浸出过程浸出率建模与校正方法研究

发布时间：2021-11-29 15:16

　　建立操作变量与质量等重要生产指标相关关系模型是指标预测与过程优化的基础。但在工业生产过程中,根据生产需求,生产往往需要在多种工况下进行,同时,生产设备以及生产过程慢时变,这些都将影响模型性能。因此,研究工况及慢时变情况下,如何有效对模型进行校正具有重要的理论与实际意义。本文以钴矿酸性浸出过程为研究背景,首先对浸出过程以及钴矿浸出过程机理模型进行了介绍,并通过仿真实验分析了影响浸出率的主要因素。在对偏最小二乘（PLS）建模方法进行了概述的基础上,并以机理模型作为实际过程,利用PLS建立浸出过程浸出率预测模型。利用主元分析（PCA）方法对浸出过程浸出率预测模型性能参数进行监测,以实现对浸出过程慢时变与工况大幅变化的监测与判别,仿真实验结果验证了该方法的有效性。然后,介绍了基于模型移植的浸出过程建模与校正方法。在此基础上,依据浸出过程慢时变与工况大幅变化的监测与判别结果,提出针对不同情况的浸出过程模型校正方法,其总体思想是当工况大幅变化时,利用基于案例与模型移植的模型校正方法进行模型校正；当发生过程慢时变时,利用增量PLS方法进行模型校正。具体的,当通过模型监测监测到当工况大幅变化时,首先在... 

【文章来源】：东北大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题的背景与意义
    1.2 浸出过程建模与校正研究现状
    1.3 模型移植理论的发展现状
    1.4 过程监测方法研究现状
    1.5 本文主要工作
第2章 浸出过程模型与偏最小二乘建模方法研究
    2.1 浸出过程概述
    2.2 钴矿浸出过程机理模型
    2.3 影响钴矿浸出率的因素
    2.4 偏最小二乘建模方法(PLS)及其在浸出过程中的应用研究
        2.4.1 PLS基本算法
        2.4.2 基于PLS的浸出率预测模型
    2.5 本章小结
第3章 基于主元分析的浸出率预测模型监测方法研究
    3.1 主元分析监测理论
        3.1.1 主元分析基本理论
        3.1.2 基于主元分析的监测理论
    3.2 浸出率预测模型监测变量的选取
    3.3 浸出率预测模型监测结果分析
    3.4 本章小结
第4章 基于监测与案例的浸出率预测模型校正方法研究
    4.1 基于模型误差与基于PCA模型监测的校正结果分析
    4.2 基于监测与案例的浸出率预测模型校正方法的基本思想
    4.3 基于案例的决策技术
    4.4 决策案例的表示形式
    4.5 基于监测与案例的浸出率预测模型校正方法的实现
        4.5.1 基于监测的浸出率预测模型校正方法的实现
        4.5.2 基于案例的浸出率预测模型校正方法的实现
    4.6 仿真研究
    4.7 本章小结
第5章 总结与展望
参考文献
致谢


【参考文献】：
期刊论文
[1]基于偏最小二乘的BP网络模型及其应用[J]. 刘琼荪,张艳粉.  重庆大学学报(自然科学版). 2007(07)
[2]含钒石煤氧压酸浸中影响钒浸出率的主要因素研究[J]. 魏昶,樊刚,李旻廷,邓志敢.  稀有金属. 2007(S1)
[3]湿法冶金新发展[J]. 马荣骏.  湿法冶金. 2007(01)
[4]硫铁矿烧渣酸浸反应动力学研究[J]. 占寿祥,郑雅杰.  化学工程. 2006(11)
[5]红土酸浸的最佳条件研究[J]. 王靖宇,陈国平.  化工时刊. 2006(10)
[6]高炉铝酸钙炉渣浸出过程动力学[J]. 佟志芳,毕诗文,李慧莉,杨毅宏.  过程工程学报. 2005(04)
[7]钴萃取工艺的控制系统[J]. 樊甲斌,杨立斌.  石油化工自动化. 2004(06)
[8]基于PLS模型的自适应间歇过程质量预测[J]. 李春富,ZHANG Jie,王桂增.  清华大学学报(自然科学版). 2004(10)
[9]基于偏最小二乘回归分析的短期负荷预测[J]. 张伏生,汪鸿,韩悌,孙晓强,张振宇,曹进.  电网技术. 2003(03)
[10]基于人工智能方法的复杂过程故障诊断技术[J]. 桂卫华,刘晓颖.  控制工程. 2002(04)

硕士论文
[1]基于改进OPLS间歇过程监测、质量预测及异常变量追溯[D]. 王金芬.东北大学 2009
[2]基于多阶段MPCA方法的间歇过程监测研究[D]. 张佳.北京化工大学 2009
[3]基于主元分析的电厂锅炉故障检测与诊断[D]. 朱孔伟.东南大学 2006



本文编号：3526736