CN109840722A - 一种金湿法冶金全流程运行状态在线评价方法及系统 - Google Patents

Abstract

本发明涉及一种金湿法冶金全流程运行状态在线评价方法，包括：S1基于评价变量和过程变量获取离线生产数据；S2针对离线生成数据利用改进的随机森林算法建立运行状态评价模型；S3采集作为在线数据的实时生产数据并输入到运行状态评价模型，获得在线数据处于各等级的概率，获取实时评价过程运行状态；S4根据实时评价过程运行状态，获取各个过程变量的相对的劣化度，将劣化度较大的变量作为非优原因追溯的结果；S5根据非优原因追溯的结果，并选择操作调整策略以改善过程运行状态；本发明方法能够提供实时的评价结果，避免工人评价的滞后问题，且能够追溯非优原因，以便及时调整生产操作使用运行状态达到优，确保企业经济效益和生产效率。

Description

一种金湿法冶金全流程运行状态在线评价方法及系统

技术领域

本发明属于金湿法冶金运行状态评价领域，尤其涉及一种金湿法冶金全流程运行状态在线评价方法及系统。

背景技术

随着矿产资源的不断利用，高品位矿石不断的减少，如何利用低品位矿石产生黄金，如何高效的的利用现有矿产资源受到了冶金行业的高度重视。目前冶金技术主要有三种：火法冶金、电冶金和湿法冶金。相比于火法冶金和电冶金，湿法冶金能够处理成分复杂的矿石，同时实现一些稀有或者稀贵金属的回收，而且湿法冶金排放的有害气体较少，有利于对环境的保护。因而，湿法冶金是目前行业普遍使用的冶金方法。目前，我国湿法冶金的技术已经较为先进，但与之相适应的自动化技术却较为落后，想要依靠提高工艺水平来进而提高金的产出量及经济效益尤为困难。而仅仅是对生产过程进行故障诊断监测并不能满足以上要求，所以在生产过程正常运行的前提下，如何使生产过程运行于最优状态从而获得最大的经济效益具有实际研究意义。本发明以高铜线金湿法冶金作为研究对象，针对其中三个最重要的工序——氰化浸出、压滤洗涤和置换进行运行状态评价。

金湿法冶金主要包括氰化浸出、压滤洗涤和置换三个工序，如图1所示。其中，氰化浸出是湿法冶金的第一个工序，浸出的好坏直接影响后面的工序中金的纯度和原料的消耗量。经过分离浮选后的矿浆进入一次氰化浸出工序，浸出工序包含四个浸出槽，向浸出槽内添加氰化钠并充入空气，使金与氰化钠试剂充分反应。充入空气的作用是提供搅拌使反应充分发生，同时，为了防止氰化钠发生水解产生剧毒的氰化氢气体，向矿浆中加入氢氧化钙以调节pH值。压滤洗涤的任务是固液分离。浸出后，为了将浸出的金氰离子分离出去，将矿浆送入压滤洗涤工序。分离出来的贵液被送入锌粉置换工序。经过氰化浸出和压滤洗涤的贵液中会存在一些固体颗粒悬浮物，为了避免其进入置换过程，需要先进行贵液净化；在氰化浸出过程中通入了大量的空气，为了避免氧气与锌粉等发生反应，在置换前需要对贵液进行脱氧处理。向处理后的贵液中添加锌粉，将贵液中金氰离子中的金置换出来。

合理的湿法冶金工艺流程能够确保矿石中金有效回收利用、企业获得高收益。然而，在实际生产过程受到外部环境干扰及不确定因素的影响时，操作变量(如，氰化钠流量，锌粉流量等)将无法始终保持上产初期设定的最优范围，这就将导致运行状态发生劣化。过程运行状态的优劣与企业综合经济指标密切相关。较好的过程运行状态意味着，生产过程保持在当前生产操作条件下运行，企业将获得较高的综合经济收益。另外，由于原料差异、外界环境干扰、设备磨损等原因，生产过程可能具有多个稳定运行的工作点，即多模态。而在不同模态下，运行状态的评价标准也会有所不同。因此，识别生产过程的操作模态，掌握在该模态下生产过程的运行状态，对于及时调整操作、提高经济效益有着重要的意义。

