神经网络优化ITO废靶酸浸回收铟

摘要

以提高铟浸出率为目标，通过工艺实验结合神经网络研究ITO废靶酸浸的优化工艺。首先，固定其他工艺因素，进行单因素如残酸度、氧化剂加入量、酸浸温度及时间对铟浸出率影响的实验研究。结果表明，增大残酸度可提高铟浸出率；氧化剂的加入可明显提高铟浸出率，但增加到一定程度后浸出率提高不明显；升高温度可明显提高浸出率，但继续升高则会降低铟浸出率；延长浸出时间也可提高铟浸出率。通过反向传播算法的人工神经网络（BPNN）研究多因素的综合作用对铟浸出率的影响规律，预测值与实验值相差很小，表明所建立的BP模型铟浸出率能比较准确地预测。最终，通过BPNN预测以及实验验证，获得高达99.5%浸出率的工艺参数：残酸度50~60 g/L、氧化剂含量10%、浸出温度70℃和浸出时间2 h。