（控制理论与控制工程专业论文）基于支持向量机的电解液成分预测.pdf

l l ， at h e s i sf o rt h ed e g r e eo fm a s t e ri nc o n t r o lt h e o r ya n dc o n t r o l e n g i n e e r i n g t h e e l e c t r o l y t ec o m p o n e n t s ，p r e d i c t i o nb a s e d o ns u p p o r t 跆c t o rm a c h i n e b yt o n g z h e n s u p e r v i s o r ：a s s o c i a t ep r o f e s s o rw a n gx i a o g a n g n o r t h e a s t e r nu n i v e r s i t y j a n u a r y2 0 0 8 矿一0 2，1 ；# 垂 1 1 l ，甜九 、峄 f v，t ， 本人声明所呈交的学位论文是在导师的指导下完成的。论文中取得的 研究成果除加以标注和致谢的地方外，不包含其他人已经发表或撰写过的 研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示诚挚 的谢意。 学位论文作者签名： 签字日期 ： 童凝 滞t l 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论 文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和 磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部 或部分内容编入有关数据库进行检索、交流。 ( 如作者和导师同意网上交流，请在下方签名：否则视为不同意) 学位论文作者签名：壹蓄良 鲁师签名： 签字日期 ：签字日期： ；q；0， 毒， 。， 东北大学硕士学位论文 摘要 基于支持向量机的电解液成分预测 摘要 电解生产过程往往要涉及很多复杂的物理、化学反应，其相互作用和影响使得电解 过程呈现出高度的非线性。要想更好的控制电解化学反应过程，就必须获得足够的电解 铜生产过程信息：电解生产过程中的热工参数，如温度、压力、流量、液位等都比较容 易获得，对它们的控制也易实现。然而对一些决定产品质量的关键参数如电解液中铜、 酸离子的浓度等很难实现在线测量。现在这些参数仍然采用实验室采样分析方法进行检 测，这往往会产生较大的时间滞后，不能及时反馈数据信息，这就使电解铜生产过程的 控制与优化受到了阻碍。软测量技术是解决这一难题的有效途径。它利用过程中的一些 相关信息来估计这些不可在线检测的变量，这种技术既容易实现又节约成本，是一种非 常可行的办法。 本文重点研究了基于支持向量机的软测量建模方法，从支持向量机的理论研究、核 函数及其参数的选择方面进行了详细的讨论。对支持向量回归模型参数的选取方法进行 了多种方法的比较，找到了一种基于多目标寻优的参数选择方法，从而减小了回归模型 的复杂度提高了模型的泛化性能。 针对黑箱模型过度依赖训练数据，不具有实际物理意义等问题，本文综合经典的电 解化学反应机理知识与支持向量机方法，提出了并行结构的混合模型，它以金属平衡方 程、容积平衡方程为基础建立机理模型，利用支持向量机方法来弥补机理建模忽略的因 素和生产状况的变化对模型造成的影响，实验表明这种混合模型得出了可靠而且泛化性 能更好的结果，并且降低了对训练数据大小的依赖程度。 课题主要从软测量模型结构、电解反应过程机理模型的建立、基于支持向量机的建 模方法、模型参数的选择四个方面进行了深入的理论研究，并以某冶炼厂的电解车间的 电解铜生产为研究背景对软测量系统的实现技术进行了仿真实验研究。从软测量模型预 测的逼近效果，均方误差值，可以看出此方法在电解液铜酸成分预测中的有效性。 关键词：软测量；电解铜；支持向量回归；多目标遗传算法； 一i i t h y 一 r 东北大学硕士学位论文 t h e e l e c t r o l y t ec o m p o n e n t s p r e d i c t i o nb a s e d o ns u p p o r tv e c t o r m a c h i n e a b s t r a c t t h e p r o c e s so fe l e c t r o l y s i su s u a l l yc o n t a i n so fas e r i e so fc o m p l e xp h y s i c a la n dc h e m i c a l r e a c t i o no c c l l rw h