实际生产中，复杂工业过程运行环境差、检测技术不完善，导致过程定量信息与定性信息共存，限制了传统的运行状态评价方法的应用。若将传统评价方法直接应用于金湿法冶金过程运行状态评价中，会存在以下两个主要问题：同时存在定量和定性数据，传统方法难以兼顾两种数据类型，准确衡量过程变量和评价指标的关系；湿法冶金流程多长、工序多，无法快速寻找导致运行状态非优的原因，因此，本发明提出了新的解决办法。

目前，国内外对湿法冶金工业的研究较少，自动化水平也不高，理论研究也只停留在对工艺研究及动力学研究的层面上，未见针对湿法冶金过程运行状态在线评价的研究报道。目前工厂所采用的评价方法是根据离线分析、化验及测量数据，确定操作模态，在一个生产周期(通常以天、月、年等为单位)结束后，根据各项生产指标确定出综合经济指标，以此评价在该操作模态下这一生产周期内过程运行状态的优劣，并根据此评价结果对下一个生产周期内各项生产指标进行适当的调整，以获得更好的经济收益。这种做法的缺点是，无法在线实时评价，评价结果滞后，只能对下一周期进行指导，对正在进行的生成周期无能为力；操作模态的识别通常依赖于一些离线测量化验等手段，无法在线识别；另外，操作工主要依靠各自的生产经验调节操作，难以确保下一生产周期过程运行状态的改进。因此为了解决以上问题，本发明提供了适用于湿法冶金过程运行状态在线评价的方法。

发明内容

(一)要解决的技术问题

为了解决传统方法难以兼顾两种数据类型，以及金湿法冶金过程运行状态无法在线实时评价，导致评价结果滞后的技术问题，一方面本发明提供一种金湿法冶金全流程运行状态在线评价方法，另一方面本发明提供了一种金湿法冶金全流程运行状态在线评价系统。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括以下步骤：

S1、基于评价变量和过程变量，获取包括所有运行状态的离线生产数据；

S2、针对所述离线生成数据利用改进的随机森林算法建立运行状态评价模型；

S3、采集作为在线数据的实时生产数据，并输入到所述运行状态评价模型，获得所述在线数据处于各等级的概率，获取实时评价过程运行状态；

S4、根据所述实时评价过程运行状态，获取各个过程变量的相对的劣化度，将劣化度较大的变量作为非优原因追溯的结果；

S5、根据所述非优原因追溯的结果，并结合生产经验选择操作调整策略以改善过程运行状态。

可选地，在步骤S2中建立运行状态评价模型包括：

S21、从历史数据中提取两组样本数据D＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}和T＝{(x₁,y₁),(x₂,y₂),...,(x_L,y_L)}作为建模数据：其中D为训练集，T为验证集，y_i为综合经济指标等级；基于训练集D应用传统的随机森林算法建立评价模型R＝{h₁,h₂,...,h_K}，其中h_i表示决策树，K为决策树数量；

S22、将验证集T依次输入模型R中的每棵决策树中，得到评价结果Y_i(i＝1,2,...,K)；分别基于互信息计算每棵决策树的精度I(h_i,y)，再依次计算任意每棵决策树与其余决策树的相关性，即I(h_i,h_k)(k≠i)；

若h_i与其余所有决策树相关性均小于阈值ε即I(h_i,h_k)＜ε，获取决策树h_i；否则将所有I(h_i,h_k)(k≠i)值大于阈值ε的决策树合为一组决策树组，根据精度I(h_i,y)获取该组精度最高的决策树，获取一组决策树组成新的随机森林评价模型R′＝{h′₁,h′₂,...,h′_P}；

S23、将评价精度转化为决策树的投票权值，在决策树精简后，被选择的决策树的评价精度矩阵为ACC：

其中，acc_qp表示第P棵决策树对于第q种运行状态的评价精度，其中，p＝1,2,...,P,q＝1,2,...,Q，Q为评价结果的等级数目，P为改进后决策树数量；ACC通过将验证集T代入新的随机森林，并计算每棵决策树对于每一类的输出结果的正确率获得；

根据精度矩阵，定义权重矩阵W为：

其中w_qp表示第p棵树对于第q种运行状态的权重，其计算方式如下式所示：w_qp＝acc_qp；

S24、利用所述权重矩阵W更新随机森林评价模型，获取基于互信息的加权随机森林评价模型R'_c，用于过程运行状态的在线评价。

可选地，在步骤S3中在线评价方法如下：

假设建模数据充分，评价结果分为Q个等级，将t时刻在线数据x_t输入评价模型R′_c，得到每棵决策树的评价结果y_i(i＝1,2,...,P)∈{1,2,...,Q}，x_t处于第q个状态等级的概率为：

