金氰化浸出过程混合建模及仿真算法分析研究.pdf
《金氰化浸出过程混合建模及仿真算法分析研究.pdf》由会员分享,可在线阅读,更多相关《金氰化浸出过程混合建模及仿真算法分析研究.pdf(7页珍藏版)》请在咨信网上搜索。
1、第4 2卷第4期(总第1 9 0期)2 0 2 3年8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.4(S u m.1 9 0)A u g.2 0 2 3金氰化浸出过程混合建模及仿真算法分析研究莫文水(广西现代职业技术学院,广西 河池 5 4 7 0 0 0)摘要:针对某金氰化浸出过程,首先建立了多级动态机制模型,并在此基础上采用基于免疫原理的R B F神经网络数据模型的学习算法,计算实际生产过程中难以测量的动力学反应速度,从而估算动态机制模型中的未知参数,再与物料守恒方程串联,建立了预测金浸出率的串联型混合模型。其次与基
2、于免疫原理的R B F神经网络建立的纯数据模型对比仿真来验证模型的有效性;最后根据实际生产过程的实际值与预测值之间的偏差进行模型更新,并通过仿真分析验证了更新机制的准确性。结果表明:串联混合模型大大提高了浸出过程浸出率的预测精度,模型的更新机制提高了模型的精准性与泛化能力。关键词:金;浸出;建模;仿真;算法中图分类号: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 4-0 4 2 9-0 7 D O I:1 0.1 3 3 5 5/j.c n k i.s f y j.2 0 2 3.0 4.0 1 7收稿日期:2 0 2 3-0 1-1
3、 0基金项目:2 0 2 1年度广西高校中青年教师科研基础能力提升项目(2 0 2 1 KY 1 4 1 8)。第一作者简介:莫文水(1 9 7 6),男,壮族,本科,副教授,主要研究方向为信息可视化、U I设计研究。引用格式:莫文水.金氰化浸出过程混合建模及仿真算法分析研究J.湿法冶金,2 0 2 3,4 2(4):4 2 9-4 3 5.目前,湿法冶金浸出过程反应模型通常依据物料守恒、能量守恒及动力学方程建立1-5,但大部分研究依据理论仿真得出结论,与实际生产情况有偏差,试验参数无法固定,很难准确获取数据,易导致研究结论与实际生产情况不相符6-1 2。针对某金氰化浸出过程金浸出率无法精准预
4、测的问题,首先建立了单级浸出动态模型,再基于单级模型建立多级浸出动态模型,并仿真验证多级浸出动态模型浸出率的变化趋势;其次用基于免疫原理的R B F神经网络数据模型的学习算法模拟动力学反应速度方程,估算动态机制模型中的未知参数,与物料守恒方程串联,建立了浸出率预测的串联混合模型,并根据模型的预测误差进行模型更新;最后通过在实际工业生产中的应用,验证串联混合模型的准确性。1 动态模型的建立1.1 单级和多级浸出动态模型的建立某金浸出工艺选择气力连续搅拌槽反应器(C S T R)1 3为浸出槽,以N a C N溶液作浸出剂,采用多级串联方式进行氰化浸出。提前假设搅拌槽内温度分布均匀、矿浆搅拌均匀、
5、反应过程中不放热、忽略反应器中的物料隔离且浸出槽中矿浆p H恒定8,1 3-1 4。根据金氰化浸出过程的物料守恒和动力学反应,建立单级动态模型1 2。物料守恒方程如下:固相金守恒方程,dws,idt=Qs,iMs,i(ws,i1-ws,i)-r(A u)i;(1)液相金守恒方程,dwl,idt=Ql,iMl,iwl,i1-wl,i -Ms,iMl,ir(A u)i;(2)液相氰守恒方程,d(C N-)idt=Ql,iMl,i(C N-)i-1-(C N-)i)-Q(C N-)iMl,i-r(C N-)i。(3)式中:i浸出槽级数;ws,i固相金品位,m g/k g;wl,i液相金品位,m g/
6、k g;(C N-)i液相氰根离子 质 量 浓 度,m g/L;Qs,i矿 浆 固 相 流 量,k g/h;Ql,i矿浆液相流量,k g/h;Q(C N-)i浸出槽中添加的氰化钠流量,m g/h;Ms,i浸出槽中固相滞留质量,k g;Ml,i浸出槽中液相滞留质 湿法冶金 2 0 2 3年8月量,k g;r(A u)i金 溶 解 速 度,m g/(k gh);r(C N-)i氰离子的消耗速度,m g/(k gh)。将动力学反应方程1 4与实际样本数据相结合,采用最小二乘法计算模型1 5参数:r(A u)i=(1.1 31 0-3-4.3 71 0-1 1(d-)2.9 3)(ws,i-ws,(d
