过程进行了详细的热力学和动力学分析， 指出置换反应控制步骤会随着体系条件的变化而发生变化。当体系温度升高时， 电化学步骤控制的置换反应过程会急剧加快，逐渐转变成由扩散作用控制。随着 置换反应过程的进行，置换剂锌表面厚度的增加也会导致置换反应由电化学控制 转化为扩散作用控制。 刘志宏【lo 】等针对湿法炼锌逆锑盐净化过程锌粉消耗过高的问题，深入研究 了三段逆锑净化工艺中锌粉加入量、净化温度、锌粉粒度、搅拌速度等因素对净 化效果的影响。大量的实验结果表明，锌粉加入量和净化温度两个因素是影响净 化效果的主要因素。 马进【l l 】等通过对湿法炼锌逆锑盐净化过程中的锌粉加入量、净化温度、溶液 p h 值、反应时间和钴复溶等影响净化除钻的相关因素进行了系统的实验研究， 露 并总结出了一个关于锌粉锌粉加入量与硫酸锌溶液中钴离子浓度的经验表达式。 将该经验公式应用于锌湿法冶炼净化除钴过程的实践生产中，取得了较好的效 果。 m u r e s a n t l 2 】以根据标准电极电位差的概念，通过对大量的实验结果进行分 析，得到了判断置换沉积过程速度是受扩散传质步骤控制还是电化学反应步骤控 制的经验法则。 4 d r e h o ”】等对湿法炼锌逆锑盐净化过程进行了大量的实验，主要研究了铜、 镉、锑、砷等对净化除钴过程的影响，指出从硫酸锌溶液中除去钴离子的最佳条 件，并得到了不同反应条件下的反应率系数。 以上对湿法炼锌逆锑盐净化过程研究主要是通过各种实验方法进行的，实验 结果得到了一些影响锌湿法冶炼净化除钻、镉过程的因素，在一定的程度上反应 了净化过程的机理，为本文将要展开的净化过程建模提供了基础。 1 3 过程建模方法研究现状 在冶金工业过程的研究中，建立准确的冶金过程模型对实际生产过程特性的 研究以及优化控制具有重要的现实意义。随着工业现代化的进程，企业要在激烈 的市场竞争中立于不败之地，急需降低生产成本，减小生产过程的资源消耗，提 高企业经济效益。这样给冶金过程优化控制提出了新的要求，也使得更多的新理 中南大学硕士学位论文 第一章绪论 论应用于过程模型的建立和模型性能的改善研究。过程建模方法主要分为三类， 机理建模方法，基于数据驱动的建模方法以及智能集成建模方法。 1 3 1 机理建模方法 机理建模方法是建立在对工艺机理深入分析的基础上，通过物料平衡、热量 平衡、动量平衡和动力学方程等理论建立起来的数学模型，是对过程的严格描述， 在很大程度上依赖于对实际工业过程物理、化学原理的认识。在对实际过程进行 机理建模时，一般需要利用很多的定理或者经验公式，并且作出一些合理的假设， 才能将关系式中的其它项转化为模型的输入、输出函数，最终获得过程的机理模 型。 机理模型具有可解释性强、外推能力好等特点，但机理模型也存在着很多的 不足之处。由于冶金过程存在复杂性和不确定性，对于某些特定的复杂过程，人 们对其结构和机理的了解程度不深，机理建模方法会遇到很大的困难，使得机理 建模方法的应用范围受到了一定的限制，因此要建立精确、可靠的数学模型十分 困难。在机理建模过程中，要确定过程的反应动力学、过程设备模型以及实际装 置的传热传质效果，因此机理建模需要花费很大的人力和物力。另外，机理模型 一般由代数方程组、微分方程组甚至偏微分方程组组成，结构比较复杂，往往 具有非线性或者阶次较高，模型求解的计算量大、收敛速度慢，难以满足实际 生产在线实时预测的要求。 1 3 2 基于数据驱动的建模方法 基于数据驱动建模方法不需要掌握很多的关于工艺机理的先验知识，也不需 要得到机理的具体数学描述，只需要获得工业过程的输入输出数据，经过统计分 析、数据处理以及人工智能等方法，从这些数据中提取反映实际工业过程的内在 关系信息，获得描述工业过程输入输出数据之间的数学模型1 4 , t 5 。