镨钕萃取过程组分含量多RBF模型预测

摘要

随着稀土元素运用领域的不断增广，稀土元素已成为一类无可替代的关键材料。2015年，我国的稀土产量已达到10.5万吨，但国内稀土生产水平依旧处于半自动化状态，流量等过程参数需要人工调节，稀土溶液的组分含量依靠人工取样进行检测，这样的生产状况降低了生产效率与产品的质量。因此，建立稀土萃取过程元素组分含量在线检测系统是实现稀土萃取分离自动化的关键。
　　在具有离子颜色特征的萃取分离体系中，可通过萃取槽体中“离子特征颜色带”分布变化来对工艺参数进行调节，但采用人工观测的方法主观性大，导致萃取分离工艺控制的随机性加大。本文基于机器视觉技术，提取稀土生产现场溶液的颜色特征，采用数据驱动建模算法，建立稀土萃取过程元素组分含量的软测量模型。具体的研究内容如下：
　　1、以Pr/Nd萃取分离过程为例，首先利用机器视觉技术采集生产现场萃取槽中溶液图像信息，其次通过分析Pr/Nd溶液在不同颜色空间的视觉特征表现，得出更适合描述稀土溶液信息的颜色特征空间。
　　2、采用数据驱动建模算法建立稀土萃取过程元素组分含量RON(资源优化网络)模型。首先采用PCA（主元分析）算法对溶液图像颜色特征进行分析，得出与稀土溶液组分含量关系相关性较大的颜色特征分量，建立RON的组分含量模型。
　　3、针对稀土生产过程运行工况复杂、萃取槽中元素含量分布存在大范围的波动的情况，提出一种带有自适应功能的多RBF模型预测方法。首先采用减法聚类对样本数据进行分类并对每一类数据建立基于RBF神经网络的子模型，然后按照一定的规则将子模型进行组合，得到元素组分含量预测模型；当萃取环境或者对象特性发生改变时，根据模型参数校正策略，实现元素组分含量模型的自适应校正。经过Pr/Nd萃取现场数据测试试验，结果表明多RBF方法有较好的自适应能力，适用于稀土萃取过程组分含量的准确快速预测。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1 .1 选题背景及意义

1 .2 国内外发展现状

1 .3 本文研究的总体思路及实施方案

1 .4 全文架构及章节安排

第二章 镨/钕萃取过程视频监测

2 .1 稀土萃取分离工艺

2 .2 稀土萃取过程视觉信息分析

2 .3 镨/钕混合溶液图像特点及颜色特征提取方法

2 .4 镨/钕图像采集平台搭建

2 .5 本章小结

第三章 镨/钕萃取过程元素组分含量建模

3 .1 基于PCA的溶液图像颜色特征分析

3 .2 RON建模原理

3 .3 基于镨/钕溶液视觉特征的元素组分含量RON模型

3 .4 本章小结

第四章 镨/钕萃取过程元素组分含量多RBF模型预测

4 .1 多模型建模策略

4 .2 多RBF模型结构及参数调整策略

4 .3 仿真实验

4 .4 本章小结

第五章 总结

5 .1 工作总结

5 .2 本课题研究需改进的地方

参考文献

个人简历 在读期间发表的学术论文

致谢