本技術(shu)涉及煉鋅，具體公開了一種濕法(fa)煉鋅凈化過程電(dian)位預設定值修(xiu)正方法(fa)。

背景技術：

1、濕法煉(lian)鋅是(shi)當前世界主流的(de)鋅冶煉(lian)技術，常規(gui)的(de)濕法煉(lian)鋅工(gong)藝由(you)配(pei)料(liao)、焙燒、浸(jin)出、凈(jing)化(hua)和電(dian)解五(wu)個(ge)工(gong)序(xu)組成。在(zai)凈(jing)化(hua)工(gong)序(xu)中，包(bao)括對所(suo)提煉(lian)的(de)上清液(ye)進行除(chu)(chu)銅、除(chu)(chu)鈷和除(chu)(chu)鎘三個(ge)子(zi)過程(cheng)，實現溶液(ye)除(chu)(chu)雜(za)目的(de)。

2、在凈化(hua)工序中，砷鹽除鈷過程(cheng)(cheng)是(shi)最(zui)重要(yao)的(de)子過程(cheng)(cheng)之一。砷鹽除鈷能(neng)夠(gou)實現鈷離子深(shen)度凈化(hua)，其原(yuan)理為：在砷鹽的(de)催化(hua)作用下(xia)，過程(cheng)(cheng)中添(tian)加的(de)鋅(xin)粉(fen)與鈷離子發(fa)生氧化(hua)還原(yuan)反應(ying)，鈷離子以合金(jin)形式從(cong)溶液中析出(chu)，從(cong)而鈷離子濃度變低。除鈷，是(shi)為了將除銅后(hou)液中的(de)鈷離子濃度降至工藝技術指標(biao)(0.05mg/l)以下(xia)，同時(shi)盡可(ke)能(neng)地降低鋅(xin)粉(fen)消耗(hao)量(liang)，實現經濟效益最(zui)大化(hua)。

3、在實(shi)際生產(chan)過程(cheng)(cheng)中(zhong)，氧化還原(yuan)電位（orp）是體現除鈷(gu)過程(cheng)(cheng)反應狀態(tai)的(de)綜合特(te)征。因此，鋅冶(ye)煉(lian)企業采用(yong)基于(yu)每個反應釜中(zhong)溶(rong)液orp實(shi)時(shi)檢測值(zhi)跟隨其設定值(zhi)的(de)變化情況，依據人工經驗調整鋅粉添加量，從而(er)實(shi)現除鈷(gu)過程(cheng)(cheng)的(de)穩定控制和去(qu)除鈷(gu)離子的(de)目的(de)。

4、而除鈷(gu)(gu)過程(cheng)參(can)數優(you)化(hua)的(de)目標是(shi)在(zai)現(xian)有設(she)備(bei)、原(yuan)料和(he)(he)工藝的(de)基礎上，通過優(you)化(hua)過程(cheng)參(can)數，達到(dao)提高(gao)出口(kou)鈷(gu)(gu)離子濃(nong)度合格率(lv)和(he)(he)盡可(ke)能減少鋅粉添(tian)加量的(de)雙目標。由于除鈷(gu)(gu)過程(cheng)的(de)不確(que)定性變化(hua)，氧化(hua)還原(yuan)電位(wei)的(de)電位(wei)預設(she)定值(zhi)在(zai)過程(cheng)中(zhong)會出現(xian)偏離實際除鈷(gu)(gu)反應(ying)狀(zhuang)態的(de)現(xian)象。

5、現有(you)技術中，針對電(dian)位(wei)(wei)預設定值(zhi)建立(li)有(you)電(dian)位(wei)(wei)預設定模型(xing)(xing)，在電(dian)位(wei)(wei)預設定模型(xing)(xing)運輸期間，即使受到過(guo)程不確定性變化的(de)影響(xiang)，電(dian)位(wei)(wei)預設定值(zhi)也不會(hui)(hui)出現特別大(da)的(de)偏離現象，但(dan)，微小的(de)偏離也會(hui)(hui)影響(xiang)鋅粉添加(jia)量與最終(zhong)出口鈷離子的(de)濃度合格率。