i c hl e a dt ot h ei n t e r a c t i o n sa n ds t r o n gn o n l i n e a r i t i e sa m o n gt h ep r o c e s s v a r i a b l e s m o r e o v e r , t og e tb e t t e rc o n t r o lp e r f o r m a n c e ，d e t a i l e de l e c t r o l y t ei n f o r m a t i o ni sa l s o r e q u i r e d o nt h eo t h e rh a n d ，t h et h e r m ot e c h n i c a lp a r a m e t e r si nt h ee l e c t r o l y s i sp r o c e s ss u c h a st e m p e r a t u r e ，p r e s s u r e ，f l o wr a t ea n dl i q u i dl e v e la r ee a s yt om e a s u r ea n dc o n t r o l ，w h i l et h e m o s ti m p o r t a n tp a r a m e t e r ss u c ha sc o p p e rc o n c e n t r a t i o na n dv i t r i o lc o n c e n t r a t i o nw h i c hh a v e a l li m p o r t a n ti n f e c ti nt h eq u a l i t yo ft h ep r o d u c t s ，a r eh a r dt om e a s u r eo n l i n e s o f ts e n s o r sa r e m o r ea t t r a c t i v ea st h e ya l ec h e a p ，f l e x i b l e ，e a s yt oi m p l e m e n ta n dh a v en om e a s u r i n gd e l a y t h ek e yi d e ao fs o f t - s e n s i n gi st oe s t i m a t et h eh a r d - t o m e a s u r ep a r a m e t e r su s i n ge a s i l y a v a i l a b l ep r o c e s sv a r i a b l e s t h i sd i s s e r t a t i o ni sm a i n l yf o c u s i n go nt h ed e v e l o p m e n to fs o f t s e n s i n gm e t h o d sb a s e d o ns u p p o r t i n gv e c t o rm a c h i n e s t h ed e t a i l e dd i s c u s s i o n sh a v eb e e ne x p a n d e dp a r t i c u l a r l y f o r mt h e o r ys t u d yo fs u p p o r tv e c t o rm a c h i n e ，c h o o s i n gk e r n e lf u n c t i o na n dp a r a m e t e r s s o m e p a r a m e t e rs e l e c t i o nm e t h o d sf o rs u p p o r tv e c t o rr e g r e s s i o nm o d e lh a v eb e e nc o m p a r e di nt h i s p a p e r an e wp a r a m e t e rs e t t i n gm e t h o d sf o rb u i l d i n gs v rm o d e lw a sp r o p o s e db a s e do n m u l t i - o b j e c to p t i m a la l g o r i t h m s 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 lc o n s t r u c t e db yt h e o p t i m a lp a r a m e t e r sh a ss u