CN113126501A - 一种稀土萃取过程预测控制方法及系统 - Google Patents
一种稀土萃取过程预测控制方法及系统 Download PDFInfo
- Publication number
- CN113126501A CN113126501A CN202110440337.4A CN202110440337A CN113126501A CN 113126501 A CN113126501 A CN 113126501A CN 202110440337 A CN202110440337 A CN 202110440337A CN 113126501 A CN113126501 A CN 113126501A
- Authority
- CN
- China
- Prior art keywords
- rare earth
- earth extraction
- model
- extraction process
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacture And Refinement Of Metals (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开一种稀土萃取过程预测控制方法及系统,方法包括:以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取空间模型;将稀土萃取输出空间模型进行离散化处理,获得状态空间增量模型;基于状态空间增量模型构建预测控制输出模型;基于预测控制输出模型构建优化描述问题;对优化描述问题进行求解,获得最优解;基于最优解确定控制量,控制稀土萃取过程。本发明采用模型预测控制MPC方法对状态空间增量模型进行处理,因MPC对模型要求低,适用于多变量对象,所以能够提高稀土萃取过程的生产效率和准确性,还能够克服资源消耗大、产品质量不稳定的问题。
Description
技术领域
本发明涉及稀土萃取技术领域,特别是涉及一种稀土萃取过程预测控制方法及系统。
背景技术
稀土是由镧系元素、钪和钇等17种元素组成,且以共生矿形式存在。二组分稀土元素提纯主要采用串级萃取分离工艺,级数众多。
稀土萃取是以萃取剂、料液、酸液流量为输入,难萃和易萃稀土元素组分含量为输出构成的三输入两输出的系统。在稀土串级萃取工艺过程中,每级中含有两相,分别为水相和有机相。针对其大滞后性,强耦合,多变量,非线性等难题,目前采用的多为数据驱动建模,软测量建模等方法。然而,在实际工况干扰下,采用以上方法结果可能误差较大。而且,现如今稀土工业生产自动化水平比较低,仍停留在"离线分析、手工调整、经验控制"状态,导致企业生产效率低、资源消耗大、产品质量不稳定。
发明内容
本发明的目的是提供一种稀土萃取过程预测控制方法及系统,以提高稀土萃取过程的生产效率。
为实现上述目的,本发明提供了一种稀土萃取过程预测控制方法,所述方法包括:
步骤S1:以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取空间模型;
步骤S2:将所述稀土萃取输出空间模型进行离散化处理,获得状态空间增量模型;
步骤S3:基于所述状态空间增量模型构建预测控制输出模型;
步骤S4:基于所述预测控制输出模型构建优化描述问题;
步骤S5:对所述优化描述问题进行求解,获得最优解;
步骤S6:基于所述最优解确定控制量,控制稀土萃取过程。
可选地,所述步骤S1具体包括:
步骤S11:以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,构建稀土萃取初始状态模型;
步骤S12:构建模型简化条件;
步骤S13:基于所述模型简化条件对所述稀土萃取初始状态模型进行简化和整合,获得稀土萃取状态矩阵;
步骤S14:以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取输出矩阵;
步骤S15:根据所述稀土萃取状态矩阵和所述稀土萃取输出矩阵构建稀土萃取输出空间模型。
可选地,所述步骤S2具体包括:
步骤S21:将线性连续时间的所述稀土萃取输出空间模型状进行离散化,获得离散时间的所述稀土萃取输出空间模型;
步骤S22:将离散时间的稀土萃取输出空间模型进行处理,获得状态空间增量模型。
可选地,构建稀土萃取初始状态模型,具体公式为:
其中,表示第i稀土元素在各级萃取剂水相的浓度;表示第i稀土元素在各级萃取剂有机相中的浓度;,表示萃取剂中混有的少量稀土元素浓度;,表示料液配分,,表示酸液中混有的少量稀土元素浓度,表示第i稀土元素在两相间的传质速率,,,为水相在第j级萃取器中的体积滞留量,为有机相在第j级萃取器中的体积滞留量,
表示第j级有机相的返流分数,n表示萃取段的级数,m表示洗涤段的级数,表示第j级水相的返流分数,, ,u2、u3分别表示输入的料液以及酸液流量,T表示滞后时间常数,表示加入到稀土萃取过程中的萃取剂流量值,表示加入到稀土萃取过程中的料液流量值,表示加入到稀土萃取过程中的酸液流量值。
可选地,基于所述最优解确定控制量,控制稀土萃取过程,具体公式为:
本发明还提供一种稀土萃取过程预测控制系统,所述系统包括:
稀土萃取空间模型构建模块,用于以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取空间模型;
状态空间增量模型构建模块,用于将所述稀土萃取输出空间模型进行离散化处理,获得状态空间增量模型;
预测控制输出模型构建模块,用于基于所述状态空间增量模型构建预测控制输出模型;
优化描述问题构建模块,用于基于所述预测控制输出模型构建优化描述问题;
