基于改进PSO-SQP算法优化控制金氰化浸出过程_李伟.pdf
《基于改进PSO-SQP算法优化控制金氰化浸出过程_李伟.pdf》由会员分享,可在线阅读,更多相关《基于改进PSO-SQP算法优化控制金氰化浸出过程_李伟.pdf(5页珍藏版)》请在咨信网上搜索。
1、第4 2卷第3期(总第1 8 9期)2 0 2 3年6月湿法冶金H y d r o m e t a l l u r g yo fC h i n aV o l.4 2N o.3(S u m.1 8 9)J u n e2 0 2 3基于改进P S O-S Q P算法优化控制金氰化浸出过程李 伟(河南物流职业学院,河南 新乡 4 5 3 0 0 0)摘要:针对金氰化浸出过程,建立了生产成本最小为目标的优化模型,采用序列二次规划(S Q P)算法与改进粒子群算法(P S O)相结合对模型进行求解,并通过对比优化前后金浸出率,验证了改进P S O-S Q P算法的可行性。结果表明:相比于常规方法,改进P
2、 S O-S Q P算法可有效降低迭代次数和生产成本;浸出过程优化后的金浸出率达9 7.0 3%,比优化前提高2.4 7%。改进P S O-S Q P算法对金浸出过程优化控制具有一定的实用价值。关键词:金;浸出;序列二次规划(S Q P);粒子群算法(P S O);优化;生产成本中图分类号:T F 8 0 3.2 1 文献标识码:A 文章编号:1 0 0 9-2 6 1 7(2 0 2 3)0 3-0 3 1 7-0 5 D O I:1 0.1 3 3 5 5/j.c n k i.s f y j.2 0 2 3.0 3.0 1 7收稿日期:2 0 2 3-0 1-0 3作者简介:李伟(1 9
3、7 8),男,本科,讲师,主要研究方向为计算机应用。引用格式:李伟.基于改进P S O-S Q P算法优化控制金氰化浸出过程J.湿法冶金,2 0 2 3,4 2(3):3 1 7-3 2 1.随着高品位矿石资源的逐渐减少,可处理低品位复杂矿石的湿法冶金工艺,因具有环境友好、能耗低、成本低、易实现连续化和自动化等优点,日益受到冶金领域的关注1-4。目前,金氰化浸出过程因缺乏完善的自动控制技术5-8,通常以添加过量浸出剂的方式来提高金浸出率,易造成原料浪费,增加生产成本。为了优化控制金氰化浸出过程,建立了一种以生产成本最小为目标的优化模型,将序列二次规划(S Q P)算法和改进粒子群算法(P S
4、O)相结合对该模型进行了求解,验证了改进P S O-S Q P算法的准确性和可行性,以期为优化 控制金氰化 浸出过程提 供一种可参 考的方法。1 金的氰化浸出工艺金的氰化浸出是以氰化钠溶液为浸出剂,在溶解氧作用下,浸出矿石中的固体金。发生的化学反应9为4 A u+8 C N-+O2+2 H2O4 A u(C N)-2+4 OH-。(1)金氰化浸出装置如图1所示。工业上一般采用多级串联浸出,从矿浆缓冲槽输出调整后的浆液(包括固相和液相),用泵打入n级串联的气力浸出槽,经过溢流作用,浆液不断从前级浸出槽流入后续浸出槽1 0。氰化钠溶液通过各级浸出槽,通入压缩空气以提供反应所需溶解氧,同时发生气力搅
5、拌作用的加速反应。通过反应得到的金氰配合离子浓度随浸出槽阶段性升高,最后得到的金浸出富液进入贮存槽,之后进行置换1 1-1 2。图1 金氰化浸出过程装置示意2 金氰化浸出过程的优化2.1 优化模型1)目标函数。浸出过程优化的最终目标是综 湿法冶金 2 0 2 3年6月合效益最高。以单位时间浸出成本(主要包括氰化物损失成本、氰化物残留处理成本和金在渣中的残 留 价 值)最 小 为 目 标1 3,建 立 如 下 优 化模型1 4:m i nQ(C N-)iJ=(4i=1Q(C N-)i+c(C N-)0OI)P(C N-)r+(c(C N-)4OI)P(C N)r_d+(w4OS)P(A u)r。
6、(2)式中:Q(C N-)i第i个浸出槽中氰化物添加量,k g/h;OI、OS浆液相流量、矿石流量,k g/h;w4残留金品位;P(A u)r、P(C N-)r金、残留氰化物价格系数;c(C N-)0、c(C N-)4浸出槽1中氰化物、残留氰化物质量分数,%;P(C N-)r_d残留氰化物处理成本的价格系数。2)约束目标。选择浸出率和氰化钠添加量为约束 目 标,浸 出 率 约 束(a)和 氰 化 钠 添 加 量(a(C N-)i)之间的约束关系1 5-1 6如下:aam i n;(3)a(C N-)m i na(C N-)ia(C N-)m a x。(4)式中:am i n浸出率下限;a(C
7、N-)m i n、a(C N-)m a x氰化钠添加量的上、下限。2.2 求解算法2.2.1 改进P S O算法P S O算法是用于解决多目标、非线性、多变量问题的全局进化算法。粒子的速度和位置由式(5)、(6)更新1 7。vk+1i=vki+c1r1(pb-xki)+c2r2(gb-xki);(5)xk+1i d=xki d+vk+1i d。(6)式中:vki dk次迭代速度;xki dk次迭代位置;pb、gb个体最优、全局最优;加权系数;c1、c2学习系数;r1、r2随机数,0,1。因P S O算法易陷入局部最优和后期收敛较慢,因此,引入混沌搜索对粒子群进行优化,设置临界值,并与适应度方差
