碱煮过程浸出率预测与优化研究.pdf

2 0 1 6 年第5 期 有色金属 冶炼部分 h t t p ／／y s y l ．b g r i m m ．c n 2 9 d o i 1 0 ．3 9 6 9 ／J ．i s s n ．1 0 0 7 - 7 5 4 5 ．2 0 1 6 ．0 5 ．0 0 8 碱煮过程浸出率预测与优化研究 刘飞飞8 ，罗贤平6 ，古帅奇6 ，辛鹏武6 江西理工大学，a ．电气工程与自动化学院；b ．机电工程学院，江西赣州3 4 1 0 0 0 摘要针对钨碱煮过程W O 。浸出率预测困难的问题，建立了动态机理模型与最小二乘支持向量机 L S S V M 相结合的并联混合模型，在该混合模型的基础上，构建了碱煮过程优化模型，将动态浸出问题转 化为带约束的优化问题，并以粒子群优化 P S O 算法对优化模型进行求解。仿真结果表明，混合模型预 测精度高，优化模型效果好，提高了W O 。浸出率，降低了浸出成本。 关键词浸出率；机理模型；最小二乘支持向量机；粒子群算法；优化模型 中图分类号T F 8 4 1 ．1 文献标志码A文章编号1 0 0 7 7 5 4 5 2 0 1 6 0 5 0 0 2 9 0 4 P r e d i c t i o na n dO p t i m i z a t i o no fL e a c h i n gR a t ed u r i n gA l k a l iB o i l i n gP r o c e s s L I UF e i f e i 。，L U OX i a n p i n 9 6 ，G US h u a i q i 6 ，X I NP e n g w u 6 a ．S c h o o lo fE l e c t r i c a lE n g i n e e r i n ga n dA u t o m a t i o n 。b ．S c h o o lo fM e c h a n i c a la n dE l e c t r i c a lE n g i n e e r i n g ． J i a n g x iU n i v e r s i t yo fS c i e n c ea n dT e c h n o l o g y ，G a n z h o u3 4 1 0 0 0 ，J i a n g x i ，C h i n a A b s t r a c t Ap a r a l l e Ih y b r i dm o d e lc o m b i n e dw i t hd y n a m i cm e c h a n i s mm o d e la n dL S S V Mw a sb u i l tt o p r e d i c tW 0 3l e a c h i n gr a t ed u r i n gt u n g s t e na l k a l ib o i l i n gp r o c e s s ．B a s e do nt h i sh y b r i dm o d e l ，a l k a l ib o i l i n g p r o c e s so p t i m i z a t i o nm o d e lw a se s t a b l i s h e dt ot r a n s f o r md y n a m i cl e a c h i n gp r o b l e mi n t oc o n s t r a i n e d o p t i m i z a t i o np r o b l e m ．T h e no p t i m i z a t i o nm o d e lw a ss o l v e d w i t hp a r t i c l es w a r mo p t i m i z a t i o n P S O a l g o r i t h m ．T h es i m u l a t i o nr e s u l t ss h o wt h a th y b r i dm o d e lh a sa d v a n t a g e so fh i g hp r e d i c t i o na c c u r a c y ， g o o dp e r f o r m a n c e ，h i g hl e a c h i n gr a t eo fW 0 3 ，a n dl o wl e a c h i n gc o s t ． K e yw o r d s l e a c h i n gr a t e ；m e c h a n i s mm o d e l ；L S S V M ；P S Oa l g o r i t h m ；o p t i m i z a t i o nm o d e l 中国是钨矿资源储藏和冶炼大国，仲钨酸铵产 量占全球的8 0 ％以上[ 1 ’2 ] ，但国内钨冶炼企业碱煮 生产大多还是由人工根据生产经验进行判断、操作， 导致w 。