6、現有(you)技術中(zhong)引(yin)入有(you)一(yi)種(zhong)將(jiang)具有(you)趨(qu)勢(shi)屬性的(de)(de)案例推(tui)理方(fang)(fang)法cbr與bn模(mo)型相(xiang)結合(he)(he)的(de)(de)兩步精(jing)細運營調整的(de)(de)混合(he)(he)方(fang)(fang)法，僅通過(guo)引(yin)入歷史數(shu)(shu)(shu)據中(zhong)的(de)(de)鋅(xin)粉添加數(shu)(shu)(shu)據、鈷離子濃度排出數(shu)(shu)(shu)據以及除鈷過(guo)程中(zhong)可操作參數(shu)(shu)(shu)進行離線數(shu)(shu)(shu)據庫的(de)(de)建立，但在(zai)進行電(dian)位(wei)預設(she)(she)定值優(you)(you)化過(guo)程中(zhong)，仍(reng)需要將(jiang)一(yi)個(ge)模(mo)糊值與一(yi)個(ge)精(jing)確值進行整合(he)(he)得到最(zui)終電(dian)位(wei)預設(she)(she)定值優(you)(you)化結果，仍(reng)存在(zai)不能直(zhi)接預測與優(you)(you)化電(dian)位(wei)預設(she)(she)定值的(de)(de)問題(ti)。

7、發(fa)明人有(you)鑒于此，提供了(le)一種(zhong)濕法煉鋅凈化過程電位預設定值修正(zheng)方法，以便解(jie)決上述(shu)問題。

技術實現思路

1、本發明(ming)的目的在于解(jie)決(jue)傳統的濕法(fa)煉鋅除鈷凈化(hua)過程中的電位預(yu)(yu)設定值(zhi)在優化(hua)調整期(qi)間，所引入的方法(fa)不能直接準(zhun)確預(yu)(yu)測與優化(hua)電位預(yu)(yu)設定值(zhi)的問(wen)題。

2、為了達到(dao)上述目的，本發明的基礎方案提供一(yi)種濕(shi)法煉鋅凈化過程電位(wei)預設定值修(xiu)正(zheng)方法，包(bao)括離線學習階(jie)段和結合離線學習階(jie)段進(jin)行的在線學習階(jie)段，具體(ti)包(bao)括如下步(bu)驟：

3、離(li)線(xian)學(xue)習階段(duan)結(jie)(jie)合在濕法(fa)煉鋅工序的(de)(de)除鈷過程(cheng)中(zhong)積累的(de)(de)歷(li)史(shi)生產(chan)數(shu)(shu)據(ju)，建(jian)立以歷(li)史(shi)生產(chan)數(shu)(shu)據(ju)和以歷(li)史(shi)生產(chan)數(shu)(shu)據(ju)中(zhong)過程(cheng)參數(shu)(shu)的(de)(de)趨勢信息(xi)為(wei)案(an)(an)例(li)的(de)(de)案(an)(an)例(li)庫，計(ji)(ji)算各(ge)案(an)(an)例(li)與對應orp的(de)(de)相關(guan)性并得到(dao)相似度計(ji)(ji)算結(jie)(jie)果(guo)(guo)，依據(ju)各(ge)案(an)(an)例(li)與orp的(de)(de)相似度計(ji)(ji)算結(jie)(jie)果(guo)(guo)選(xuan)取(qu)符合的(de)(de)過程(cheng)參數(shu)(shu)主元特(te)征作(zuo)(zuo)為(wei)過程(cheng)參數(shu)(shu)主元特(te)征原因(yin)層(ceng)(ceng)、選(xuan)取(qu)符合當前過程(cheng)參數(shu)(shu)變(bian)化(hua)相關(guan)的(de)(de)orp發(fa)生的(de)(de)偏差變(bian)化(hua)量(liang)作(zuo)(zuo)為(wei)orp變(bian)化(hua)量(liang)結(jie)(jie)果(guo)(guo)層(ceng)(ceng)，建(jian)立具有過程(cheng)參數(shu)(shu)主元特(te)征原因(yin)層(ceng)(ceng)-orp變(bian)化(hua)量(liang)結(jie)(jie)果(guo)(guo)層(ceng)(ceng)的(de)(de)雙層(ceng)(ceng)bn模(mo)型結(jie)(jie)構；