其中[·]表示当括号内的表达式成立时，其值为1，否则为0；

数据x_t的最大后验概率对应的等级是：

假设运行状态等级只能在相邻等级之间转换，运行状态等级在线评价遵循第一条规则和第二规则。

可选地，所述第一条规则为：只有连续H个样本点最大后验概率对应的等级都与t-H时刻的评价结果不同，才认为运行状态等级可能发生转换；否则，保持评价结果不变，记为在运行评价初期，样本个数小于H时，评价等级等于即时评价等级；

所述第二条规则为：根据所述第一条规则判断出运行状态等级转换之后，记中频率最高的等级为如果是的相邻等级，那么将作为运行状态等级评价结果，记为否则，当前运行状态等级为的两个相邻等级中，更接近的等级，表示最终评价等级。

可选地，在步骤S4中在运行状态非优原因追溯包括：

S41、通过计算过程变量的相对劣化度，找出劣化度相对较大的过程变量作为导致运行状态非优的原因；

当前的非优运行状态数据x_t∈R^1×J，引入相对劣化度l_j的概念，相对劣化度是反应变量j劣化程度的指标，其值介于[0,1]之间，其值相对大小反应劣化的不同程度，其中，l_j为0表示处于完全良好状态；l_j为1表示处于非优状态；

将相对劣化度定义为：

式中，j＝1,2,...,J，l_j为变量j的相对劣化度，x_t,j为t时刻变量j的值，x_opt为变量j的最优值，x_{n_opt}为变量j的最小值，k为劣化速度指数，且k取值为1；

S42、根据所述导致运行状态非优的原因，结合生产经验选择合适的调整策略。

可选地，在步骤S1中以综合经济效益作为评价变量，所述过程变量包括：一浸氰化钠流量记为x₁，一浸氰根离子浓度1记为x₂，一浸氰根离子浓度2记为x₃，一浸空气流量记为x₄，一浸溶解氧浓度记为x₅，二浸氰化钠流量记为x₆，二浸氰根离子浓度1记为x₇，二浸氰根离子浓度2记为x₈，二浸空气流量记为x₉，二浸溶解氧浓度记为x₁₀，一次压滤板框压滤机液压压力记为x₁₁，二次压滤板框压滤机液压压力记为x₁₂，锌粉添加量记为x₁₃，贫液中金离子浓度记为x₁₄。

一种金湿法冶金全流程运行状态在线评价系统，包括：上位机，PLC控制器、现场传感变送部分；

上位机：手机本地PLC数据，传送给湿法冶金过程运行状态评价系统，并提供生产操作指导建议；

PLC控制器用于将采集的信号A/D转换，并通过以太网把信号传送给上位机；

现场传感变送部分包括：浓度、压力、流量检测仪表，用于将过程数据的采集和传送；

所述浓度、压力、流量检测仪表将采集的信号通过Profibus-DP总线送到PLC控制器，PLC控制器通过以太网定时将采集信号传送到所述上位机，上位机将采集的数据传到湿法冶金过程运行状态评价系统，进行运行状态实时评价，并提供生成操作指导建议。

(三)有益效果

本发明的有益效果是：

首先，利用可在线定量测量或定性评估的变量信息，对过程运行状态做出在线实时评价，确保企业生产效率和综合经济效益；其次，在线生产过程运行状态为非优是，追溯导致非优的原因，为操作工人提供合理可靠的操作制导建议；最后，提供实时在线的评价结果，避免人工评价的滞后问题，并及时对当前生产周期过程运行状态做出适当调整改进。

