当前位置:主页 > 理工论文 > 冶金论文 >

基于特征颜色的稀土萃取过程离子组分含量检测系统研究

发布时间:2020-07-02 05:06
【摘要】:稀土萃取分离生产过程中,稀土离子组分含量的变化,会直接影响萃取分离生产过程及最终的稀土产品质量。但由于检测环境、方法、设备等问题,实际生产中稀土离子组分含量的检测仍主要通过人工取样制样,再到化验室检测。这种方法存在不连续、非实时和费时费力的缺点,导致萃取生产过程控制不及时、耗能、产品质量不稳定等问题。本文以稀土萃取分离过程为背景,针对现有萃取过程离子组分含量检测设备存在的问题,根据离子特征颜色能反应离子组分含量变化的关系,按照检测分析的要求设计出一套适宜两组分稀土元素萃取过程的离子组分含量检测系统,完成了集自动取样制样、图像采集、检测分析及检测数据存储、交互等于一体的稀土离子组分含量检测系统。本文的主要研究内容及结论为:(1)根据检测要求,对基于特征颜色的稀土萃取过程离子组分含量检测系统进行总体方案设计,包括硬件设计和软件设计。系统硬件包括取样、制样、图像采集、检测4个装置,规划了每个装置功能,并进行结构设计;按系统要求,设计了系统的信号采集、处理及控制电路;采用模块化的方法,进行了系统软件功能的划分,设计了下位机、PC机检测流程结构。(2)通过Matlab实现了检测系统中的图像处理功能,完成颜色特征值提取与处理。在RGB和HSI颜色空间下对稀土溶液图像不同滤波方法进行了对比,得出采用中值滤波能显著减少环境和硬件设备对采集图像的噪声干扰;应用Otsu分割算法去除采集图像的背景,并通过区域匹配处理得到两种颜色空间下稀土溶液的彩色图像,对比分析得出HSI空间下分割效果更好;采用颜色一阶矩的方法获得反映稀土离子组分含量的特征值,并对比分析了实验与现场溶液图像H、S分量特征值与稀土离子组分含量的关系。(3)对现场条件下采集图像的特征值通过RBF神经网络进行校正,并研究了两种检测模型,第一种为采用经QPSO优化的ELM算法建立的检测模型,建模速度快,仿真情况下最大误差为0.96%;第二种为多项式拟合模型,对组分范围在40%~81%的Nd/Pr溶液检测的绝对误差在0.6%以内,检测精度相对较高。(4)实验测试了基于特征颜色的稀土萃取过程离子组分含量检测系统。仿真实验结果表明,本文设计的检测系统自动化程度好、检测精度较高、重复性好,符合工艺要求,为进一步将离子组分含量检测系统应用于稀土生产提供良好基础。
【学位授予单位】:江西理工大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TF845;TP391.41
【图文】:

分馏萃取,萃取工艺,混合澄清槽,流动方式


图 1.1 P507 萃取工艺中难易萃组分划分分离工艺根据混合澄清槽内溶液流动方式的不同,分为逆流等方法。其中,分馏萃取在多种方式中有一个显著优点,即时得到两个高纯度的产品[6],如图 1.2 所示。 P按比例混合制备的萃取剂,左向右流动。在第 n 级加入

工艺流程图,分馏萃取,工艺流程图,离子组分


图1.2分馏萃取工艺流程图

【参考文献】

相关期刊论文 前10条

1 钟学明;;影响分馏萃取稀土产品纯度的主要因素初探[J];稀土;2016年06期

2 周迪;夏哲雷;;一种改进的Otsu阈值分割算法[J];中国计量大学学报;2016年03期

3 叶继华;陈亚慧;胡蕾;;融合加权颜色相关图和改进LBP的彩色人脸图像识别[J];小型微型计算机系统;2015年12期

4 王婷;葛昌华;贾耐静;陈峰;张泉;李呈宏;;新显色剂羧基三氮唑偶氮氯膦的合成及其与镧(Ⅲ)的显色反应[J];冶金分析;2015年02期

5 沈新宁;王小龙;杜建洪;;基于颜色自相关图和互信息的图像检索算法[J];计算机工程;2014年02期

6 丁锐;刘甲甲;李柏林;马静恒;熊鹰;王凯;;改进的Otsu图像多阈值分割方法[J];计算机应用;2013年S1期

7 刘金;金炜东;;噪声图像的快速二维Otsu阈值分割[J];计算机应用研究;2013年10期

8 彭荻;贺彦林;徐圆;朱群雄;;基于数据特征提取的AANN-ELM研究及化工应用[J];化工学报;2012年09期

9 杨辉;高子洁;陆荣秀;;基于稀土离子颜色特征识别的组分含量检测方法[J];中国稀土学报;2012年01期

10 刘文华;;稀土元素分析[J];分析试验室;2011年06期

相关博士学位论文 前1条

1 贾文君;稀土萃取过程建模与智能优化控制方法的研究[D];东北大学;2007年

相关硕士学位论文 前7条

1 欧阳超明;基于颜色特征建模的镨钕组分含量检测方法[D];华东交通大学;2014年

2 张娅楠;极速学习机优化方法研究[D];中国矿业大学;2014年

3 熊渊;基于离子颜色特征的镨/钕萃取过程组分含量检测方法[D];华东交通大学;2013年

4 高子洁;基于图像内容检索的稀土元素组分含量检测方法[D];华东交通大学;2012年

5 赵正虎;软测量技术在稀土萃取中的应用研究[D];兰州交通大学;2011年

6 苏恒强;玉米病害图像识别系统的设计与实现[D];吉林大学;2010年

7 张瑾;基于蚁群聚类优化的RBF神经网络软测量应用[D];东北大学;2008年



本文编号:2737778

资料下载
论文发表

本文链接:https://www.wllwen.com/projectlw/yjlw/2737778.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户1e6ae***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com