浸出率难以达到生产要求，影响了资源的 回收和企业效益。因此，钨冶炼碱煮工艺的优化迫 在眉睫，亟需一种W O 。浸出率预测方法和优化策略 来指导碱煮过程的生产。 近年来，学者对碱煮浸出率预测及工艺优化 进行了相关研究，胡广浩等[ 3 3 建立了浸出过程混 合模型，研究了反应釜控制参数和浸出剂用量的 最优配置问题；作者n 朝在碱煮过程机理研究的基 础上，建立了W O 。浸出率智能预测模型，并分析了 温度、氢氧化钠浓度、精矿粒径对浸出率的影响。 本文在前述研究的基础上，针对某钨冶炼企业碱 煮工艺特点，基于碱煮过程机理分析和大量生产、 试验数据建立了浸出率混合预测模型。在该混合 模型基础上，结合现场生产实际建立了碱煮过程 优化模型，并采用粒子群优化 P S O 算法对其进行 求解。 1 碱煮过程机理建模 碱煮的实质是在一定温度下，细小的钨矿物原 收稿日期2 0 1 5 - 1 l 一2 5 基金项目国家自然科学基金资助项目 6 1 3 6 4 0 1 4 ；江西省对外科技合作项目 2 0 1 0 E H A 0 1 4 0 0 作者简介刘飞飞 1 9 6 2 一 ，男，江西人，博士，教授． 万方数据 3 0 有色金属 冶炼部分 h t t p ／／y s y l ．b g r i m m ．c n 2 0 1 6 年第5 期 料与氢氧化钠溶液反应，生成可溶的N a 。W O 。并与 主要杂质分离，浸出率是指N a W O 。溶液中W O 。含 量与参加反应原始矿物中W O 。含量的百分比。以 白钨矿为例，其主要反应为 C a W O 。 S 2 N a O H a q 一N a 2 W 0 4 a q C a O H 2 s 1 模型建立前对碱煮过程假设如下1 矿粒为球 形且致密无孑L 隙；2 充分搅拌后反应釜内物料浓度 分布均匀、温度分布均匀。 参考文献[ 5 ] 的推导过程，根据浸出过程反应速 率[ 6 3 的定义可以得到如下碱煮过程的浸出机理 模型 X 一1 一 1 一A C “ e E ／R T r 7 l t 3 2 I D 式中，X 为浸出率；A 为活化系数；C 为浸出剂 浓度；刀为反应级数；E 为矿物活化能；R 为摩尔气体 常量；T 为浸出液热力学温度；p 为密度；r 。为颗粒半 径；t 为反应时间。 度1 l o ～1 8 0 ℃；搅拌电流1 9 ～2 3A ；保温时间3 ～6 h 。结合现场数据进行相关计算后，该碱煮对象的 机理模型为 X 一1 一 1 3 0 ．2 6 C 17 3 r 0 1 t e 一7 2 o 0 0 7 8 - 3 14 丁 3 4 2 ．2L S - S V M 补偿模型建立 L S - S V M 是由V a p n i k [ 73 等从统计学角度提出 并由S u y k e n s E 8 1 等改进的一种新的机器学习算法， 有效解决了神经网络无法避免局部最优和网络结构 的确定等问题。 文献[ 9 ] 详细论述了L S S V M 的原理，从而L S S V M 补偿模型为 f △X 一 n ，一拉；’ K z 。，z b 5 i 1 以釜内温度、氢氧化钠用量、精矿粒径、搅拌电 流作为L S S V M 补偿模型的输入，模型输出为实测 浸出率与机理模型预测浸出率的偏差，采用R B F 核 函数，利用网格搜索法与交叉验证法对目标函数寻 优，进而利用最佳参数训练模型。 2 碱煮过程混合建模3 碱煮过程优化研究 机理模型是在工艺机理分析和一定假设条件基 础上建立的，具有明显物理意义，但自适应性较差， 难以达到高精度；而基于现场生产数据、经验知识所 建立的智能模型虽然具有较高精度，但外推能力较 弱。因此，本文建立动态机理模型与L S S V M 补偿 模型相结合的并联混合模型，混合模型输出为浸出 率y Y X A X 3 混合模型结构示意如图1 所示。 图1混合模型结构示意图 F i g ．1 S c h e m a t i cd i a g r a mo fh y b r i dm o d e l 2 ．1 机理模型建立 某钨冶炼厂碱煮工序的部分参数如下反应釜 容积1 0m 3 ；分解矿量55 0 0k g ／釜；釜内液料体积7 l “ n 3 ；氢氧化钠用量 含液碱 15 0 0 ～19 0 0k g ；精矿 粒径1 0 ～4 5 肚m ；釜内压力0 ．