附图说明

图1为本发明一实施例提供的金湿法冶金主要工序流程图；

图2为本发明一实施例提供的过程运行状态离线建模和在线识别示意图；

图3a为本发明一实施例提供的过程运行状态为优的在线评价图；

图3b为本发明一实施例提供的过程运行状态为次优的在线评价图；

图3c为本发明一实施例提供的过程运行状态为非优的在线评价图；

图3d为本发明一实施例提供的过程运行状态在线评价结果图；

图4为本发明一实施例提供的运行状态非优原因追溯图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

实施例一

本实施例提供了一种金湿法冶金全流程运行状态在线评价方法

S1、基于评价变量和过程变量，获取包括所有运行状态的离线生产数据；

举例来说，本实施例以综合经济效益作为评价变量，选择的能够影响过程运行状态的过程变量包括：

x₁：一浸氰化钠流量；

x₂：一浸氰根离子浓度1；

x₃：一浸氰根离子浓度2；

x₄：一浸空气流量；

x₅：一浸溶解氧浓度；

x₆：二浸氰化钠流量；

x₇：二浸氰根离子浓度1；

x₈：二浸氰根离子浓度2；

x₉：二浸空气流量；

x₁₀：二浸溶解氧浓度；

x₁₁：一次压滤板框压滤机液压压力；

x₁₂：二次压滤板框压滤机液压压力；

x₁₃：锌粉添加量；

x₁₄：贫液中金离子浓度；

本发明利用提取过程数据中与综合经济指标密切相关的过程特征以建立评价模型，用于过程运行状态的在线评价；相比于传统方法，本发明提出的建模方法无需对建模数据进行预处理，对于定性信息和定量信息共存的情况可灵活使用。

S2、针对所述离线生成数据利用改进的随机森林算法(以下简称MIWRF)建立运行状态评价模型；

举例来说如图2所示，建立运行状态评价模型包括：

S21、从历史数据中提取两组样本数据D＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}和T＝{(x₁,y₁),(x₂,y₂),...,(x_L,y_L)}作为建模数据：其中D为训练集，T为验证集，y_i为综合经济指标等级；基于训练集D应用传统的随机森林算法建立评价模型R＝{h₁,h₂,...,h_K}，其中h_i表示决策树，K为决策树数量；

S22、将验证集T依次输入模型R中的每棵决策树中，得到评价结果Y_i(i＝1,2,...,K)；分别基于互信息计算每棵决策树的精度I(h_i,y)，再依次计算任意每棵决策树与其余决策树的相关性，即I(h_i,h_k)(k≠i)；

若h_i与其余所有决策树相关性均小于阈值ε即I(h_i,h_k)＜ε，获取决策树h_i；否则将所有I(h_i,h_k)(k≠i)值大于阈值ε的决策树合为一组决策树组，根据精度I(h_i,y)获取该组精度最高的决策树，获取一组决策树组成新的随机森林评价模型R′＝{h′₁,h′₂,...,h′_P}；

S23、将评价精度转化为决策树的投票权值，在决策树精简后，被选择的决策树的评价精度矩阵为ACC：

其中，acc_qp表示第P棵决策树对于第q种运行状态的评价精度，其中，p＝1,2,...,P,q＝1,2,...,Q，Q为评价结果的等级数目，P为改进后决策树数量；ACC通过将验证集T代入新的随机森林，并计算每棵决策树对于每一类的输出结果的正确率获得；

根据精度矩阵，定义权重矩阵W为：

其中w_qp表示第p棵树对于第q种运行状态的权重，其计算方式如下式所示：w_qp＝acc_qp；

S24、利用所述权重矩阵W更新随机森林评价模型，获取基于互信息的加权随机森林评价模型R'_c，用于过程运行状态的在线评价。

为了实现过程运行状态的在线评价，将在线可测过程信息作为在线评价的依据。由于传统随机森林算法的决策树之间会存在大量的信息冗余，占用内存空间且降低了评价速度。因此，有效的去除冗余信息，将提高在线评价的准确性；本发明利用MIWRF在减少决策树数量的同时去除冗余信息，并且赋予决策树精度权值，建立评价模型，以确保模型的准确性。

S3、采集作为在线数据的实时生产数据，并输入到所述运行状态评价模型，获得所述在线数据处于各等级的概率，获取实时评价过程运行状态；

在线评价方法具体如下：

假设建模数据充分，评价结果分为Q个等级，将t时刻在线数据x_t输入评价模型R′_c，得到每棵决策树的评价结果y_i(i＝1,2,...,P)∈{1,2,...,Q}，x_t处于第q个状态等级的概率为：

其中[·]表示当括号内的表达式成立时，其值为1，否则为0；

数据x_t的最大后验概率对应的等级是：

举例来说，为了减少噪声引起的错误评价，提出一种在线评价策略，假设运行状态等级只能在相邻等级之间转换，t时刻的评价结果为运行状态等级在线评价遵循第一条规则和第二规则。

其中，所述第一条规则为：只有连续H个样本点最大后验概率对应的等级都与t-H时刻的评价结果不同，才认为运行状态等级可能发生转换；否则，保持评价结果不变，记为在运行评价初期，样本个数小于H时，评价等级等于即时评价等级；