p e f i o rl e a r n i n ga c c u r a c ya n dg e n e r a l i z a t i o np e r f o r m a n c e a i m i n ga tt h ep r o b l e m st h a tab l a c k - b o xm o d e li sd i f f i c u l tt oi n t e r p r e ta n du s u a l l yo v e r d e p e n do nt h et r a i n i n gd a t a , ap a r a l l e lh y b r i dm o d e li sp r e s e n t e db yc o m b i n i n gp r i o rp r o c e s s k n o w l e d g ea n ds u p p o r tv e c t o rm a c h i n e s i ti sc o m p r i s e do ft w op a r t s ，t h em e c h a n i s mm o d e l b a s e do nm e t a lb a l a n c ea n dc u b a g eb a l a n c eo ft h ep r o c e s s ，a n das u p p o r tv e c t o rm a c h i n e s m o d es e r v i n ga sac o m p e n s a t i o no fi g n o r e dp r o c e s sf a c t o r sa n dp r o d u c t i o nv a r i a t i o n t h e e x p e r i m e n t a t i o ns h o w st h a tt h eh y b r i dm o d e lc a np r o v i d er e l i a b l ep r e d i c t i o n sa n dg o o d p e r f o r m a n c ew i t hl e s st r a i n i n gd a t a t h eq u e s t i o nf o rs t u d yi sm a i n l ya i m e da tt h es t n l c 眦o fs o f t - s e n s i n gm o d e l ，t h e b u i l d i n go fe l e c t r o l y t em e c h a n i s mm o d e l ，t h ea p p r o a c ho fb u i l d i n gs o r s e n s i n gm o d e lb a s e d o ns u p p o r tv e c t o rm a c h i n ea n dt h es e l e c t i o no fm o d e lp a r a m e t e r s i na d d i t i o n , t h er e s e a r c hi s c o m b i n e dw i n lt h es o f ts e n s o ra p p l i c a t i o ni na ne l e c t r o l y t i cc o p p e rs m e l t i n gp l a n t f r o mt h e a p p l i c a t i o nr e s u l t st oar e a le l e c t r o l y t es y s t e m ，w ec a l ld e m o n s t r a t et h ev a l i d i t yo ft h i s r e s e a r c hi nt h ep r e d i c t i o no fe l e c t r o l y t ec o m p o n e n t s 一i i i ， ， k e y w o r d s ：s o f ts e n s o r ；e l e c t r o l y t i cc o p p e r ；s u p p o r tv e c t o rr e g r e s s i o n ；m u l t i - o b j e c t i v eg e n e t i c a l g o r i t h m s i v ， 东北大学硕士学位论文 独创性声明 摘要 a b s t ra c t 第一章绪论 1 1 引言。 1 2 论文的研究背景 1 3 软测量技术的基本原理 1 3 1 辅助变量的选择一 1 3 2 采集数据的处理。 