4、在線學習(xi)階段，由(you)當(dang)前時間的生產數據(ju)在線選取(qu)部分相關案例(li)并基于極大似然估計(ji)算(suan)法將(jiang)所選取(qu)的案例(li)作為(wei)學習(xi)雙層bn模型結(jie)構的參數，并在當(dang)前反應狀態驅動下，以聯結(jie)樹推理算(suan)法為(wei)推理引擎(qing)完成對雙層bn模型結(jie)構的推理，獲取(qu)orp預設定(ding)值(zhi)修(xiu)正量；

5、最(zui)終，將原orp預(yu)設(she)定(ding)值與在線階段(duan)所(suo)求得(de)的(de)orp預(yu)設(she)定(ding)值修(xiu)正量相加(jia)，形成最(zui)終的(de)orp設(she)定(ding)值。

6、進一(yi)步(bu)，在(zai)離線學習階段，在(zai)建(jian)立(li)案例庫(ku)過程中，還需(xu)對(dui)所有(you)的歷(li)史生產數(shu)據進行篩選(xuan)，以獲得優良(liang)的歷(li)史數(shu)據，篩選(xuan)條件及步(bu)驟如下：

7、步驟z1：建立(li)評估標(biao)準，包括(kuo)建立(li)技術指標(biao)閾值(zhi)區間(jian)(jian)和經濟指標(biao)閾值(zhi)區間(jian)(jian)；

8、步驟z2：基(ji)于技術指(zhi)標(biao)閾(yu)值區間和經(jing)濟指(zhi)標(biao)閾(yu)值區間對濕法煉鋅工序(xu)的除鈷過程中積累的所(suo)有歷史數據(ju)進行評(ping)估，并選取(qu)位于技術指(zhi)標(biao)閾(yu)值區間和經(jing)濟指(zhi)標(biao)閾(yu)值區間內的歷史數據(ju)作為(wei)優秀案例納入案例庫。

9、進一步(bu)，在離線學習階段，對(dui)于歷(li)史生產數據中過程參(can)數的趨(qu)勢信息(xi)的提取，包(bao)括如(ru)下(xia)步(bu)驟：

10、步驟b1：建(jian)立(li)采樣時間窗口(kou)，對采樣時間窗口(kou)內(nei)采樣獲得的過程參數進行(xing)過程參數趨勢線性擬(ni)合；

11、步(bu)驟b2：對過程(cheng)(cheng)參數(shu)趨(qu)勢線性擬合的(de)結(jie)果進行檢驗，當所采樣時(shi)間(jian)窗(chuang)口內的(de)過程(cheng)(cheng)參數(shu)滿足(zu)檢驗條件則進入步(bu)驟b3，否則返(fan)回步(bu)驟b1并進行下一(yi)時(shi)間(jian)窗(chuang)口的(de)重新采樣；