所述第二条规则为：根据所述第一条规则判断出运行状态等级转换之后，记中频率最高的等级为如果是的相邻等级，那么将作为运行状态等级评价结果，记为否则，当前运行状态等级为的两个相邻等级中，更接近的等级，表示最终评价等级。

S4、根据所述实时评价过程运行状态，获取各个过程变量的相对的劣化度，将劣化度较大的变量作为非优原因追溯的结果；

在具体实施过程中，当过程运行状态为非优时，需要进一步查找其原因，以便为下一步生产操作调整提供有价值的指导建议。本发明提供一种基于相对劣化度的非优原因追溯方法；通过计算过程变量的相对劣化度，找出劣化度相对较大的过程变量则认为是导致运行状态非优的原因；在非优原因追溯结果的基础上，操作工可以结合自身的生产经验选择合适的调整策略；

运行状态非优原因追溯包括：

S41、通过计算过程变量的相对劣化度，找出劣化度相对较大的过程变量作为导致运行状态非优的原因；

当前的非优运行状态数据x_t∈R^1×J，引入相对劣化度l_j的概念，相对劣化度是反应变量j劣化程度的指标，其值介于[0,1]之间，其值相对大小反应劣化的不同程度，其中，l_j为0表示处于完全良好状态；l_j为1表示处于非优状态；

将相对劣化度定义为：

式中，j＝1,2,...,J，l_j为变量j的相对劣化度，x_t,j为t时刻变量j的值，x_opt为变量j的最优值，x_{n_opt}为变量j的最小值，k为劣化速度指数，且k取值为1；

S42、根据所述导致运行状态非优的原因，结合生产经验选择合适的调整策略。

S5、根据所述非优原因追溯的结果，并结合生产经验选择操作调整策略以改善过程运行状态。

实施例二

本实施例提供了一种金湿法冶金全流程运行状态在线评价系统，并将所述系统结合实施例一的方法应用在金湿法冶金生产车间，其中，金湿法冶金流程包括氰化浸出，压滤洗涤即锌粉置换工序，过程检测系统包括：PLC控制器、浓度检测、压力检测和流量检测；

PLC控制器采用Simens400洗脸的CPU 414-2，具有Profibus DP口连分布式IO。为PLC配备以太网通讯模块，用于上位机访问PLC数据。PLC控制器和以太网通讯模块放置在中央控制室中的PLC柜中。

pH值是通过北京矿业研究总院研制的BPHM-II型酸度计进行pH值在线检测，将溶液pH值的变化转换为mV信号的变化。玻璃电极pH测量系统将一只对于pH敏感的玻璃膜的玻璃管端部吹成泡状，管内填充有饱和AgCl的3mol/l KCl缓冲溶液，pH值为7。存在于玻璃膜二面的反映pH值的电位差用Ag/AgCl传导系统，导出电位差，然后用mA采集器将mA数换算成pH值显示出来。

矿浆浓度是通过北京矿冶研究总院的BDSM型在线浓度计进行测量的。传感器想被测介质中发出一束超声波脉冲，超声波经过悬浮颗粒时由于悬浮颗粒的散射和吸收会发生衰减，超声波在污泥或固体悬浮物中的衰减与液体中的污泥浓度或固体悬浮物浓度有关，通过测量超声波的衰减值可以计算出污泥或固体悬浮物浓度。

压力是通过SIMENS公司生产的DSIII型压力检测仪进行压力在线检测的，介质压力直接作用于敏感膜片上，分布于敏感膜片上的电阻组成的惠斯通电桥，利用压阻效应实现压力想电信号的转变，通过电子线路将敏感元件产生的毫伏信号放大为工业标准电流信号。

溶解氧浓度是通过梅特勒托利多公司生产的inpro687p0+M400型氧量测量传感器进行在线检测的。氧测量传感器由阴极和带电流的反电极、无电流的参比电极组成，电极浸没在电解质中，传感器有隔膜覆盖，，覆膜将电极和电解质与被测量的液体分开，只有溶解气体能渗透覆膜，因此保护了传感器，既能防止电解质溢出，又可防止外来物质的侵入导致污染和毒化。电流信号被送入变送器，利用传感器中存储的氧含量和氧分压、温度之间的关系曲线计算含氧量，然后转化成标准信号输出。