1 3 3 软测量模型的建立4 1 3 4 软测量模型的在线校正6 1 4 软测量的应用现状。6 1 5 本课题的研究意义7 第二章i s a 电解生产过程分析9 2 1 电解铜生产概况9 2 1 1 电解反应机理9 2 1 2 电解生产工艺。1 0 2 2 影响电解铜质量的因素1 l 2 2 1 铜酸浓度的影响1 l 2 2 2 电解液循环速度1 2 2 2 3 电解过程电流密度的影响1 2 2 2 4 杂质浓度的影响1 2 2 2 5 温度的影响1 3 2 3 影响铜酸浓度的因素分析。1 3 2 3 1 电解液循环系统的过程变量。1 4 2 3 2 阳极铜的作用1 4 2 3 3 其它因素的影响1 4 2 4 铜酸浓度预测的可行性分析1 4 2 5 小结。1 5 第三章支持向量机及其参数选择算法的改进。1 7 3 1 支持向量机的发展1 7 一v 一 大学硕士学位论文目录 统计学习理论。1 7 3 2 1 经验风险最小化原则1 7 3 2 2 结构风险最小化原则与v c 维1 8 支持向量机算法2 0 3 3 1 支持向量机分类理论2 0 3 3 2 支持向量回归理论2 1 3 3 3 核函数一2 4 支持向量机训练算法2 5 3 4 1 两变量的二次规划子问题2 5 3 4 2 二次规划求解后相关变量的更新2 8 3 4 3 待优化变量的选择及s m 0 算法步骤3 0 支持向量机参数及其选择方法31 多目标优化算法3 2 3 6 1 多目标优化问题的基本概念3 2 3 6 2 传统的多目标优化方法3 3 3 6 3 非支配排序多目标遗传算法( n s g a i i ) 3 4 基于n s g a - i i 的支持向量机回归模型参数选取3 7 3 7 1 目标函数的确定3 8 3 7 2 个体的表示和编码方式3 9 3 7 3 支持向量回归参数选取3 9 3 7 4 决策最优参数4 0 3 7 5 仿真结果4 l 3 8 本章小结4 4 第四章基于混合策略的电解过程软测量建模4 5 4 1 问题的提出4 5 4 2 电解液中铜酸成分变化的机理分析4 5 4 2 1 铜离子浓度4 5 4 2 2 硫酸浓度4 6 4 3 铜酸成分软测量混合模型4 6 4 3 1 混合模型。4 7 4 3 2 黑箱模型4 8 4 4 软测量模型的建立5 0 4 5 仿真结果5 1 4 5 1 混合模型与黑箱模型输出的比较5 3 4 6 软测量模型的校正5 4 一v i ， ， ， ， 东北大学硕士学位论文第一章绪论 第一章绪论 1 1 引言 随着生产技术的发展和生产过程的日益复杂，为了保证生产装置安全、高效地运行， 需对与系统的稳定及产品质量密切相关的重要过程变量进行实时控制和优化控制。但是 就目前来说，由于受传感器技术发展水平的限制，一直没有很好地解决化学成分在线测 量的问题。在线成分分析仪表虽然能进行成分测量，但其价格昂贵、维护保养复杂、而 且预测结果具有较大的滞后，难以得到广泛的应用。 随着计算机技术的发展，为了解决此类关键变量不可直接测量的问题，“软测量 的感念应运而生。与传统的测量技术不同。软测量的基本思想是把自动控制理论与生产 过程知识有机结合起来，应用计算机技术，对于难于测量或暂时不能测量的重要变量( 或 称为主导变量) ，通过构成某种数学关系来推断和估计，以软件来代替硬件( 传感器) 功能。这类方法具有响应迅速，连续给出主导变量信息，具有投资低，维护保养简单等 优点。 目前，国内外许多学者都致力于研究软测量模型的建立方法和各种优化方法，神经 网络已经成功得应用到软测量领域【l l 。但是，神经网络依然存在诸多缺陷，需要事先指 定网络结构，容易陷入局部最优以及泛化能力差等。在这种情况下，人们需要一种更有 效的学习方法来克服神经网络的缺陷，二十世纪九时年代支持向量机【2 】( s v m ，s u p p o r t v e c t o rm a c h i n e ) 方法应运而生。它是一种针对小样本学习问题的通用学习算法，由a t & t b e l l 实验室的v a p n i k 等人提出，起源于统计学习理论( s l t ，s t a t i s t i c a ll e a r n i n g t h e o r y ) 和v c 理论的发展。支持向量机比神经网络具有更坚实的数学理论。由于采用结构风险 最小化( s t r u c t u r a lr i s km i n i m i z a t i o n ，s r m ) 准则，大大地提高了模型的泛化能力，成功 地解决了神经网络过学习的问题。支持向量机只有唯一最优解，也克服了神经网络训练 容易陷入局部最优的问题。随后s v m 在回归和时间序列预测方面取得了很好的效果。 现在s v m 己成为继神经网络之后一个新的研究热点。 