12、步(bu)驟(zou)b3：針對滿足校驗條件的(de)當前(qian)時間窗口內(nei)所(suo)(suo)采(cai)樣(yang)(yang)的(de)過(guo)程參(can)數(shu)，建(jian)立ⅰ類擬(ni)合誤差閾值并依據所(suo)(suo)建(jian)立的(de)ⅰ類擬(ni)合誤差閾值消除過(guo)程參(can)數(shu)在(zai)采(cai)樣(yang)(yang)過(guo)程中(zhong)存在(zai)的(de)噪聲影響(xiang)，并校驗當前(qian)時間窗口內(nei)所(suo)(suo)采(cai)樣(yang)(yang)的(de)過(guo)程參(can)數(shu)樣(yang)(yang)本(ben)點(dian)是否(fou)為待(dai)確認的(de)新(xin)趨(qu)勢起點(dian)，若為待(dai)確認的(de)新(xin)趨(qu)勢起點(dian)則(ze)進(jin)入步(bu)驟(zou)b4，否(fou)則(ze)進(jin)入步(bu)驟(zou)b5進(jin)一(yi)步(bu)校驗準確性；

13、步(bu)驟(zou)b4：校驗當(dang)前(qian)時(shi)(shi)間(jian)(jian)窗(chuang)口內過程參數樣本點(dian)作(zuo)為新(xin)趨勢(shi)(shi)起(qi)點(dian)的(de)準(zhun)確(que)性，若確(que)定(ding)為新(xin)趨勢(shi)(shi)起(qi)點(dian)則進入(ru)至步(bu)驟(zou)b6，否則被(bei)判定(ding)為異常值(zhi)并移(yi)出當(dang)前(qian)時(shi)(shi)間(jian)(jian)窗(chuang)口，并向(xiang)當(dang)前(qian)時(shi)(shi)間(jian)(jian)窗(chuang)口內移(yi)入(ru)下一組新(xin)數據再次進行線(xian)性擬合計(ji)算后轉入(ru)至步(bu)驟(zou)b3；

14、步驟b5：建立(li)ⅱ類誤差閾(yu)值，基(ji)于ⅱ類誤差閾(yu)值校驗不屬于新(xin)趨(qu)(qu)勢起點(dian)的當前時(shi)間(jian)窗(chuang)口內過程(cheng)參數樣本(ben)點(dian)的判(pan)別的準確性(xing)(xing)，若(ruo)判(pan)斷為真則(ze)向當前時(shi)間(jian)窗(chuang)口內移入(ru)下一組新(xin)數據再次進行線性(xing)(xing)擬合計算后轉入(ru)至步驟b3，否(fou)則(ze)將當前時(shi)間(jian)窗(chuang)口內過程(cheng)參數樣本(ben)點(dian)作為新(xin)趨(qu)(qu)勢起點(dian)并進入(ru)至步驟b6；

15、步(bu)驟(zou)b6：從步(bu)驟(zou)b1至步(bu)驟(zou)b5循環記錄所有時間點的過程參數的趨勢信息。

16、進一步，在進行過程(cheng)(cheng)參數(shu)的(de)趨勢(shi)(shi)信息(xi)的(de)提(ti)取過程(cheng)(cheng)中，過程(cheng)(cheng)參數(shu)的(de)參數(shu)趨勢(shi)(shi)線性(xing)擬合計(ji)算式如下：

17、；

18、式中，yk表(biao)示(shi)(shi)過程(cheng)參(can)數，表(biao)示(shi)(shi)過程(cheng)參(can)數yk的線性擬合(he)值(zhi)，表(biao)示(shi)(shi)過程(cheng)參(can)數趨勢線性擬合(he)模(mo)型系數的估計值(zhi)，t1表(biao)示(shi)(shi)時間(jian)窗口的起點(dian)，tk表(biao)示(shi)(shi)時間(jian)窗口的終(zhong)點(dian)，，k=1,2，…,i；

19、式(shi)中，1表示單位矩陣，t為轉置矩陣的符號；

20、式中，jz表(biao)示(shi)(shi)第j個采(cai)樣(yang)時間(jian)的m-1次(ci)方，為(wei)一個包含數據點(dian)的矩(ju)陣，m表(biao)示(shi)(shi)階數，m=1,2。