这种方法的主 要优点是简单实用，在不深入研究工业过程机理的情况下，直接根据工业过程的 输入输出数据得到数学模型。并且，所获得的模型对现有数据的拟合程度高，求 解比较便捷，是一种通用的过程建模方法。基于数据驱动的建模方法主要有：回 归分析法、人工神经网络、模糊建模方法、支持向量机等。 ( 1 ) 回归分析法 回归分析法是在掌握大量观测数据的基础上，利用数理统计方法建立因变量 与自变量之间回归关系函数表达式。在复杂过程机理未知的前提下，根据历史数 据的变化规律，运用统计方法将历史数据中隐含的对象信息进行提取，建立自变 量和因变量之间的数学模型。回归分析法的技术成熟，模型建立简单，但回归模 型的误差较大，推广能力较差。 4 中南大学硕士学位论文第章绪论 ( 2 ) 人工神经网络 人工神经网络【1 6 】是一门新兴的边缘和交叉学科，在很多方面得到了广泛的 应用。人工神经网络的基本模式主要有：前馈型、反馈型、自组织型和随机型， 各种类型都具有不同的网络结构。人工神经网络可以在不同程度和层次上模仿人 脑神经系统的结构以及信息处理和检索等功能，对大量非精确性、非结构性规律 具有极强的自适应功能，具有自适应、泛化能力、非线性映射、高度并行处理以 及在线计算等优点，在一定程度上克服了随机性和非定量因素造成难以用严格的 数学公式表达的困难，较好地解决了复杂不确定性和时变性过程的建模问题。 在利用人工神经网络建模过程中，需要用大量的样本数据对神经网络进行训 练，以调整连接权值和阈值，建立过程的神经网络模型。神经网络从数据样本中 自动的学习历史经验而无需反复地查询和表述过程，虽然从理论上证明了其具有 任意精度逼近非线性连续函数的能力，但并非结构性证明，因此神经网络的性能 受到训练样本的空间分布、样本的质量以及训练算法的影响。神经网络模型是“黑 箱 模型，模型的知识表达具有不确定和不可解释性，在工业建模过程中一般采 用泛化能力来评价神经网络模型性能的好坏。当神经网络模型的训练数据不完 备，即预测样本超出训练样本的范围，模型不能给出正确的输出值，也就是说神 经网络模型的外推能力较差。这样神经网络模型对不完备性工业生产过程的建模 比较困难。 ( 3 ) 模糊建模方法 模糊建模方法主要是通过模仿人类的推理思维过程，对具有不确定性和不精 确性的工业过程建模的一种有效的方法【1 7 】。在利用模糊建模方法时，首先对工 业过程的操作区域进行适当的模糊划分，确定各模糊区域的隶属度函数。通常情 况下，可以先确定过程的一个或多个重要变量的模糊区间，再根据某种逻辑将这 些模糊区间进行组合，从而得到过程的模糊区。模糊区进行划分时，可以利用过 程的先验知识进行指导，根据模型结构和建模方法建立域模型，最后将域模型进 行组合，形成整个过程的模型。模糊建模方法不仅能够有效地处理过程中的不确 定和不精确相信，同时模糊化处理有利于抑制噪声，并且可根据模糊区域的划分 来调整模型的精度。但模糊系统的规划集和隶属度函数等只能通过经验来设计， 缺乏自学习和自适应能力。 ( 4 ) 支持向量机 支持向量机( s v m ) 作为一种基于结构风险最小化学习训练方法，较好地解决 了小样本、高维数、非线性、局部极小值等实际问题，具有很强的泛化能力，国 内外一些学者从不同的角度对其进行了研究和探洲1 8 】。