3 ～1 ．0M P a ；釜内温 浸出率是碱煮过程最为重要的技术指标，直接 关乎企业生产效益。因此，结合现场生产实际，对碱 煮工艺进行优化，以进一步提高浸出率。以前述混 合模型为基础，建立碱煮过程优化模型，并用P S O 算法进行求解。 3 ．1 碱煮过程优化模型 以浸出率最大化为目标函数 M a x Y X A X 6 选取生产现场可以测控的釜内温度T 、氢氧化 钠用量M 、搅拌电流f 、保温时间t ，优化模型约束即 为浸出率混合预测模型和生产工艺对上述4 个变量 的约束。具体为T 一1 1 0 ～1 8 0 ℃、M 一15 0 0 ～ 19 0 0k g 、f 一1 8 ～2 3A 、￡一a t 6h ，进而碱煮过程优 化模型为 M a x Y X A X r T ⋯ 丁 丁⋯ M ⋯ M M ⋯ 7 1I ⋯ J f 。。。 f ⋯ ￡ ￡⋯ 3 ．2 优化过程的实现 传统优化算法难以解决复杂过程的优化问题， 近年来智能优化算法逐步应用于复杂的有色冶金过 程优化[ 1 0 ] 。P S O 算法为K e n n e d y 和E b e r h a r t 提出 的一种新型智能优化算法n ，P S O 算法求解优化问 万方数据 2 0 1 6 年第5 期 有色金属 冶炼部分 h t t p ／／y s y l ．b g r i m m ．c n 3 1 题时，粒子通过跟踪个体极值P b e s t 和全局极值 G b e s t 来更新自己的位置和速度。基本P S O 算法 中，速度更新公式和位置更新公式分别如式 8 和式 9 所示 V 铲1 一叫V 乞 C lr l P b e s t 乞一X 刍 c 2 r 2 G b e s t 乞一X 乞 8 X 寸1 一X 毛 V 寸1 9 基于P S O 算法的碱煮过程仿真优化流程如图 2 所示。 P S O s i m u l i I 止 图2 优化流程图 F i g ．2 F l o wc h a r to fo p t i m i z a t i o n 4试验研究 4 ．1 混合模型预测分析 选取前述碱煮对象的8 0 组生产数据，归一化处 理后，6 0 组数据用于模型训练，剩余2 0 组数据用于 模型测试，预测结果如图3 所示。为了验证混合模 型具有更好的预测效果，将传统机理模型预测结果 与混合模型预测结果的均方根误差 R M S E 和最大 迭代次数 绝对误差 M A E 进行了比较，比较结果列于表 1 中。 I l 1 化验值 ‘w ≯ _ 然簇舞．， 混合模型预测． 7 ． ≤‘刚卜 ， 鐾，，．，r 1 - 。， l 二，r 1 “。一1 寻j q H5 ． ； ‘ 吲J _ 、● 24 681 01 21 41 61 82 I 样本编号 图3 混合模型预测结果 F i g ．3 P r e d i c t i o nr e s u l t so fh y b r i dm o d e l 表1 两种建模方法性能比较 T a b l e1P e r f o r m a n c ec o m p a r i s o no ft w o m o d e l i n gm e t h o d s 由上述结果可见，混合模型的预测效果优于机 理模型，且能够满足现场生产要求。 4 ．2 优化结果分析 在M a t l a b ／S i m u l i n k 中建立碱煮浸出模型，并 应用前述优化策略进行优化。精矿粒径为4 0 肛m ， P S O 初始化参数∞一0 ．6 ，C ，一C 。一2 ，最大迭代次 数忌⋯设置为i 0 0 ，粒子数7 7 z 设置为1 0 0 ，优化结果 如图4 所示。为了进行对比，将优化前后各指标列 于表2 。 2 l g 避 二】 2 f I 棼 猩 1 9 1 8 a 氢氧化钠用量、釜温、搅拌电流优化曲线； b 优化后浸出率曲线 图4 优化结果 F i g ．4O p t i m i z a t i o nr e s u l t s 保温时问／m i n 万方数据 3 2 有色金属 冶炼部分 h t t p ／／y s y l ．b g r i m m ．c n 2 0 1 6 年第5 期 表2 优化前后对比结果 T a b l e2 C o m p a r i s o nr e s u l t sb e f o r e a n da f t e ro p t i m i z a t i o n 由上述结果可见，实施优化操作后不但提高了 W O 。浸出率，而且减少了浸出剂用量，降低了能耗， 缩短了浸出时间，证明了优化策略的有效性。 