上位机选取i7联想计算机，采用WINDOWS 7操作系统。

运行状态评价系统运行在联想计算机上，采用C#2010编程软件，运行状态评价算法采用Matlab 2014a编程软件。

PLC与运行状态评价系统的信号传送软件是采用C#2010编程软件。

在湿法冶金过程现场安装检测仪表，检测仪表将采集的信号通过Profibus-DP传送到PLC中，PLC定时将采集信号通过以太网传送给上位机，上位机把接受的数据传给过程运行状态评价系统进行运行状态的实时评价，并提供操作指导建议。

第一步、离线数据采集：基于评价变量和过程变量，采集大量的、尽量能够涵盖所有运行状态的离线生产数据；

第二步、评价模型的建立：根据过程知识，从每个稳定数据中选取对应不同性能等级的建模数据，利用MIWRF算法建立每个性能等级的评价模型；

第三步、过程运行状态的在线评价：采集实时生产数据，通过计算在线数据处于各个运行状态等级的概率，实时评价过程运行状态；

第四步、运行状态非优时的原因追溯：计算各个过程变量的相对劣化度，劣化度较大的那些变量被认为是导致运行状态非优的原因变量；

第五步、根据劣化度追溯结果，并结合操作工人及生产管理者的生产经验，选择合适的操作调整策略，改善过程运行状态。

采集离线历史数据，建立评价模型，评价当前过程的运行状态；图3a示出了运行状态等级为“优”的概率，图3b示出了运行状态等级为“次优”的概率，图3c示出了运行状态等级为“非优”的概率，以及图3d示出了运行状态在线评价结果，为了更加清楚的了解在线评价结果的正确性，表1中分别列出了过程实际运行状态和评价算法的结果的对比结果。虽然基于评价算法的在线评价结果比生产过程真实运行状态滞后若干个采样时刻，但目前生产过程数据采集频率高，且评价周期远大于采样周期，所以对实际生产的影响可以忽略不计，即本发明的评价方法满足生产实际的需要。

表1实际运行状态与在线评价结果对比

另外，对于非优运行状态，本发明将进一步追溯导致其非优的原因。在本次实验中，导致过程运行状态非优的真正原因是一浸氰化钠添加量x₁低于最优设定值，图4示出了在各个非优运行状态下的原因追溯结果；从图中可以看出，本发明中基于相对劣化度的原因追溯方法除了追溯到过程变量x₁，还有一浸氰根离子浓度1和一浸氰根离子浓度2，这是因为氰根离子浓度与氰化钠添加量息息相关，结合操作工的生产经验，能够确定真正的原因是氰化钠添加量偏离最优值。

最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种金湿法冶金全流程运行状态在线评价方法，包括浸出、洗涤和置换工业，其特征在于，包括以下步骤：

S1、基于评价变量和过程变量，获取包括所有运行状态的离线生产数据；

S2、针对所述离线生成数据利用改进的随机森林算法建立运行状态评价模型；

S3、采集作为在线数据的实时生产数据，并输入到所述运行状态评价模型，获得所述在线数据处于各等级的概率，获取实时评价过程运行状态；

S4、根据所述实时评价过程运行状态，获取各个过程变量的相对的劣化度，将劣化度较大的变量作为非优原因追溯的结果；

S5、根据所述非优原因追溯的结果，并结合生产经验选择操作调整策略以改善过程运行状态。

2.如权利要求1所述的方法，其特征在于，在步骤S2中建立运行状态评价模型包括：

S21、从历史数据中提取两组样本数据D＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}和T＝{(x₁,y₁),(x₂,y₂),...,(x_L,y_L)}作为建模数据：其中D为训练集，T为验证集，y_i为综合经济指标等级；基于训练集D应用传统的随机森林算法建立评价模型R＝{h₁,h₂,...,h_K}，其中h_i表示决策树，K为决策树数量；

S22、将验证集T依次输入模型R中的每棵决策树中，得到评价结果Y_i(i＝1,2,...,K)；分别基于互信息计算每棵决策树的精度I(h_i,y)，再依次计算任意每棵决策树与其余决策树的相关性，即I(h_i,h_k)(k≠i)；

若h_i与其余所有决策树相关性均小于阈值ε即I(h_i,h_k)＜ε，获取决策树h_i；否则将所有I(h_i,h_k)(k≠i)值大于阈值ε的决策树合为一组决策树组，根据精度I(h_i,y)获取该组精度最高的决策树，获取一组决策树组成新的随机森林评价模型R′＝{h′₁,h′₂,...,h′_P}；