本文正是针对电解生产高纯度阴极铜的过程，通过研究基于电解过程机理模型和支 持向量机模型相结合的混合建模方法，来建立电解过程的软测量模型，从而实现电解液 成分的在线检测。 1 2 论文的研究背景 一切工业过程生产的目的都是为了获得合格的产品，于是质量控制成了所有控制的 核心。电解铜的生产过程就是铜电解的精炼过程，它是一种复杂的化学反应过程。为了 11 东北大学硕士学位论文第一章绪论 实现良好的质量控制，就必须对产品质量或与产品质量密切相关的重要过程变量进行严 格的质量控制。精确、快速的测量又是控制的前提，但由于生产过程严重滞后及其它方 面的原因，造成生产对象中的一部分变量很难通过传统传感器测量。为解决此类过程的 控制问题，以前往往采用两种方法【3 】：一种方法是采用间接的质量指标控制，但此法很 难保证最终质量指标的控制精度；另一种方法是采用在线分析仪表，设备投资较大，维 护成本高，并且由于其自身精度和较大的测量滞后而使得调节品质下降。因此除少数特 殊情况以外，并没有被工业控制界广泛接受和采纳。因此急需一种更好的检测方法的出 现。 1 3 软测量技术的基本原理 软测量的基本思想是根据某种最优准则，选择一组既与主导变量有密切联系又容易 测量的变量，称为辅助变量，通过构造某种数学关系，用计算机软件实现对主导变量的 估计。 软测量模型的基本结构如图1 1 所示。其中：4 为不可测扰动，破为可测扰动，u 为输入变量，x 为可测的辅助变量，y 为估计变量的测量值( 可通过传感器测得，也可通 过实验室分析或其它离线方法测得) 。 图1 1 软测量模型的基本结构 f i g1 1t h es t r u c t u r eo fs o f ts e n s i n gm o d e l 软测量的目的就是利用所有可获得的信息求取主导变量的“最优”估计值y ，即可 构造函数f ( ) ， y = f ( d 2 ，甜，x )( 1 1 ) 函数f ( ) 即为要构造的数学关系，也就是要构造的软测量模型。 近年来软测量技术获得了很大的发展，其研究涉及到冶金、石油、化工和环保等领 域。与软测量有关的技术如数据误差检测、辅助变量选择以及模型校正等问题也正在引 起人们的关注。然而从总体上看，软测量技术的研究成果仍然是理论多于应用，还有很 多实际问题有待解决。 一2 一 东北大学硕士学位论文第一章绪论 软测量技术共有四个要素，辅助变量的选择、数据处理、软测量模型的建立和模型 的在线校正，其中最重要的是软测量模型的建立。 1 3 1 辅助变量的选择 辅助变量的选择包括变量类型、变量数目和检测点的选择，这三个方面是相互关联、 互相影响的，由过程特性决定，此外还受设备价格和可靠性、安装和维护的难易程度等 外部因素制约。 就变量类型的选择，目前软仪表中使用最广泛的是与主导变量动态特性相近、关系 紧密的可测参数。二次变量可选数目的下限是被估计变量数，而最佳数目则与过程的自 由度、测量噪声以及模型的不确定性有关。 对于很多工业过程而言，与所选择的二次变量相对应的检测点位置的选择也是相当 重要的。比如电解生产过程由许多化学物质储存容器和反应容器组成，其可供选择的检 测点相当多，但每个检测点所能发挥的功效却各不相同。通常，在选择二次变量数目的 同时，检测点的位置也得到确定。用于选择二次变量数目的原则同样被应用于检测点位 置的选择。 1 1 3 2 采集数据的处理 数据处理包括误差处理和数据变换两个部分。 误差处理 从工业生产过程中采集到的数据误差主要有随机误差和过失误差两类误差。随机误 差受随机因素的影响，如操作过程的微小波动和检测信号的噪声等。对于随机误差除剔 除跳变信号外，常采用数字滤波法。 过失误差包括仪表的系统偏差( 如堵塞、校正不准和基准漂移等) 、测量设备失灵 以及不完全或不正确的过程模型。过失误差出现几率虽小，但它的存在会严重恶化数据 的品质，可能导致软测量甚至整个过程优化的失效。常用的校正方法有统计假设检验法、 广义似然比法和贝叶斯法等。 数据变换 对数据的变换包括标度、转换二个方面。工业过程中的测量数据有着不同的工程单 位，变量之间在数值上相差几个数量级，直接使用这些数据进行计算可能会由于机器字 长有限而丢失信息，或者引起算法的数值不稳定性问题，利用合适的因子对数据进行标 度，能够改善计算的精度和稳定性。 转换包括对数据的直接转换以及寻找新的变量替换原变量两个含义。通过对数据的 转换，可有效的降低非线性特性。 一3 一 东北大学硕士学位论文 第一章绪论 1 3 3 软测量模型的建立 软测量技术的核心是建立软测量模型，即如何建立工业过程控制对象的数学模型。 建立软测量模型的方法众多，依据人们对工业生产过程的认知程度，可主要分为以下三 种方法：纯机理建模的方法，基于数据的建模方法和机理加数据的混合建模方法，下面 分别介绍。 