f r i e s s 1 9 1 等提出了一种对 c s v m 变形的算帅s v m ( b o u n d e ds v m ) ，即在原目标函数中加一项6 么，它 5 中南大学硕十学位论文第一章绪论 的对偶表达式为边界约束问题，在保证推广误差的同时能提高了收敛速度。 m a n g a s a r i a n 2 0 】针对已有支持向量回归训练算法较为复杂且收敛速度较慢，采用 扩展方法使s v r 与支撑向量机分类( s v c ) 具有相似的数学形式，并在此基础上针 对大规模样本回归问题提出一种用于s v r 的简化s o r ( s u c c e s s i v e o v e r r e l a x a t i o n ) 算法。实验表明，这种新的回归训练方法在数据量较大时，相对其他训练方法有 较快的收敛速度，特别适于在大规模样本条件下的回归训练算法设计。s u y k e i l s 2 1 】 等提出了最d , - 乘支持向量机( l e a s ts q u a r e ss v m ，l s s v m ) ，它是标准支持向量 机的一种扩展，优化指标采用平方项，并用等式约束替代标准支持向量机的不等 式约束，即将二次规划问题转化为线性方程组的求解，降低了计算的复杂性，提 高了求解速度。此外，国内很多专家学者对支持向量机核函数选取、参数选择以 及数据处理等方面进行了研究。 卜艳萍等【2 2 】在分析基本微粒群优化算法和支持向量机原理的基础上，采用 带有末位淘汰机制的微粒群优化算法优化支持向量机的参数，该方法利用支持向 量机结构风险最小化原则和微粒群算法快速全局优化的特点。最后，将其运用到 延迟焦化装置粗汽油干点软测量中，仿真结果表明，所建模型具有较好的泛化能 力和较高的精度。 z h o ulc 等【2 3 】针对决定最小二乘支持向量机性能的两个参数：核参数和正 则化参数，提出将一种基于量子原则的粒子群优化算法应用到最d x - - 乘支持向量 机参数选择问题。并对一维典型的非线性函数s i n c 函数进行仿真研究，仿真结果 表明，基于量子粒子群算法的支持向量机参数选择法比基于粒子群算法的支持向 量机参数选择发具有更好的收敛能力和推广能力。 王凌云等【2 4 】针对湿法炼锌逆锑盐净化过程中杂质离子浓度检测的大滞后特 性和模型失效问题，提出了基于在线支持向量回归的离子浓度预测方法。该方法 对每个新样本进行增量学习，并剔除数据集中的旧样本，并应用于净化过程离子 浓度预测。结果表明该模型具有较好的泛化性能，有效的提高了适用工况的实时 性。 支持向量机建模方法具有学习速度快、泛化能力强、跟踪性能好以及依赖性 低等特点，随着支持向量机理论进一步的完善，已成为工业过程建模的研究热点。 1 3 3 智能集成建模方法 机理建模是在工艺机理分析的基础上建立类似方程式的模型，但由于工业过 程的复杂性、非线性和不确定性等因素，导致对工业过程认知总是有限的，机理 建模时存在着简化和假设。工业生产过程中存在大量数据，这些生产数据在一定 程度上可以反映过程的模型，因此，可以将简化机理模型与基于数据驱动的模型 结合起来，互为补充。机理模型可以提高基于数据驱动模型的推广能力，而基于 6 中南大学硕士学位论文第一章绪论 数据驱动的建模方法可以提取机理方法所无法解释的对象内部的复杂信息，能够 补偿简化机理模型的未知建模特性，有助于提高模型精度。 基于上述两种建模方法的局限性，在工业过程建模中引入了智能集成建模思 想【2 m 7 1 。针对实际工业生产过程具体问题，将多种建模方法结合起来，取长补 短，克服单一建模方法存在的缺陷。在存在简化机理模型的工业生产过程中，将 基于数据驱动模型与简化机理模型结合起来，互为补充。