S23、将评价精度转化为决策树的投票权值，在决策树精简后，被选择的决策树的评价精度矩阵为ACC：

其中，acc_qp表示第P棵决策树对于第q种运行状态的评价精度，其中，p＝1,2,...,P,q＝1,2,...,Q，Q为评价结果的等级数目，P为改进后决策树数量；ACC通过将验证集T代入新的随机森林，并计算每棵决策树对于每一类的输出结果的正确率获得；

根据精度矩阵，定义权重矩阵W为：

其中w_qp表示第p棵树对于第q种运行状态的权重，其计算方式如下式所示：w_qp＝acc_qp；

S24、利用所述权重矩阵W更新随机森林评价模型，获取基于互信息的加权随机森林评价模型R'_c，用于过程运行状态的在线评价。

3.如权利要求2所述的方法，其特征在于，在步骤S3中在线评价方法如下：

假设建模数据充分，评价结果分为Q个等级，将t时刻在线数据x_t输入评价模型R′_c，得到每棵决策树的评价结果y_i(i＝1,2,...,P)∈{1,2,...,Q}，x_t处于第q个状态等级的概率为：

其中表示当括号内的表达式成立时，其值为1，否则为0；

数据x_t的最大后验概率对应的等级是：

假设运行状态等级只能在相邻等级之间转换，运行状态等级在线评价遵循第一条规则和第二规则。

4.如权利要求3所述的方法，其特征在于，

所述第一条规则为：只有连续H个样本点最大后验概率对应的等级都与t-H时刻的评价结果不同，才认为运行状态等级可能发生转换；否则，保持评价结果不变，记为在运行评价初期，样本个数小于H时，评价等级等于即时评价等级；

所述第二条规则为：根据所述第一条规则判断出运行状态等级转换之后，记中频率最高的等级为如果是的相邻等级，那么将作为运行状态等级评价结果，记为否则，当前运行状态等级为的两个相邻等级中，更接近的等级，表示最终评价等级。

5.如权利要求4所述的方法，其特征在于，在步骤S4中在运行状态非优原因追溯包括：

S41、通过计算过程变量的相对劣化度，找出劣化度相对较大的过程变量作为导致运行状态非优的原因；

当前的非优运行状态数据x_t∈R^1×J，引入相对劣化度l_j的概念，相对劣化度是反应变量j劣化程度的指标，其值介于[0,1]之间，其值相对大小反应劣化的不同程度，其中，l_j为0表示处于完全良好状态；l_j为1表示处于非优状态；

将相对劣化度定义为：

式中，j＝1,2,...,J，l_j为变量j的相对劣化度，x_t,j为t时刻变量j的值，x_opt为变量j的最优值，x_{n_opt}为变量j的最小值，k为劣化速度指数，且k取值为1；

S42、根据所述导致运行状态非优的原因，结合生产经验选择合适的调整策略。

6.如权利要求5所述的方法，其特征在于，在步骤S1中以综合经济效益作为评价变量，所述过程变量包括：一浸氰化钠流量记为x₁，一浸氰根离子浓度1记为x₂，一浸氰根离子浓度2记为x₃，一浸空气流量记为x₄，一浸溶解氧浓度记为x₅，二浸氰化钠流量记为x₆，二浸氰根离子浓度1记为x₇，二浸氰根离子浓度2记为x₈，二浸空气流量记为x₉，二浸溶解氧浓度记为x₁₀，一次压滤板框压滤机液压压力记为x₁₁，二次压滤板框压滤机液压压力记为x₁₂，锌粉添加量记为x₁₃，贫液中金离子浓度记为x₁₄。

7.一种金湿法冶金全流程运行状态在线评价系统，其特征在于，包括：上位机，PLC控制器、现场传感变送部分；

上位机：手机本地PLC数据，传送给湿法冶金过程运行状态评价系统，并提供生产操作指导建议；

PLC控制器用于将采集的信号A/D转换，并通过以太网把信号传送给上位机；

现场传感变送部分包括：浓度、压力、流量检测仪表，用于将过程数据的采集和传送；

所述浓度、压力、流量检测仪表将采集的信号通过Profibus-DP总线送到PLC控制器，PLC控制器通过以太网定时将采集信号传送到所述上位机，上位机将采集的数据传到湿法冶金过程运行状态评价系统，进行运行状态实时评价，并提供生成操作指导建议。