机理分析建模 机理建模方法是建立在对工艺机理深刻认识的基础上，通过列写宏观或微观的质量 平衡、能量平衡、动量平衡、相平衡以及反应动力学等方程，来确定难测的待测变量和 易测的二次变量之间的数学关系。 与其它方法建立的模型相比，机理模型的可解释性强、外推性能最好，是最理想的 软测量模型。但是机理模型也有其不足的地方：第一个不足之处是模型的专用性，不同 对象的机理模型无论模型结构还是模型参数都千差万别，模型的可移植性较差；第二个 不足之处是机理建模过程要花很大的人力物力，从反应本征动力学和各种设备模型的确 立、实际装置传热传质效果的表征到大量参数( 从实验室设备到实际装置) 的估计，每 一步都很困难；第三个不足是当模型复杂时求解较困难，由于机理模型一般是由代数方 程组、微分方程组甚至偏微分方程组所组成，当模型结构庞大时，其求解过程的计算量 很大，收敛慢，难以满足在线实时估计的要求。 基于数据的建模方法 对于机理尚不清楚的对象，可以采用基于数据驱动的建模方法建立软测量模型，该 方法从历史的输入输出数据中提取有用信息，构建主导变量与辅助变量之间的数学关 系。该方法无需了解太多的过程知识，是一种通用的软测量建模方法。根据对象是否存 在非线性，该建模方法又主要分为线性回归方法、人工神经网绍方法、支持向量机方法 等。 l 、线性回归方法 线性回归方法是一种经典的建模方法，不需要建立复杂的数学模型，只要收集大量 辅助变量的测量数据和主导变量的分析数据，运用统计方法将这些数据中隐含的对象信 息进行提取，从而建立主导变量和辅助变量之间的数学模型。线性回归中最经典的方法 是最小二乘法，该方法描述如下： ， 已知因变量l ，和自变量x ，他们之间存在如下所示的线性函数关系： 】，= 邶+ e( 1 2 ) 其中： 一4 一 东北大学硕士学位论文 x = x l ix _ l x 1 2x _ 2 x hx m 卢是待求的未知参数， 卢的估计值为： 可以看出，要求式( 1 - 3 ) 各个元素之间存在严重的多重相关性或者x 中的样本点与变量个数相比而言较少的时 候，最小二乘估计便会失效，进而引发一系列应用方面的问题。 针对最小二乘某些方面的不足，很多学者做了大量的工作，提出了很多解决方案， 部分最小二乘( p l s ) 就是其中的一种。 对于线性或者弱非线性的对象而言，部分最小二乘法由于其简单的结构而得到了广 泛的应用，但是对于强非线性的系统，线性的部分最小二乘法将不再适用，据此很多学 者提出了相应的非线性最d x - - 乘法。 ： 2 人工神经元网络方法 在软测量技术应用领域里，大多数过程特点是系统的非线性和复杂性j 要建立较高 精度的估计模型对主要变量估计是十分困难的。人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k , 砧蝌) 具有良好的非线性映射能力，自学习适应能力和并行处理能力，任何非线性函数 都可以由一个三层前向网络以任意精度来逼近。基于人工神经网络建模本质是一种参数 辨识法，然而与其他方法不同之处是神经网络本身可以作为一种辨识模型的结构，学习 的目的使所有要求的误差准则函数达到最小，从而归纳出隐含在系统输入输出数据中的 映射关系。软测量建模中常采用的人工神经网络结构有，b p ( b a c kp r o p a g a t i o n ) 网络、 多层前向网络、基于径向基函数( r b f ，r a d i a lb a s i cf u n c t i o n ) 人工神经网络，并出现 了许成功的应用案例【1 l 【4 l 。人工神经网络建模的缺点是对一些复杂的问题，训练时间较 长，收敛速度太慢，而且可能陷入局部极小。 3 支持向量机法 支持向量机( s u p p o r tv e c t o rm a c h i n e ，简称s v m ) 是一种小样本学习理论，大多数 传统的发方法都是基于经验风险最小原则，使训练误差达到最小；而s v m 则基于结构 风险最小化原则，最小化的是推广误差的上界，从而通过在模型的复杂性和训练误差之 间寻找平衡点，得到一个最优的网络结构，较好的解决了过学习和欠学习问题。另外， s v m 的训练等价于一个线性约束二次规划问题，从而可以得到唯一的全局最优解，而 一5 一 工业实际装置在运行过程中，随着操作条件的变化，其过程对象特性和工作点不可 避免的要发生变化和漂移，因此在软测量仪表的应用过程中，必须对软测量模型进行在 线校正才能适应新的工况。 软测量模型的在线校正可以表示为模型结构和模型参数的优化过程，具体方法有 k a l m a n 滤波技术在线修正模型参数；有的则利用分析仪表的离线测量值进行在线校正。 为解决模型结构修正耗时长和在线校正的矛盾，有人提出了短期学习和长期学习的校正 方法。短期学习是在不改变模型结构的情况下，根据新采集的数据对模型中的有关系数 进行更新；而长期学习则是在原料、工况等发生较大变化时，利用新采集的较多数据重 新建立模型。 