一种净化过程钴离子浓度的混合智能预测方法

《一种净化过程钴离子浓度的混合智能预测方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据第36卷第7期计算机科学V01．36No．72009年7月ComputerScienceJulY2009．_____．___---_·_‘··____。-__-____。。。。‘‘‘。。。‘oo‘。o。’。。。。。‘‘’。‘。·_。_-。·_-___———————————1。’1。‘。。。。。。’’。。。。。。o’。。。。'______·____·。_。‘。。。。。。____●_-。。’。‘。。‘。‘。。。。。’。。。___一一种净化过程钴离子浓度的混合智能预测方法朱红求阳春华桂卫华(中南大学信息

2、科学与工程学院长沙410083)摘要针对锌湿法冶炼净化过程的复杂性，提出了一种结合粒子群算法和案例推理方法的净化过程Ⅱ段出口钴离子浓度混杂预测模型。考虑到不同时期案例所起的作用不一样，提出了一种综合加权相似函数。针对案例推理方法中属性权重选择和近邻个数的选取问题，提出了带有变异的惯性权重自适应粒子群算法优化方法，优化最近邻算法中特征权重矢量和近邻数，提高案例的检索精度。以净化过程生产数据进行实验验证和对比分析，计算结果表明改进的案例推理模型精度优于神经网络模型，模型预测结果可以作为过程信息用于净化过程的优

3、化控制。关键词净化过程，离子浓度预测，混杂案例推理，自适应粒子群算法中图法分类号TP273文献标识码AHybridIntelligentPredictionModelofCobaltConcentrationforPurificationProcessZHUHong-qiuYANGChun-huaGUIWei—hua(SchoolofInformationScience&Engineering．CentralSouthUniversity，Changsha410083，China)AbstractAhyb

4、ridintelligentpredictionmodelcombiningcase-basedreasoning(CBR)withadaptiveparticleswartnop—timization(PSO)wasproposedforthecobaltconcentrationpredictionofpurificationpmcessinzinchyarometallurgy．Owingtothedifferenteffectofthecaseindifferentperiods，acombine

5、dweightedsimilarityfunctionswaspresented．ConsiderationoftheretrievalaccuracyofCBRinfluencedbythefeatureweightingvectorselectionandtheoptimalnulYl-betofnearestneighbors，anadaptivePSOalgorithmwasproposedtooptimizetheseparameters．Theexperimentalveri—fication

6、andcomparisonanalysiswereexecutedusingtheindustrialproductiondatafrompurificationprocess．There—suhsshowthattheaccuracyofthehybridintelligentmodelishigherthantheBPneuralnetworkmodelandthepredic—tionresultscanbeUSedasprocessdatafortheoperationoptimizationof

7、thepurificationprocess．KeywordsPurificationprocess，Cobahconcentrationprediction，Case-basedreasoning，AdaptivePSO1引言净化过程是湿法炼锌生产中最为重要的一个过程，主要是通过添加锌粉和锑盐去除电解液中铜镉钴等杂质离子。净液效果的好坏不仅影响电解过程电流效率和电能消耗，还影响后续电解过程的产品质量和产量[1]。钻是危害最大也是最难去除的杂质之一。由于净化过程的长流程和大时滞以及离子浓度人工化验分析时间

8、滞后长，常规的过程优化方法实验困难，现场虽然采用DCS系统实现了过程参数的集中监视以及单回路稳定控制，但现场操作仍然采用人工操作的方式，主管盲目性大，造成过程锌粉消耗大、资源和能源浪费大。对于这样一类复杂对象，预测控制是一种行之有效的方法。在预测控制中，过程参数预测是其中一个重要的环节。由于净化过程具有影响因素多、非线性、大时滞等特点。基于机理分析和过程简化数值模拟方法来研究离子浓度的预测模型比较困难。现场D(二S的应用和自动