7、-)2.1 3(C N-)i0.9 6 1(O)0.2 2 8i;(4)r(C N-)i=1.6 91 08d-0.5 4 7-6.4 0(C N-)3.7 1i;(5)ws,=0.3 5 7(1-1.4 9 e-1.7 6 1 0-2d-)。(6)式中:d-动力学反应方程常数;(O)i溶解氧质量浓度,m g/L;ws,浸出渣中最小固相金品位,m g/k g。假设浸出过程稳定,基于Qs,i和Ql,i质量守恒可知:Qs,i=Qs,i-1;(7)Ql,i=Ql,i-1。(8)假设浸出槽中所有反应物充分混合,Qs,i和Ql,i之间的转化关系式为:Ql,i=Qs,i1w,i-1 。(9)式中:w,i矿
8、浆浓度,k g/L。忽略物料隔离,假设Qs,i和Ql,i与矿浆有相同的i:i=ViQs,is+Ql,il10 0 0。(1 0)式中:s矿浆中固相密度,g/c m3;l矿浆中液相密度,g/c m3。由式(9)、(1 0)分别得固相、液相滞留量为:Ms,i=Qs,ii;(1 1)Ml,i=Ql,ii。(1 2)综上,式(1)(1 2)组成了单级浸出动态模型。使用O D E 4 5计算该动态模型得到ws,i,再由式(1 3)计算金浸出率:i=ws,i-1-ws,iws,i-11 0 0%。(1 3)基于单级浸出动态模型,将串联的每一级浸出槽的输出变量作为下一级浸出槽的输入变量,建立多级浸出动态机制
9、模型,从而得到每一级浸出槽中矿浆的固相金品位,之后由式(1 4)计算整个浸出过程金总浸出率:N=ws,0ws,Nws,01 0 0%。(1 4)式中:ws,0矿浆初始固相金品位,m g/k g;ws,NN级浸出后矿浆的固相金品位,m g/k g。1.2 多级浸出动态模型的仿真分析采用六级浸出槽的浸出率试验数据对多级浸出动态模型进行模拟,并仿真分析不同输入变量对浸出率变化趋势的影响1 4-1 6。模型中相关变量取值见表1。表1 多级浸出动态模型中相关变量取值变量取值Qs,l/(k gh-1)25 0 0Q(C N-)l/(m gh-1)51 06ws,0/(m gk g-1)5wl,0/(m g
10、k g-1)0(C N-)0/(m gk g-1)2 5 0d/m8 0w/(gc m-3)3 9V/m36 8s/(gc m-3)2.8l/(gc m-3)1(O)/(m gL-1)7 分别以矿石流量、矿浆质量浓度、氰化钠添加流量、溶解氧质量浓度及矿石平均粒径为输入变量,其余变量按照表1取值,仿真分析5个变量对金浸出率的影响,试验结果如图15所示。图1 矿石流量对金浸出率的影响图2 矿浆质量浓度对金浸出率的影响034第4 2卷第4期莫文水:金氰化浸出过程混合建模及仿真算法分析研究图3 氰化钠添加流量对金浸出率的影响图4 溶解氧质量浓度对金浸出率的影响图5 矿石平均粒径对金浸出率的影响 由图1
11、看出:金浸出率随矿石流量增大而降低。因为矿石流量增大易导致矿浆在浸出槽中滞留时间变短,使矿浆无法与浸出剂充分反应,造成金浸出率降低。由图2看出:金浸出率随矿浆质量浓度增大而提高,矿浆质量浓度增至2 0k g/L后,金浸出率趋于稳定。这是由于矿浆质量浓度过大,黏度增大,导致金浸出不完全。由图3看出:金浸出率随氰化钠添加流量增加先快速升高;氰化钠添加流量增至5 0m g/h后,金浸出率升高幅度趋缓慢。由图4看出:金浸出率随溶解氧质量浓度增加而提高,溶解氧质量浓度增至5m g/L以后,金浸出率的增长幅度趋缓。由图5看出:浸出率随矿石平均粒径增大而降低。矿石平均粒径增大会导致化学反应不充分,使得浸出率
12、减小。通过以上对动态机制模型中各输入变量对浸出率影响的仿真分析,帮助我们更好的分析了浸出率的影响因素情况及动态特性,为实际生产过程提供正确的理论指导。2 基于R B F神经网络的串联混合模型实际浸出过程中,动力学反应速度无法直接测量,因此,以浸出过程动态模型为基础,采用径 向 基 函 数 神 经 网 络(R B F NN)数 据 建 模法1 7-2 1建立浸出过程的动力学反应速度模型,估算浸出过程动态模型中的未知参数,再与物料守恒方程串联,从而建立预测浸出率的串联混合模型。2.1 径向基函数神经网络R B F神经网络是一种具有单隐层的三层前馈网络,包括输入层、隐含层和输出层。本研究主要讨论神经