1 4 软测量的应用现状 软测量技术是对传统测量手段的补充，可以解决有产品质量、生产效益等关键性生 产参数无法直接测量的问题，为提高生产效益、保证产品质量提供了强有力的手段。近 年来，软测量技术己在炼油、精细化工、生物化工等过程控制中得到了广泛的应用，其 中报道最多的是推断控制。在推断控制中，软测量作为控制系统中的反馈环节或估计器， 与各类控制器、控制策略结合使用，为之提供快速准确的系统状态信息，构成基于软测 一6 一 东北大学硕士学位论文 第一章绪论 量的控制。软测量技术在过程优化中也有应用，此时软测量或者为过程优化提供重要的 调优变量估计值，成为优化模型的一部分；或者本身就是重要的优化目标，直接作为优 化模型使用。根据不同的优化模型，按照一定的优化目标，采取相应的优化方法，在线 求出最佳操作条件，使系统运行在最优工作点处，实现自适应优化控制。通过软测量估 计出的重要过程参数和状态，可以实现生产过程的在线优化管理，如报表的产生，各种 参数的趋势，操作工艺流程图，报警信息等，使工业过程的操作监视直观方便。 显然，在上面提到的软测量的各种应用中，软仪表的精度和可靠性成为软测量成功 应用的关键。从1 3 3 节的描述中可知目前软测量建模方法的研究多种多样，但是大多 数方法尚停留在理论研究和计算机仿真阶段，有些软仪表拟合精度不错但预测性不好， 有些则抗干扰性较差，或者计算量大，在线更新和学习能力不够等等，这些不足使得很 多方法离实际应用还有一段距离。在工业上应用比较多的是基于p l s 的方法i l o j ，主要 因为p l s 算法结构简单、易于维护、物理意义明确、鲁棒性较好。但是对于工业对象非 线性较强的情况，只能处理轻微非线性的p l s 算法往往不能满足要求。支持向量机在非 线性工业对象中也得到了越来越多的应用，基于该方法建立的许多软测量模型己经用于 实际生产【1 1 1 【1 2 】【1 3 】【1 4 1 。此外，在软测量模型的实际应用中，不但要注重建模方法的选择， 对影响软测量模型的其它因素，如变量选择等也要注意，特别是要结合切实有效的在线 校正算法，充分利用人工分析数据来保证软仪表运行的可靠性。 1 5 本课题的研究意义 电解过程存在于许多现代工业过程中，电解液成分是电解过程中重要的过程参数， 直接影响着电解过程的控制和优化，以及电解产品的质量和产量。为了对电解过程进行 有效的优化控制，使先进的控制算法与策略得以实际应用，迫切需要对电解液成分进行 实时检测。目前大型电解铜冶炼生产过程都相继采用了不同先进程度的计算机集散控制 系统( d c s ) ，电解生产过程与电解液中铜酸浓度紧密相关的过程数据采集和监测较为 全面。这就为软测量建模提供了必要的数据条件，从而保证了软测量方法的实施。 本文依据电解车间d c s ，控制系统提供的过程实时监测控制数据，采用与铜酸浓度 相关的过程数据建模和机理分析建模相结合的方法，根据过程变化对铜酸浓度进行在线 预测。如果铜酸浓度能够进行在线预测，那么就可以由铜酸浓度的变化情况对电解生产 的可调过程量进行自动调整。为实现电解铜质量的在线动态控制具有十分重要的意义。 一7 一 论文 第一章绪论 一8 一 东北大学硕士学位论文第二章i s a 电解生产过程分析 第二章i s a 电解生产过程分析 2 1 电解铜生产概况 铜作为一种重要的战略物质，具有优良的性能和广泛的应用价值【l5 1 ，随着经济和社 会的发展，铜以其优良的性能必将成为电子、通讯、交通、宇航、能源、家电、机械工 程等行业新型合金材料中必不可少的替代金属，并广泛应用于国民经济的各个部门。 铜的冶炼方法 1 6 1 主要有干式冶炼法( p y r 0 - m e t a l l w g y ) 和湿式冶炼法( h y d r 0 m e t a l l u r g y ) 两种。干式冶炼法主要用于硫化矿的处理，通过选矿铜品位浓缩到2 0 - - 4 0 的精铜矿 做出表层熔炼，从表层得到粗铜( c r u d ec o p p e o 的转炉工程( c o n v e t i n g ) 和将粗铜精制的电 解精带u ( e l e c t r o - - r e f m i n g ) 等3 个工程。另外，最近通过将粗铜用干式法( p y r op r o c e s s ) 进 一步精制，得到的阳极( a n o d e ) 再进行电解精制。 湿式冶炼法可以处理低品位铜，其工艺过程简单、能耗低、投资费用少、建设周期 短，因此生产成本低。湿法炼铜工艺没有二氧化硫烟气排放，避免了由硫酸过剩所造成 的环境污染。由于溶剂萃取技术对铜的选择性很好，因此铜电解液纯度很高，产出的阴 极铜质量更高。目前世界上绝大多数铜冶炼厂采用湿式冶炼工艺。 2 1 1 电解反应机理 电解就是电解液中各粒子在电流作用下发生化学反应的过程。