简化机理模型提供的先 验知识，把握过程的整体特性和基本变化趋势，为基于数据驱动模型节省训练样 本。同时基于数据驱动模型又能够补偿简化机理模型的未知建模特性，提高模型 精度。智能集成建模方法在考虑模型机理的同时，结合基于数据驱动模型，能够 更好的反映实际工业过程的真实情况，在现实中得到了广泛的应用。国内外很多 专家和学者在智能集成建模方面做了大量的研究工作，并取得了很多的研究成 果。 e d u a r d t 2 即等针对多传感器系统模型输入变量选取困难的问题，提出了一种级 联遗传算法，该算法克服了传统遗传算法不能剔除不相关变量的缺点，能够合理 的选择模型的输入变量。并将建立的f u z z y - a r t m a p 神经网络模型应用于气体 传感器组分的预测，仿真结果表明，所建模型能很好的反应实际生产过程。 王雅琳【2 9 】等针对具有强动态变化的铜转炉吹炼过程，提出了一种基于有限 数据信息的智能集成建模方法。引入动力学系数修正因子，基于有限的数据信息 和龙格一库塔公式，构建了动力学系数修正因子的优化模型。结合智能决策生成 的典型样本集，提出了基于微粒群算法和模式搜索法的混合智能算法确保有效 获得最优修正因子，为动态模型提供了最佳动力学参数。通过现场生产数据的仿 真实验，实验结果表明，所建模型能有效描述吹炼过程中铜锍组分及温度的动态 变化情况。 王春生【3 0 】等针对铅锌烧结传统配料方法成本高和准确率低的问题，提出了 一种结合了神经网络和改进灰色系统模型的智能集成模型。利用智能集成模型可 以得到铅锌烧结配料的优化配比，降低了烧结生产成本，提高了配料的准确率， 较好地解决了传统烧结配料方法中存在的成本高、准确率低的问题，为铅锌烧结 生产企业配料提供了有效途径。 1 4 论文的研究内容 湿法炼锌逆锑盐净化过程是一个存在诸多不确定因素的复杂工业过程，这些 不确定性和复杂性给净化过程模型的建立带来了极大的困难，用单一的建模方法 难以对过程进行准确的描述，因此本文将综合多种建模方法建立净化过程钴、镉 离子浓度预报模型。在分析净化过程工艺和净化出1 ：3 钴、镉离子浓度影响因素的 7 中南大学硕士学位论文 第一章绪论 基础上，建立基于机理模型和l s s v m 模型结合的离子浓度预报模型，为实现 湿法炼锌逆锑盐净化过程优化操作提供依据。论文后续章节研究内容安排如下： 第二章在介绍湿法炼锌的基本流程和逆锑法三段净化工艺流程的基础上，分 析净化效果的主要影响因素，阐述净化过程的工艺指标和优化控制方案，并在此 基础上提出本文的研究思路。 第三章通过对金属离子置换反应机理进行分析，建立湿法炼锌逆锑盐净化过 程钴、镉离子浓度机理预报模型，但该模型中的扩散速度常数受到很多因素的影 响，难以确定，本文采用p l s 方法对其进行辨识。最后，将所建机理模型进行 工业验证，并对仿真结果进行分析。 第四章基于改进的支持向量机算法，根据实际工业生产的历史数据，建立净 化过程钴、镉离子浓度l s s v m 预报模型。针对模型参数影响模型学习精度和 泛化能力问题，提出一种基于h q p s o 的l s s v m 参数选择方法，对模型的参数 进行优化选择。并将该模型进行工业验证，并分析仿真结果。 第五章分析机理模型和最小二乘支持向量机模型的优缺点，采用一个模糊协 调器将两个模型的输出进行集成，建立结合机理模型和l s s v m 模型的钴、镉 离子浓度预报模型，并与机理模型和l s s v m 模型进行仿真对比分析。 第六章总结和展望。总结本文的主要工作，并对后续工作进行探讨和展望。 