基于PLS的多模态湿法冶金浸出过程浸出率预测

发布时间：2020-04-26 18:20

【摘要】：近年来,随着黄金需求的日益增加、金属冶炼要求的不断提高和能源问题的逐渐恶化,黄金的湿法冶金生产过程已经向品种多、效率高和安全性好的方向发展。在湿法冶金浸出过程中,浸出率是浸出过程最重要的衡量指标,而浸出率是不可以在线测量的,所以浸出率的预测是湿法冶金中要解决的关键问题之一。本文针对基于PLS的浸出率预测方法展开研究,具有非常重要的理论和实际意义。1.辅助变量的获取和处理。通过分析浸出过程影响浸出率的关键因素,确定过程变量,并完成数据的时刻对整。通过选取可以在线测量且对浸出率有较大影响的过程变量作为自变量,其对应的浸出率作为因变量,构成建模数据;结合实际生产情况,针对耗时长的浸出过程提出数据的时刻对整问题,使浸出率预测模型的因果关系更加准确。2.模态划分与模态识别。数据的模态划分与模态识别是建立多模态过程质量预测模型的前提。本文将针对实际生产没有任何已知或在线可测的模态指示变量的情况,提出了一种基于加权马氏距离的离线数据模态划分和在线数据模态识别方法,有效地解决模态划分和模态识别问题。3.PLS离线建模与在线预测。PLS是一种基于数据的建模方法,通过建立自变量与因变量之间的线性或非线性的回归方程,用于解释或预测等目的。针对各个模态中湿法冶金浸出过程变量与浸出率之间的近似线性相关关系,本文采用PLS建立了浸出率预测模型,实现了湿法冶金浸出过程浸出率的在线预测,且实验结果验证了方法的有效性。
【图文】：

正态分布,矿浆浓度,浸出率,湿法冶金

大学硕士学位论文逦第四章基于ＰＬＳ的多模态湿法冶金浸出过程的离线建模与在线．３自变量与因变量的相关关系分析逡逑在第二章对ＰＬＳ方法的介绍中提到，ＰＬＳ方法在很多方面都优于其他预测方法。方法有一定的应用条件，由于它是一种多元统计线性回归方法，除了要求过程从正态分布之外，还要求ＰＬＳ回归模型的因变量和自变量之间要满足近似线由于湿法冶金过程是一个连续过程，过程具有稳态特性，因此过程数据是近似分布。下面对矿浆浓度、氰化钠浓度和溶解氧浓度这三类过程变量与浸出率的进行分析，以保证所选取的建模方法的合理性［８３４５］。逡逑０．９６逦｜逦｜逦Ｉ邋Ｉ逦Ｉ￣逦■．丨－｜逦｜逦＇逦逡逑逦

模态识别,马氏距离,实时预测

距离的比较；逡逑（４）最后根据上一步的比较结果判定每个数据样本的模态。逡逑依照上述步骤，得到如下模态识别的仿真结果（见图４．９）：逡逑模态识别：黄色为原模态，盔色为识别植态逡逑逦Ｉ逦「逦Ｉ逡逑~#＝逦ｊ逦－｜逦逦逦逡逑~#：：逦１逦邋ｊ逦｜逡逑Ｉ逦Ｉ逦Ｉ逡逑植态一逦「逦ｊ逡逑逦Ｉ逦Ｊ逦Ｉ逡逑０逦１０７逦１９６逦３００逡逑在线样本ex裾逡逑图４．８基于加权马氏距离的在线模态识别逡逑Ｆｉｇ．邋４．８邋Ｏｎｌｉｎｅ邋ｍｏｄａｌ邋ｉｄｅｎｔｉｆｉｃａｔｉｏｎ邋ｂａｓｅｄ邋ｏｎ邋ｗｅｉｇｈｔｅｄ邋Ｍａｈａｌａｎｏｂｉｓ邋ｄｉｓｔａｎｃｅ逡逑４．４．２在线数据的实时预测和仿真结果逡逑当在线数据的模态识别完成后，，可进行在线数据的实时预测，具体步骤如下：逡逑（１）
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TF831

【相似文献】