在电解【”1 精炼过程 中，阳极上比铜负电性的离子移入电解液中，而比铜为正电性的离子沉淀于槽底，阳极 铜 图2 1 电解反应过程 f i g 2 1e l e c t r o l y z i n gc e l lr e a c t i o np r o c e s s 不断地溶解而将电子放出，结果阳极表面上的一些铜离子，因为失去了电子，便移 一9 一 第二章i s a 电解生产过程分析 ( 2 1 ) ( 2 2 ) ( 2 3 ) 所以日+ 成为日：的反应实际上是不会发生的。 反应为： ( 2 4 ) ( 2 5 ) 用下阳极金属原子不断地失电溶解，铜离子得到 电子在阴极板上析出，达到电解持续不断地进行。 2 1 2 电解生产工艺 电解铜的生产过程就是铜电解的精炼过程，其主要目的有2 个，其一是获得品位较 高的铜以满足电气工业及合金制造的需要，其二是综合回收及富集阳极铜中的有价金 属。 i s a 电解法又称永久阴极法，和传统电解的基本原理是一样的，其主要特点就是取 消了传统电解生产过程中的种板生产系统，生产槽中的阴极用不锈钢代替，简化了生产 工序，在生产中可以重复使用而不被消耗。i s a 电解生产法是当今世界上最先进的电解 铜生产工艺，具有高电流密度、短极距、阴极板生产周期短的优点，已广泛被各大型铜 1 冶炼企业所采用。不同企业采用i s a 电解生产工艺存在着细微的差别，但基本上是相同 的。如下图所示，大致包括电解液循环系统、阴极钛板加工系统和阳极板加工系统三个 主要部分。 一1 0 ， 东北大学硕士学位论文 第二章i s a 电解生产过程分析 图2 2i s a 电解生产工艺 f i g2 2i s ae l e c l r o l y z a t i o np r o d u c t i o nt e c h n o l o g y 电解液循环部分是维持电解生产的最重要部分，首先来自净液工段的净化电解液经 储液槽进入到电解循环槽。为保证循环过程中电解液各粒子的浓度维持在一定范围内， 循环槽内的一部分电解液去净液工段进行净化，另一部分经过换热器加热到要求温度后 注入到高位槽。依靠电解槽和高位槽之间的高度差，电解液从高位槽自流到电解槽。同 时从电解槽内溢流出的电解液又返回到电解循环槽内进行循环。当电解槽一个电解周期 完成后槽内上部液体流入上清液槽，底部液体经过压滤、净化作业后滤渣送往金银加工 车间加工，滤液重新进入储液槽进行循环。 2 2 影响电解铜质量的因素 阴极铜的化学成分和表面结晶质量是对电解铜质量进行评价的重要指标。从整个电 解生产过程进行分析可知，电解铜质量主要与下列因素有关。 2 2 1 铜酸浓度的影响 电解生产的过程就是金属原子从阳极上溶解，然后在阴极上析出的过程。事实表明， 只有维持一定的铜离子和硫酸浓度才能保证电解过程的持续进行。在电解生产过程中， 电解液铜酸浓度对阴极铜的质量起着直接决定性影响。 由电解反应的机理和实践证明【1 8 】：铜电解精炼过程中，最不希望的i i 元素( a s ， s b ，b i ) 8 0 以上是以其盐类的水解产物( 漂浮物) 形式通过电泳的方式迁移至阴极并夹杂 在阴极中。实际生产过程中，通过适当增大电解槽内电解液酸的浓度可以达到抑制各种 盐类的水解、减少杂质在阴极上析出的目的。同时，电解液中酸度愈大，电解液的导电 性愈好；但电解液中硫酸浓度也不可能无限制地增大。若硫酸浓度过大，硫酸铜的溶解 度就会降低，严重时导致硫酸铜从电解液中结晶析出而附着在电解槽内和管壁上，影响 正常电解生产的进行。而且硫酸浓度越大，电解槽内阳极区达到c a 2 + 饱和浓度值就越小， 由公式l ：z f d l a c 【1 9 】中a c 变小，使阳极最大允许密度减小。这样，即使在较低的阳极 东北大学硕士学位论文 第二章i s a 电解生产过程分析 电流密度下也可能发生阳极钝化，硫酸的主要作用是提高溶液的导电性。酸浓度的上限 受到铜溶解度的限制。研究表明，硫酸存在可以防止生成铜的碱性化合物，后者改变放 电机理。电解液中酸的浓度较低，就会导致电解槽压升高，降低电能的利用率。为提高 电能的利用率，现在有逐步采用高酸电解液进行电解的趋势。 维持电解液中一定浓度的铜离子，也是电解铜生产过程重要指标。铜离子浓度过大。 或过小均对电解生产造成不利影响。铜离子浓度过大，就容易导致电解槽电压升高，电 流效率下降，甚至出现硫酸铜结晶析出的情况，相反，铜离子过低，会导致杂质在阴极 放电析出。所以，合适的铜离子浓度可以抑制电解液中的杂质在阴极的析出，有助于提 高阴极铜产品的质量。 2 2 2 电解液循环速度 在电解过程中，电解液循环速度过慢易造成c u 2 + 迁移缓慢，而增大阴、阳极表面附 近的浓差极化，引起槽电压升高；此外也会使阴极铜析出时因缺c u 2 葡造成结晶疏松、 粗糙、甚至析出铜粉。 电解液循环速度过快