中南大学硕士学位论文第二章湿法炼锌逆锑盐净化过程1 = 艺分析 第二章湿法炼锌逆锑盐净化过程工艺分析 在湿法炼锌过程中，净化工序的主要目的是除去硫酸锌溶液中的各种金属杂 质离子，为电解提供合格的电解液。金属杂质离子，特别是钴、镉离子直接影响 到电解效率和电锌质量，因此净化除钻、镉过程是锌湿法冶炼工艺中的一个关键 环节。 2 1 锌湿法冶炼概述 锌湿法冶炼过程是一个含有物理化学反应的复杂工业过程，主要由焙烧、浸 出、净化、电解以及熔铸五个工序组成，其工艺流程图如图2 1 所示。 塑年产匡严些霉骘冒骘 图2 1 锌湿法冶炼工艺流程图 锌湿法冶炼的原料主要分为两类，一类是锌的硫化矿，一类是锌的氧化矿。 在实际工艺生产中主要采用锌的硫化矿，而锌的硫化矿难溶于稀硫酸，因此首先 将锌的硫化矿进行焙烧，即使得锌的硫化矿转化为氧化锌和硫酸锌的形式。然后 将焙烧后的焙烧产物用稀硫酸进行浸出处理，适当的控制溶液p h 值，同时水解 沉淀铁、砷、锑等杂质，得到以硫酸锌溶液形态存在的锌，即中性上清液。再经 过净化处理，除去硫酸锌溶液中的铜、镉、钴等杂质。最后从电解液中电解析出 金属锌，熔铸成锌锭。 ( 1 ) 焙烧 锌的原料中，锌的氧化矿在地壳中蕴藏量不多，主要以硫化锌的形态存在， 而其不容易直接被还原成锌，因此先将硫化锌转变为易于还原的氧化锌。在常规 的锌湿法冶炼过程中，首先对硫化锌矿进行氧化焙烧，将硫化锌转变为氧化锌的 形式。硫化锌矿进行焙烧处理，得到焙烧产物和含高浓度s o ，的烟气，还可以除 去一部分金属杂质，如触、s b 、p b 、c d 等。 ( 2 ) 浸出 在实际工业生产中，浸出过程中采用稀硫酸溶液，即电解过程中的电解废液， 作为溶解溶剂，溶解焙烧产物中的锌。在进行浸出处理时，焙烧产物中的含锌化 合物会迅速的溶解进入溶液中，与物料中的其它组分分离，形成硫酸锌的形态。 实际工业生产中，浸出处理并不能完全把焙烧产物中的含锌化合物全部溶解，因 9 中南大学硕士学位论文 第二章湿法炼锌逆锑盐净化过程工艺分析 此必须将浸出残渣进一步的处理，以回收浸出渣中的锌和其它有价值金属。浸出 过程是整个锌湿法冶炼中的重要过程，起着关键的作用，浸出过程的工艺流程和 操作过程的控制技术条件是锌湿法冶炼厂的主要经济技术指标之一。 ( 3 ) 净化 在锌湿法冶炼浸出过程中，f e 、s b 、g e 、a s 等金属杂质离子大部分随水 解中和从溶液中除去，但是浸出液中仍然残留着c u 、n i 、c o 、c d 以及少量的 s b 、g e 、a s 等杂质离子。这些杂质离子的存在严重影响着锌电解过程，一方 面显著降低电流效率和电锌质量，另一方面增加了电能消耗，因此必须净化除去。 净化的主要目的是，除去对锌电解过程有害的杂质离子，提高硫酸锌溶液的质量， 以及回收有价值的金属。 硫酸锌溶液中的杂质离子主要分为三类：第一类是f e 、s b 、g e 、a s 、a i 、 硅酸等，这类杂质离子在中性浸出过程中，在控制好溶液的p h 值的情况下可以 大部分除去：第二类是c u 、n i 、c o 、c d 等，这类杂质离子则要通过加入锌粉 和锑盐、砷盐等相关的试剂置换沉淀除去；第三类是f 、c i 、m g 、c a 等，这 类杂质离子需要采取特殊的方法才能除去。 ( 4 ) 电解 电解过程中一般采用p b a g 合金板作为电解的阳极，纯铝板作为阴极，硫酸 锌溶液作为电解液。电锌的质量取决于电解过程的恰当控制和电解液的纯度。在 电解过程中，当直流电流接通时，电极阳发生氧化反应释放出氧气，电极阴极发 生还原反应析出电锌，化学反