[发明专利]基于即时学习的稀土萃取过程药剂量优化设定方法

权利要求书

1.一种基于即时学习的稀土萃取过程药剂量优化设定方法，是利用即时学习的思想，实现基于模型和数据的稀土萃取过程药剂量优化设定方法，根据萃取平衡和物料平衡的稀土萃取静态机理模型基础，建立以综合经济效益最大化为目标的稀土萃取过程经济效益最优的优化模型，并对模型的相应参数进行预测；

运用JITL的方法，在理论最优药剂量设定值的局部进行在线建模，并对局部模型进行优化求解得到最优的药剂量补偿值；通过迭代补偿逐步逼近稀土萃取过程药剂量的最优设定值；实现稀土萃取过程药剂量优化设定在线智能设计，使稀土萃取过程始终工作在最优工作点，从而提高稀土萃取全流程生产的经济效益，实现稀土萃取分离智能化；

稀土萃取过程经济效益最优的优化模型是基于生产指标、料液配分、药剂浓度、药剂流量、料液浓度、皂化度为入矿条件，以单位时间内综合经济效益最大为目标；

构成数据样本，是通过获取一定时间段稀土生产过程数据集，稀土萃取过程的入矿条件、边界条件、生产指标、药剂量参数，单位时间的综合经济效益和组分含量值；

运用这些数据样本对机理模型进行工艺参数预测；

运用PSO智能优化算法，对以综合经济效益最大为目标的稀土萃取过程经济效益最优的优化模型进行优化求解，得到基于模型的理论药剂量设定值u*；

运用即时学习的思想，在最优工况中，选择与理论药剂量设定值u*接近的一组数据作为局部在线建模的数据集，建立药剂量差值Δu和综合经济效益差值ΔJ的模型；

对在线局部模型进行优化求解，获得药剂量设定值的最优补偿值Δu；

u*+Δu即为稀土萃取过程药剂量的最优设定值，将u*+Δu用于实际生产过程中，不断迭代，使稀土萃取过程始终工作在最优工作点，获得最优的经济效益；

所述稀土萃取过程经济效益最优的优化模型，包括：

1)，基于相对分离系数原理建立稀土萃取过程出口产品产量与药剂流量之间的数学模型，根据如下式(1)-(4)得到稳态下两端出口产品组成，有机相出口A产品中难萃组分的出口摩尔分数：

水相出口B产品中易萃组分的出口摩尔分数：

根据进出物料平衡可得，有机相出口中易萃组分的出口摩尔分数：

水相出口中难萃组分的出口摩尔分数：

式中，f_A，f_B，f_F分别表示料液中易萃组分，难萃组分和料液中各组分组成，f’表示水相出口各组分摩尔分数，表示有机相出口各组分摩尔分数，R表示产品收率；再对两出口各元素摩尔分数进行归一化处理，即得到两端出口各元素组分组成；

以有机相进料为例，确定萃取平衡时各级稀土存槽量，由下式(5)、(6)式获得：

式中，X_j,i和Y_j,i分别表示第j级水相和有机相中第i个元素的组分含量；单位时间内稀土萃取过程经济效益J可表示为式(7)：

J＝(u_w+u_f)*P_B*Q_B+u_s*P_A*Q_A-u_s*Q_s-u_w*Q_w-u_f*Q_f-Re (7)

式中，u_w,u_f,u_s分别表示洗涤剂、料液、萃取剂流量；P_A,P_B分别表示有机相、水相出口产品纯度；Q_A,Q_B,Q_s,Q_w,Q_f分别表示有机相产品、水相产品、萃取剂、洗涤剂、料液单价；Re表示稀土存槽量，存槽量越多成本越高；

2)，获取建模数据集，

根据不同生产环境，影响萃取分离系数，于实际生产流程，采集一定时间段的稀土萃取过程的洗涤剂流量、萃取剂流量、料液流量、生产指标和实际经济效益指标，得到一组以综合经济效益最大为目标的稀土萃取过程经济效益最优的优化模型的实际数据；

3)，模型参数预测；

引用粒子群算法优化分离系数参数进行预测求解，PSO作为一种迭代模式的优化算法，每个粒子都代表分离系数的一个潜在解，每个粒子对应一个由适应度函数决定的适应度值，粒子速度决定了粒子移动的方向和距离，速度随自身及其他粒子的移动经验进行动态调整，

粒子速度和位置更新公式，分别表述为(8)和(9)；

其中：ω是惯性因子，c₁和c₂为学习因子,r₁和r₂为(0,1)间服从均匀分布的随机数；结合实际数据，利用PSO算法，对模型中分离系数进行预测，得到适合当前工况的药剂量和经济效益的模型；

4)稀土萃取过程经济效益最优的优化模型，

由步骤3)得到的稀土萃取过程药剂量和经济效益的模型，稀土萃取过程药剂量的最优设定模型，描述为式(10)：

式(10)中经济效益J即为优化目标函数，g(u)表示稀土萃取过程中的不等式约束，u_iL,u_iU分别为第i个药剂量的下限和上限；求解，得到稀土萃取过程药剂量的最优设定值。