21、進一(yi)步，在離(li)線學習階段(duan)，對于案例(li)庫中案例(li)的(de)選取及(ji)建立，還包(bao)括對同一(yi)時間(jian)內，過程參數(shu)所(suo)對應的(de)orp檢測值(zhi)與電位預(yu)設定值(zhi)偏差的(de)均(jun)值(zhi)：eorp的(de)計(ji)算，eorp的(de)表(biao)達式如下：

22、；

23、式(shi)中，orpob_i表示t至t+τ時間內第i個orp檢測(ce)值(zhi)(zhi)，orppre-set表示電(dian)位預設定值(zhi)(zhi)，且i=1,2,…,fτ，f表示orp檢測(ce)值(zhi)(zhi)的采樣頻率(lv)，fτ表示采樣頻率(lv)f與(yu)時間τ的乘積，為一個自然數(shu)。

24、進一步，在離(li)線學習階(jie)段，還(huan)引(yin)入有自(zi)編碼器ae去提取過程參數x的(de)狀態特(te)征(zheng)中的(de)隱(yin)藏主元(yuan)(yuan)特(te)征(zheng)h，經(jing)自(zi)編碼器的(de)編碼網絡提取的(de)隱(yin)藏主元(yuan)(yuan)特(te)征(zheng)h表示如下：

25、h=s(ωx+b)；

26、式(shi)中(zhong)，x表示(shi)過(guo)程參數(shu)，也表示(shi)ae的輸入向量樣本集，ω和b分別表示(shi)編碼網絡(luo)的權重(zhong)矩陣和偏置向量，s表示(shi)激活函數(shu)；

27、經過隱藏(zang)主元(yuan)特征(zheng)(zheng)提取后，形(xing)成(cheng)由余下的主元(yuan)特征(zheng)(zheng)表(biao)示過程(cheng)狀態(tai)的新形(xing)式的案例(li)庫(ku)ch，并形(xing)成(cheng)過程(cheng)參數主元(yuan)特征(zheng)(zheng)原(yuan)因(yin)層，案例(li)庫(ku)ch的表(biao)達式如下：

28、ch={(h;β),eorp}；

29、式中(zhong)，β表示過程參數趨勢。

30、進(jin)一步，所述在線(xian)學習(xi)階(jie)段中，對于部分案(an)例(li)的(de)(de)在線(xian)選取，采用如下步驟進(jin)行：包括對當前反應時(shi)間的(de)(de)過程(cheng)(cheng)(cheng)參(can)數與案(an)例(li)庫(ku)中各案(an)例(li)的(de)(de)過程(cheng)(cheng)(cheng)參(can)數之(zhi)間的(de)(de)相(xiang)(xiang)似(si)(si)(si)度(du)計(ji)算，獲得(de)相(xiang)(xiang)似(si)(si)(si)度(du)計(ji)算結果一，以及對當前反應時(shi)間的(de)(de)過程(cheng)(cheng)(cheng)參(can)數變量趨(qu)勢與案(an)例(li)庫(ku)中各案(an)例(li)的(de)(de)過程(cheng)(cheng)(cheng)參(can)數變量趨(qu)勢之(zhi)間的(de)(de)相(xiang)(xiang)似(si)(si)(si)度(du)計(ji)算，獲得(de)相(xiang)(xiang)似(si)(si)(si)度(du)計(ji)算結果二；

31、將相(xiang)(xiang)似度(du)計算(suan)結果一(yi)和(he)相(xiang)(xiang)似度(du)計算(suan)結果二相(xiang)(xiang)加即可得到當前(qian)反應(ying)時間(jian)的反應(ying)狀(zhuang)態和(he)對應(ying)案例(li)間(jian)的總體相(xiang)(xiang)似度(du)；

32、依(yi)次計算(suan)n個案(an)例(li)的相似度，選取(qu)前l個相似度最(zui)大的案(an)例(li)作為bn參數(shu)在線(xian)學習數(shu)據，也即訓(xun)練(lian)數(shu)據。

