论文部分内容阅读
稀土元素在自然界中常以共生矿的形式存在,必须经过萃取分离才能使用。P507-HCL溶剂萃取是目前国内外获取单一、高纯稀土氧化物最常用的稀土分离体系。元素组分含量分布是稀土萃取分离过程中衡量萃取分离效果的重要指标。在具有离子特征颜色的稀土分离生产现场,有经验的操作工人常凭借肉眼观测“离子颜色特征带”的偏移程度判断组分含量的分布,但这种方法的主观性太强、对组分含量的判断误差大,生产效率低,无法实现槽体中混合溶液颜色信息的量化描述、为后续各工艺参数调节提供准确信息,造成手动操作的盲目性,致使萃取过程资源消耗大、产品质量不稳定、市场竞争力弱。研究基于颜色特征的镨/钕萃取过程组分含量检测方法,是解决具有离子特征颜色的稀土萃取分离过程组分含量快速测量问题的有效途径,可为稀土萃取过程优化运行提供技术支撑,对实现我国稀土工业的可持续发展具有十分重要的理论和现实意义。本文主要的研究工作及创新点如下:(1)针对镨/钕混合溶液特点,分析了常用RGB和HSI颜色空间下,溶液图像颜色特征的提取方法,明确了采用HSI颜色空间下的H、S、I特征分量一阶矩描述稀土混合溶液图像颜色信息;(2)以实验室配置的标准镨/钕混合溶液作为基准,建立了镨/钕萃取现场混合溶液图像H、S、I特征分量一阶矩的补偿模型,以消除生产现场各种噪声干扰引起的图像误差。在此基础上,采用主元分析法分析得到与组分含量关系关联度好的H、S分量一阶矩作为输入变量,建立了镨/钕萃取过程组分含量LSSVM快速预估模型,通过自适应遗传算法寻优模型参数组合。测试数据验证了该模型具有高精度和泛化能力好的特点;(3)针对镨/钕混合溶液颜色的特殊性,建立了基于颜色特征融合的镨/钕萃取过程组分含量LSSVM快速预估模型。首先在RGB颜色空间下提出相对绿色分量和颜色矢量角,结合H、S特征分量共同描述镨/钕混合溶液图像信息,采用偏最小二乘方法消除四个颜色分量间的相关性,以融合后的特征分量为输入变量建立组分含量LSSVM模型。测试数据验证了综合考虑普遍性和特殊性的组分含量建模方法具有更高的预测精度和更好的泛化能力;(4)鉴于稀土萃取现场影响因素较多,萃取槽体元素组分含量波动较大,对历史数据有较好泛化能力的组分含量固定模型在进行长期、连续运行监测时容易出现预测精度变差的情况,提出了一种基于颜色特征的镨/钕萃取过程组分含量LSSVM模型自适应校正方法。该方法首先建立对历史数据样本有较高精度的组分含量LSSVM模型,依据模型校正准则,采用自适应迭代方式更新组分含量模型。通过萃取现场工况变化时运行数据测试,并与常规LSSVM、 SVM和BP神经网络元素组分含量模型进行对比分析,表明该方法具有较强的预测精度和较好的自适应能力,适用于稀土萃取现场长期、连续监测元素组分含量;(5)以某稀土企业镨/钕萃取生产线为应用对象,基于机器视觉技术设计开发了镨/钕萃取过程元素组分含量实验室快速检测系统。对系统硬件部分进行了详细设计和选型,并采用虚拟仪器(LabVIEW)和Matlab工具软件进行混合编程开发检测系统软件。通过对萃取现场运行数据测试分析,表明该检测系统测试的准确性、重复性和快速性可满足镨/钕萃取生产现场组分含量快速检测要求,为镨/钕萃取分离过程各工艺参数调整提供准确可靠的参考依据,保证萃取生产过程长期连续稳定运行。