5结论 1 现场数据验证表明，将钨碱煮过程动态机理 模型与L S S V M 数据补偿模型结合的并联混合模 型能够较好地预测W O 。浸出率，提高了模型的预测 精度。 2 在混合模型基础上对碱煮工艺进行了优化， 仿真结果表明，本文所述优化策略能够较好地优化 浸出过程，提高了W O 。浸出率，节约了浸出成本。 参考文献 [ 1 ] 万林生，邓登飞，赵立夫，等．钨绿色冶炼工艺研究方向 和技术进展[ J ] ．有色金属科学与工程，2 0 1 3 ，4 5 1 5 1 8 ． [ 2 ] 杜阳，马光，吴贤，等．碱熔融水浸法分离钨的试验研 究E J ] ．有色金属 冶炼部分 ，2 0 1 4 5 3 4 3 7 ． [ 3 ] 胡广浩，毛志忠，何大阔．浸出过程浸出率预测与在线优 化E J ] ．系统工程学报，2 0 1 1 ，2 6 4 5 2 4 5 3 0 ． [ 4 ] 刘飞飞，刘辉辉，李俊荣．基于R B F 神经网络的W O 。浸 出率软测量建模[ J ] ．有色金属科学与工程，2 0 1 3 ，4 5 1 1 7 1 2 1 ． [ 5 ] 刘飞飞，祝恩宇，徐鹏，等．碱煮工艺过程的智能集成建 模研究[ J ] ．有色金属 冶炼部分 ，2 0 1 5 6 6 3 6 6 ． [ 6 3 赵中伟．钨冶炼的理论与应用[ M ] ．北京清华大学出 版社，2 0 1 3 1 2 1 - 1 3 4 ． [ 7 ] V A P N I KV ．A no v e r v i e wo fs t a t i s t i c a ll e a r n i n gt h e o r y [ J ] ．I E E ET r a n s a c t i o n so nN e u r a lN e t w o r k s ，1 9 9 9 ，1 0 5 9 8 8 9 9 9 ． [ 8 ] S U Y K E N SJAK ，V A N D E W A I ，L EJ ．L e a s ts q u a r e s s u p p o r tv e c t o rm a c h i n ec l a s s i f i e r s [ J ] ．N e u r a lP r o c e s s i n g L e t t e r s ，1 9 9 9 ，9 3 2 9 3 - 3 0 0 ． [ 9 ] 王新华，桂卫华，王雅琳，等．混合核函数支持向量机的 磨矿粒度预测模型[ J ] ．计算机工程与应用，2 0 1 0 ，4 6 1 2 2 0 7 2 0 9 ，2 1 4 ． [ 1 0 ] 桂卫华，阳春华，陈晓方，等．有色冶金过程建模与优化 的若干问题及挑战[ J ] ．自动化学报，2 0 1 3 ，3 9 3 1 9 7 2 0 7 ． [ 1 1 ] K E N N E D YJ ，E B E R H A R TR ．P a r t i c l es w a r m o p t i m i z a t i o n [ C ] ／／I C N N P r o c ，I E E E I n t e r n a t i o n a l C o n f e r e n c eo nN e u r a lN e t w o r k s 。U S A P i s c a t a w a yN J ， 1 9 9 5 1 9 4 2 1 9 4 8 ． 上接第4 页 [ 4 ] 廖乾，冯其明，欧乐明．某复合型铜钴矿合理选矿工艺及 硫化作用机理研究[ J ] ．矿冶工程，2 0 1 0 ，3 0 5 4 4 4 8 ． [ 5 ] 魏邦峰．新疆某铜钴矿选矿试验研究[ J ] ．新疆有色金 属，2 0 0 9 增刊1 1 4 3 1 4 4 ． [ 6 ] 李鑫，王含渊，李云．刚果 金 高钴铜钴矿柱浸试验[ J ] ． 有色金属 冶炼部分 ，2 0 1 5 5 2 62 8 ． E 7 ] 欧乐明，尹冰一，冯其明．某硫化一氧化混合型铜钴矿浮 选工艺研究[ J ] ．金属矿山，2 0 0 9 2 7 5 7 8 ． [ 8 ] 陈永强，王成彦，王忠．高硅铜钻矿电炉还原熔炼渣型研 究E J ] ．有色金属 冶炼部分 ，2 0 0 3 4 2 3 2 5 ． [ 9 ] 王成彦，尹飞，王忠．低硫高硅低品位铜钴混合精矿的处 理[ J ] ．中国有色金属学报，2 0 0 8 ，1 8 增刊1 4 7 5 2 ． [ 1 0 ] 周锡堂，曾毅君．铜钴氧化矿的两种处理工艺的比较 [ J ] ．中南工学院学报，1 9 9 8 ，1 2 1 7 4 7 9 ． [ 1 1 ] 周德林，王宗毅．铜钴矿直接还原浸出的研究[ J ] ．云 南冶金，1 9 7 5 3 2 5 3 0 ． 万方数据