[发明专利]湿法冶金浓密洗涤过程关键变量检测方法

权利要求书

1.湿法冶金浓密洗涤过程关键变量检测方法，采用已知的湿法冶金浓密洗涤过程工艺，由硬件支撑平台和软件系统组成，其特征是在过程中直接控制进入浓密机中的进料流量、进料浓度、溢流流量和底流流量，通过混合模型建模，实时预测溢流浓度和底流浓度，包括数据采集、辅助变量选择和数据处理、混合模型建立步骤： 

1)数据采集 

数据采集所用的设备硬件包括浓密洗涤过程关键变量检测系统、上位机、PLC和现场传感变送部分，其中现场传感变送部分包括浓度、流量和压力检测仪表；检测仪表负责过程数据的采集与传送，在浓密过程现场安装检测仪表，检测仪表将采集的浓度值、流量和不同高度的压力分布信息实时通过数据总线送到PLC，PLC通过以太网定时将采集信号传送到上位机，上位机把接收的数据传到浓密洗涤过程关键变量预测系统，进行溢流浓度和底流浓度的实时检测； 

PLC功能：负责把采集的信号A/D转换，并通过以太网把信号传送给上位机； 

上位机功能：收集本地PLC数据，传送给浓密洗涤过程关键变量检测系统，实时检测溢流浓度和底流浓度； 

2)辅助变量选择和数据处理 

选择的辅助变量包括： 

(a)进料浓度x₁； 

(b)进料流量x₂； 

(c)底流流量x₃； 

(d)溢流流量x₄； 

首先将采集到的传感器测量数据进行标准化处理： 

                         ① 

式中x_i－处理后数据； 

X_i－样本数据； 

X_max－样本数据最大值； 

X_min－样本数据最小值； 

3)混合模型建立： 

将机理模型与数据模型并联组成混合模型，实现对浓密洗涤过程关键变量进行实时检测； 

依据固体通量理论和质量守恒理论建立浓密洗涤过程的机理模型； 

                      ② 

式中q_f－单位面积入料流量； 

C_f－进料浓度； 

D－弥散系数； 

δ－狄拉克冲量； 

z－浓密机的高度； 

z_f－进料高度； 

v_s－沉降速度； 

C－矿浆浓度； 

t－时间； 

q－浓密池内单位面积流量； 

采用分层的思想，将浓密池分为若干浓度均匀的浓密层，每一层都满足柯西沉降理论假设； 

分层后将上述的质量平衡方程转化为一阶微分方程组，即将求解复杂的偏微分方程转化为求解一阶微分方程组，如式③； 

     ③ 

式中q_e－单位面积溢流流量； 

q_u－单位面积底流流量； 

q_f－单位面积入料流量； 

C_f－进料浓度； 

D－弥散系数； 

n－分层的层数； 

z－浓密机的高度； 

z_f－进料高度； 

v_s－沉降速度； 

C－矿浆的浓度； 

沉降速度函数选用Takács沉降速度模型为： 

                     ④ 

式中C－沉降体的浓度； 

v₀'－实际上固体颗粒最大沉降速度； 

v₀－理论上固体颗粒最大沉降速度； 

r_h－决定速度变小的性能参数，由于颗粒之间的相互作用时速度变小； 

r_p－溶液浓度较小时，决定速度变大的性能参数； 

C_min－沉降速度为0时，最小的浓度； 

本发明中采用PLS偏最小二乘作为数据建模方法拟合机理模型的未建模动态； 

基于混合模型的浓密洗涤过程关键变量预测方法依如下步骤进行： 

步骤一、机理模型参数计算：根据历史数据辨识机理模型中的参数； 

步骤二、机理模型预测：利用机理模型对溢流浓度和底流浓度进行预测，并记录预测结果； 

步骤三、采集数据：收集离线化验的溢流浓度和底流浓度以及离线化验值所对应的传感器测量的工艺操作参数； 

步骤四、将预测结果与真实检测结果进行比较，计算预测结果与真实值之间的差值； 

步骤五、数据模型训练：将采集到的传感器测量数据与上述预测结果与真实值之间的差值组成输入输出数据对，利用上述PLS方法进行训练，得到数据模型中的参数； 

步骤六、混合模型的预测：将机理模型与数据模型并联组成混合模型，实现对溢流浓度和底流浓度进行实时预测；