[发明专利]基于神经网络的富集过程热监测方法

权利要求书

1.一种基于神经网络的富集过程热监测方法，包括如下步骤：

(1)获取富集过程热监测信号及其相关影响参数作为输入变量；

对于各种形式的富集柱或富集床(R)，内部填充富集材料，包含入口和出口，出口设置检测器(D)，所述的检测器(D)得到出口处被富集样液的浓度变化，其信号引至计算机(PC)处理得到被富集样液的浓度变化率，利用至少三个温度传感器(S)测量富集柱或富集床(R)的热变化，其输出信号通过温度变送器(T)送至计算机(PC)处理，所述的多个温度传感器(S)沿富集柱或富集床(R)中心轴线分散安装，同时获得多个温度传感器(S)在富集柱或富集床(R)的相对位置，以及被富集样液的流速和富集柱或富集床(R)的洗脱体积，并输入计算机(PC)；

所述的检测器(D)的检测原理可以是量热、光度、电化学和电容方法等；

所述的温度传感器(S)可以是热电阻、热电偶等，可以是点状、柱状等；

所述的洗脱体积指富集柱或富集床(R)从加样开始到检测器(D)检测出峰所经过的时间期间内流出的洗脱液体积；

(2)建立神经网络；

所述的神经网络是基于L-M算法的BP神经网络；

所述的神经网络包括一个输入层、一个中间层和一个输出层；

所述的输入层包括如下输入变量：多个温度传感器(S)的输出热信号XS1～XSn及其对应的相对位置XL1～XLn、被富集样液的流速XF和洗脱体积XV；

所述的输出层的目标为被富集样液的浓度变化率Y；

所述的神经网络，可以通过Matlab、C/C++等系统编程实现；

(3)对所述的神经网络进行训练和测试；

变化不同的工况参数和被富集样液的浓度按照所述的步骤(1)获取富集过程热监测信号及其相关影响参数作为输入变量，同时利用富集柱或富集床(R)出口的检测器(D)得到被富集样液的浓度变化率，并以此作为训练和测试样本；

按照所述的步骤(2)建立神经网络，设置训练次数及训练目标误差，使用训练样本进行训练；

当所述的神经网络训练结束后，利用测试样本检验，当所述的神经网络在测试样本数据的预测误差低于规定水平即通过测试，可以用于富集过程的描述和预测工作；

(4)利用所述的神经网络进行富集过程的描述和预测。