33、進一步(bu)，所述在線學習(xi)階段(duan)中，獲取orp預設定值修正量的具體(ti)步(bu)驟(zou)如(ru)下(xia)：

34、步驟(zou)d1：將bn模型內(nei)的(de)過程參(can)數(shu)主元特(te)征原因(yin)層轉(zhuan)化為(wei)聯結樹結構；

35、步驟d2：初始化聯結(jie)樹結(jie)構，為(wei)聯結(jie)樹的(de)所有包含隨機變量(liang)的(de)節點指定初始參數；

36、步(bu)驟d3：進行聯結樹之間的消息傳遞(di)；

37、步驟d4：計(ji)算隨機變(bian)量的分布概率；

38、在(zai)計(ji)算(suan)隨(sui)機(ji)變量(liang)的(de)(de)分布(bu)概(gai)率(lv)過程中(zhong)，引入由當(dang)前反(fan)應狀態充當(dang)的(de)(de)新證據使(shi)聯(lian)結樹(shu)之間達到一致性，所(suo)計(ji)算(suan)得(de)出的(de)(de)隨(sui)機(ji)變兩個的(de)(de)分布(bu)概(gai)率(lv)也即eorp的(de)(de)分布(bu)概(gai)率(lv)，將(jiang)概(gai)率(lv)最大(da)的(de)(de)均值作為電位預設定值修正量(liang)eorp。

39、本方案的原理及效果(guo)在于：

40、1、與現有技術相比，本(ben)發(fa)明在離線階段，基于技術與經濟雙指標獲取了歷史生產數據，結(jie)合各過(guo)程參數的趨勢(shi)信息形成了優良的案(an)例庫。通過(guo)除鈷工(gong)藝確定(ding)了以過(guo)程參數屬性為(wei)(wei)原因層、orp變化(hua)量為(wei)(wei)結(jie)果層的初始網(wang)絡結(jie)構，通過(guo)ae提取原因層節點的主(zhu)元特征，確定(ding)了最后的bn結(jie)構g。

41、2、與(yu)(yu)現(xian)有技術相比，本發明在(zai)(zai)在(zai)(zai)線階段，在(zai)(zai)相似(si)度計算(suan)(suan)時將過程(cheng)參數和趨勢(shi)信息(xi)分(fen)開考(kao)慮，在(zai)(zai)當(dang)前(qian)(qian)反(fan)應狀(zhuang)態(tai)下(xia)(xia)，檢索了(le)部(bu)分(fen)相似(si)度最(zui)大的(de)(de)案例(li)作為bn參數學(xue)(xue)習(xi)(xi)的(de)(de)訓練數據，并基于mle算(suan)(suan)法完成(cheng)參數學(xue)(xue)習(xi)(xi)，結(jie)合局(ju)部(bu)bn模型結(jie)構的(de)(de)特點，通過jtr算(suan)(suan)法作為推(tui)理引擎(qing)在(zai)(zai)當(dang)前(qian)(qian)反(fan)應狀(zhuang)態(tai)的(de)(de)驅動(dong)下(xia)(xia)，獲(huo)得(de)了(le)電位預(yu)設(she)(she)(she)定值修正量eorp的(de)(de)概(gai)(gai)率分(fen)布，并選擇(ze)概(gai)(gai)率最(zui)大的(de)(de)均值作為最(zui)后的(de)(de)eorp，并與(yu)(yu)電位預(yu)設(she)(she)(she)定值相加形成(cheng)電位設(she)(she)(she)定值，解決了(le)傳(chuan)統(tong)的(de)(de)濕(shi)法煉鋅除鈷凈化(hua)過程(cheng)中(zhong)的(de)(de)電位預(yu)設(she)(she)(she)定值在(zai)(zai)優(you)化(hua)調整期間(jian)，所引入(ru)的(de)(de)方法不能直接準確預(yu)測與(yu)(yu)優(you)化(hua)電位預(yu)設(she)(she)(she)定值的(de)(de)問題(ti)。