13、网络的训练算法,包括基础设置与公式。设输入层、隐含层、输出层的节点数分别为n、m、s,有N组输入输出样本对应(X(i),Y(i),(i=1,2,N),其中X(i)是n维向量,Y(i)是s维向量,输入层连接隐含层的权值设为1,n维径向基函数则作为隐含层节点的激活函数:(X)=(X(i)cj)。(1 5)式中:j=1,2,m;cj基函数的中心;欧几里得范数。径向基函数通常选取G a u s s i o n函数:(X)=(X(i)-cj)=e x p-122jX(i)-cj2 ,(j=1,2,m),(1 6)式中,j第j个以cj为中心的高斯函数宽的向量。一般输出可表示为:y(i)k=mj=1j k(
14、i)j+k,(k=1,s)。(1 7)式中:j k隐含层节点j连接输出层节点k的权值;(i)j隐含层节点的输出值;k输出层节点k的阈值。式(1 7)的矩阵形式为:Y=W,RP(m+1),WR(m+1)s。(1 8)134 湿法冶金 2 0 2 3年8月式中:Y=y(1)1y(1)2y(1)sy(2)1y(2)2y(2)sy(P)1y(P)2y(P)s ,=(1)1(1)2(1)m1(2)1(2)22m1(P)1(P)2(P)m1 ,W=1 11 21s2 12 22sm1m2m s12s 。R B F神经网络算法是目前常用的混合学习算法之一,主要包含两个阶段。第一阶段是非监督学习阶段,需要得出
15、径向基函数中的数据中心和宽度,通常采用K-m e a n s聚类算法。首先定义参数:P个样本X1,X2,XP,M个隐节点数,c(k)是第k次迭代的中心。其次 随 机 确 定M个 互 不 相 同 的 向 量c1(0),c2(0),cM(0)作为初始聚类中心;随后计算输入样本点与选择的聚类中心点的欧式距离并比较得出距离最小值的节点:dj(k)=Xp-cj(k),(p=1,2,P;j=1,2,M)。(1 9)令r表示该隐含层节点下标,根据式(2 0)与聚类中心的最小欧几里得距离对每一个输入样本Xp进行归类:r(Xp)=m i nXp-cj(k),(p=1,2,P)。(2 0)式中:r(Xp)Xp被分
16、为r类。同理将 所 有 样 本 分 为M个 子 集U1(k),U2(k),UM(k),代表M个聚类域。采用竞争学习的规则对各个聚类中心进行调整:cj(k+1)=cj(k)+Xp-cj(k),j=rcj(k),jr(2 1)式中:学习率,取值范围为0,1。其次,令k=k+1,判断c的改变量是否小于预设阈值,是则利用聚类中心之间的距离确定径向基函数的扩展常数;否则通过式(1 9)重新计算欧氏距离并寻找距离最小值的隐含层节点,并按照以上步骤继续计算直至c的改变量小于预设阈值。第二阶段是通过最小二乘法计算连接权值并确定隐含层节点数目。设第j个隐含层节点的输出为p j=(Xp-cj),所以隐含层的输出矩
17、阵为=(p j)PM,教师信号为d;设R B F神经网络的待定权值为W=(w1,w2,wM),隐含层输出矩阵为F(X)=W=d,利用的伪逆+得到W=+d,其中+=(T)-1T。混合学习算法虽有一定优点,但也存在R B F神经网络的隐含层数需要提前根据试验确定,其数值的不同会很大程度影响聚类的性能等缺点。2.2 基于免疫原理的R B F神经网络模型学习算法针对混合学习算法存在的不足,研究人员提出了免疫网络模型1 2,改进后可用于选择R B F神经网络隐含层数据中心(隐含层数),无需提前试验确定。假设一组向量作为输入数据X=x1,x2,xN,其中向量xi=xi1,xi2,xi pTRp(i=1,2
18、,N)。确定R B F神经网络的数据中心需得到一个新的数据集作为聚类的输入数据,设该数据集为C=c1,c2,ch,cj=c1j,c2j,cpjTRp,j=1,2,h,其中h远小于N。首先定义抗原与抗体间的相互作用强度为亲和力,设输入数据xi和数据中心cj之间的亲和力为ai j;定义抗体与抗体间的相互作用强度为相似度,设数据中心ci与数据中心cj之间的相似度为si j;其中ai j与si j的表达式分别为:ai j=11+xi-cj,(i=1,2,N;j=1,2,h);(2 2)si j=11+ci-cj,(i,j=1,2,h)。(2 3)式中:欧几里得范数。当xi=cj时,ai j=1为最大;
- 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:
- 氰化 浸出 过程 混合 建模 仿真 算法 分析研究
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。