[发明专利]一种稀土萃取过程多组分含量预测方法及系统

说明书

本发明提供一种有颜色特征和无颜色特征的稀土离子共存条件下多组分含量预测方法，涉及稀土萃取过程组分含量预测领域。该方法包括：稀土萃取过程存在组分含量难以快速、准确检测的问题，针对含有无色Ce离子的CePr/Nd混合溶液与Pr/Nd溶液的图像颜色特征有较大差异，导致原有基于颜色特征的单一稀土元素组分含量检测方法不再适用，提出一种基于GA‑ELM的稀土萃取过程多组分含量预测方法。首先在HSI颜色空间下寻得与组分含量相关性最大的H、S分量；然后以H、S分量一阶矩为输入，建立基于极限学习机ELM的多组分含量软测量模型；针对ELM模型的初始权值和阈值的不确定性，采用遗传算法GA对模型参数进行优化，使优化后的组分含量ELM模型精度更高。

技术领域

本发明涉及组分含量测量领域，特别是涉及一种稀土萃取过程多组分含量预测方法及系统。

背景技术

稀土是由镧系元素、钪和钇等17种元素组成，且以共生矿形式存在。稀土元素提纯主要采用串级萃取分离工艺。在稀土串级萃取工艺过程中，部分稀土离子具有特殊的颜色特征，且该特征与稀土组分含量密切相关，针对镨/钕萃取生产工艺中镨离子和钕离子的颜色特征，部分学者在实际生产过程中采用机器视觉技术实现组分含量的软测量开发了基于机器视觉的稀土组分含量快速检测系统并应用于稀土萃取工业。但这些都是以均具有离子特征颜色的稀土萃取溶液为研究对象，未涉及有特征颜色和无特征颜色的稀土离子共存条件下稀土混合溶液组分含量检测。而稀土分离企业的萃取生产工艺流程中，很大一部分均是有特征颜色和无特征颜色的稀土离子共存情况。目前有特征颜色和无特征颜色的稀土离子共存条件下铈镨/钕稀土混合溶液就是这样一种情况。而且研究解决有特征颜色和无特征颜色的稀土离子共存条件下稀土混合溶液多组分含量检测对于实现稀土萃取分离过程的自动控制具有非常重要的现实意义。

发明内容

本发明的目的是提供一种稀土萃取过程多组分含量预测方法及系统，获得有特征颜色和无特征颜色共存条件下稀土溶液中铈镨/钕三种元素的组分含量，满足稀土分离企业现场检测需求。

为实现上述目的，本发明提供了如下方案：

一种稀土萃取过程多组分含量预测方法，所述预测方法包括：

获取有颜色特征和无颜色特征的稀土离子共存条件下的铈镨/钕混合溶液图像在不同颜色空间下的颜色特征值；

获取HSI颜色特征分量中的相关性最大的H、S分量一阶距；

以所述H、S分量一阶距为输入，以已知的铈镨/钕组分含量值为输出建立基于极限学习机的多组分含量软测量模型；

对所述基于极限学习机的多组分含量软测量模型中的初始权值矩阵和隐含层阈值矩阵进行优化，得到基于遗传算法-极限学习机的多组分含量软测量模型；

根据所述基于遗传算法-极限学习机的多组分含量软测量模型以所述H、S分量一阶距为输入确定待测稀土混合溶液中多组分含量。

可选的，所述在不同颜色空间下提取有颜色特征和无颜色特征的稀土离子共存条件下的铈镨/钕混合溶液图像的颜色特征值具体包括：

利用机器视觉技术获取有颜色特征和无颜色特征的稀土离子共存条件下的铈镨/钕混合溶液图像；

根据所述铈镨/钕混合溶液图像在不同颜色空间下提取获得所述铈镨/钕混合溶液图像的颜色特征值。

可选的，所述基于极限学习机的多组分含量软测量模型具体表示如下：

所述基于极限学习机的多组分含量软测量模型包括输入层、隐含层和输出层；

给定输入样本，隐含层神经元输出矩阵计算公式：H＝g(WX^T+b)，其中H为隐含层神经元输出，g为隐含层神经元的激活函数，X为H、S分量一阶矩，W为输出层与隐含层之间的权值矩阵，b为隐含层神经元阈值矩阵；