8、(2)进行对比,小于2则进行混沌搜索。将混沌寻优结果替换种群一个粒子,避免P S O算法早熟1 8。其中L o g i s t i c映像的一般形式为xt+1=xt(1-xt)。(7)式中:L o g i s t i c参数,=4;xt在t时刻种群占最大种群规模的比例。通过2评价是否早熟,2较小时粒子收敛,反之不收敛。2计算公式1 8为2=Ni=1fi-fa v gf2。(8)式中:f归一化因子;fi第i粒子的适应度;fa v g平均适应度。2.2.2 S Q P算法S Q P算法是通过将复杂的非线性约束优化问题转换为相对简单的二次规划(Q P)问题来求解的算法1 9。二次规划问题是指目标函数
9、为二次函数、约束函数为线性函数的优化问题。非线性约束的最优问题见式(9)2 0。m i nf(x)s.t.hi(x)=0,iE=1,lgi(x)0,iE=1,m(9)将上述的非线性约束问题简化为二次函数,得到二次规划问题,见式(1 0)2 1。m i n12dTBkd+f(xk)Tds.t.h(xk)+AEkd=0,iE=1,lgi(x)+AIkd0,iE=1,m(1 0)式中:AEk=h(xk)T;AIk=g(xk)T;Bk拉格朗日函数H e s s e矩阵的近似 矩阵;xk+1=xk+akdk,dk为下一个迭代点方向,ak为经过步长,当dk=0时,xk是最优化问题的K-T点。2.2.3 改
10、进P S O-S Q P算法改进P S O-S Q P算法可分为7个步骤:1)对种群进行初始化,并计算适应度确定个体最优和全局最优;2)更新粒子的速度和位置;3)对粒子进行评价,根据适应度值和个体极值判断是否更新全局极值;4)计算适应度方差和混沌搜索概率p;5)判断方差是否小于临界值,如果小于该临界值,判断混沌搜索概率p是否大于粒子群随机数r,大于则 对 最 优 粒 子 进 行 处 理,否 则 进 行 下 一步2 2;6)通过S Q P算法对最优粒子位置和适应值进行更新;7)判断是否为最大迭代次数,如果是,输出全局最优位置和适应度,否则次数加1返回步骤2)。改进P S O-S Q P算法流程如
11、图2所示。813第4 2卷第3期李伟:基于改进P S O-S Q P算法优化控制金氰化浸出过程图2 改进P S O-S Q P算法流程3 试验结果与讨论3.1 试验参数金氰化浸出过程模型参数见表1,改进P S O-S Q P算法参数见表2。试验设备为联想P C机,1 1代核心i 7 C P U,主频2.5GH z,存储器1 6G B,系统W i n d o w s 1 0。使用MAT L A B软件进行计算机仿真。3.2 试验结果分析为了验证所提出优化方法的准确性,通过改进P S O-S Q P算法进行模型求解,为了保证结果准确性,进行1 0次求解取平均值。生产成本随迭代次数的变化曲线如图3所
12、示,浸出槽中氰化钠添加量与生产成本之间的关系见表3。表1 金氰化浸出过程模型参数参数数值浸出槽体积/m37 2矿石粒径/m8 0矿石密度/(gc m-3)2.8矿石流量/(k gh-1)25 0 0矿浆浓度/%0.3矿浆液相密度/(gc m-3)1初始氰化钠浓度/%0氰化钠价格/(元t-1)1 10 0 0残留氰化钠价格/(元t-1)20 0 0金价格/(元t-1)3 8 0表2 改进P S O-S Q P算法参数参数数值种群1 0迭代次数1 9 2/2 5 6初始权重0.9 5学习因子2收敛阈值0.0 1混沌变换概率0.0 5图3 生产成本随迭代次数的变化曲线表3 浸出槽中氰化钠添加量与生产
13、成本之间的关系氰化钠添加量/(k gh-1)浸出槽1浸出槽2浸出槽3浸出槽4成本/(元h-1)金浸出率/%7.0 2 694.7 2 684.4 2 574.3 2 462 3 5.69 7.0 3 由图3、表3看出:改进P S O-S Q算法的局部收敛速度和精度更高,迭代7次左右目标函数达最优,生产成本为2 3 5.6元/h,浸出槽14中氰913 湿法冶金 2 0 2 3年6月化钠添加量 分别为7.0 2 69、4.7 2 68、4.4 2 57、4.3 2 46k g/h,此时金浸出率达9 7.0 3%。说明优化方法是可行的。为验 证 优 化 后 方 法 的 优 越 性,通 过 改 进P
14、S O-S Q P算法进行模型求解,并与G A-P AO和P S O进行对比分析。不同算法的生产成本随迭代次数的变化曲线如图4所示,不同酸法的浸出槽中氰化钠添加量与生产成本之间的关系见表4。图4 不同算法的生产成本随迭代次数变化曲线表4 不同方法浸出槽中氰化钠添加量与生产成本之间的关系算法氰化钠添加量/(k gh-1)浸出槽1浸出槽2浸出槽3浸出槽4成本/(元h-1)金浸出率/%P S O9.1 2 656.1 2 734.8 2 614.2 6 102 7 0.6 59 0.6 4GA-P AO8.0 5 655.6 7 894.6 5 124.2 8 982 6 0.0 59 4.0 5改
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 PSO SQP 算法 优化 控制 氰化 浸出 过程 李伟
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。