求解模块,用于对所述优化描述问题进行求解,获得最优解;
控制模块,用于基于所述最优解确定控制量,控制稀土萃取过程。
可选地,所述稀土萃取空间模型构建模块具体包括:
稀土萃取初始状态模型构建单元,用于以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,构建稀土萃取初始状态模型;
简化条件构建单元,用于构建模型简化条件;
稀土萃取状态矩阵构建单元,用于基于所述模型简化条件对所述稀土萃取初始状态模型进行简化和整合,获得稀土萃取状态矩阵;
稀土萃取输出矩阵构建单元,用于以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取输出矩阵;
稀土萃取输出空间模型构建单元,用于根据所述稀土萃取状态矩阵和所述稀土萃取输出矩阵构建稀土萃取输出空间模型。
可选地,所述状态空间增量模型构建模块具体包括:
离散化处理单元,用于将线性连续时间的所述稀土萃取输出空间模型状进行离散化,获得离散时间的所述稀土萃取输出空间模型;
增量化处理单元,用于将离散时间的稀土萃取输出空间模型进行处理,获得状态空间增量模型。
可选地,构建稀土萃取初始状态模型,具体公式为:
其中,表示第i稀土元素在各级萃取剂水相的浓度;表示第i稀土元素在各级萃取剂有机相中的浓度;,表示萃取剂中混有的少量稀土元素浓度;,表示料液配分,,表示酸液中混有的少量稀土元素浓度,表示第i稀土元素在两相间的传质速率,,,为水相在第j级萃取器中的体积滞留量,为有机相在第j级萃取器中的体积滞留量,
表示第j级有机相的返流分数,n表示萃取段的级数,m表示洗涤段的级数,表示第j级水相的返流分数,, ,u2、u3分别表示输入的料液以及酸液流量,T表示滞后时间常数,表示加入到稀土萃取过程中的萃取剂流量值,表示加入到稀土萃取过程中的料液流量值,表示加入到稀土萃取过程中的酸液流量值。
可选地,基于所述最优解确定控制量,控制稀土萃取过程,具体公式为:
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种稀土萃取过程预测控制方法及系统方法包括:以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取空间模型;将所述稀土萃取输出空间模型进行离散化处理,获得状态空间增量模型;基于所述状态空间增量模型构建预测控制输出模型;基于所述预测控制输出模型构建优化描述问题;对所述优化描述问题进行求解,获得最优解;基于所述最优解确定控制量,控制稀土萃取过程。本发明针对控制难度大的问题,采用模型预测控制MPC方法对状态空间增量模型进行处理,因MPC对模型要求低,适用于多变量对象,处理带约束能力强等优势,所以能够很好地处理稀土萃取过程中的问题,不仅提高了稀土萃取过程的生产效率和准确性,还克服了资源消耗大、产品质量不稳定的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1稀土萃取工艺过程流程;
图2为本发明实施例1状态空间模型预测控制原理图;
图3为本发明实施例1稀土萃取过程预测控制方法流程图;
图4为本发明实施例2稀土萃取过程预测控制系统结构图;
图5为本发明实施例3阶跃作用下可操作量MV仿真图;
图6为本发明实施例3阶跃作用下被控量MO仿真图;
图7为本发明实施例3终值98%和96%的可操作量 MV仿真图;
图8为本发明实施例3终值98%的难萃稀土元素组分含量Y1仿真图;
图9为本发明实施例3终值96%的易萃稀土元素组分含量Y2仿真图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种稀土萃取过程预测控制方法及系统,以提高稀土萃取过程的生产效率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
图1为本发明实施例1稀土萃取工艺过程流程,如1中,P1-P3均表示泵,F1-F4均表示流量计,u1-u3分别表示稀土萃取过程中的萃取剂、料液和酸液流量,YA和YB分别表示易萃元素浓度和难萃元素浓度,Y1和Y2分别表示难萃元素组分含量和易萃元素组分含量。
如图2-图3所示,本发明公开一种稀土萃取过程预测控制方法,其特征在于,所述方法包括:
步骤S1:以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取空间模型。
步骤S2:将所述稀土萃取输出空间模型进行离散化处理,获得状态空间增量模型。
步骤S3:基于所述状态空间增量模型构建预测控制输出模型。
步骤S4:基于所述预测控制输出模型构建优化描述问题。
步骤S5:对所述优化描述问题进行求解,获得最优解。
步骤S6:基于所述最优解确定控制量,控制稀土萃取过程。
下面对各个步骤进行详细论述:
步骤S1:以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取空间模型,具体包括:
步骤S11:以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,构建稀土萃取初始状态模型,具体公式为:
其中,表示第i稀土元素在各级萃取剂水相的浓度;表示第i稀土元素在各级萃取剂有机相中的浓度;,表示萃取剂中混有的少量稀土元素浓度;,表示料液配分,,表示酸液中混有的少量稀土元素浓度,表示第i稀土元素在两相间的传质速率,,,为水相在第j级萃取器中的体积滞留量,为有机相在第j级萃取器中的体积滞留量,
表示第j级有机相的返流分数,n表示萃取段的级数,m表示洗涤段的级数,表示第j级水相的返流分数,, ,u2、u3分别表示输入的料液以及酸液流量,T表示滞后时间常数,表示加入到稀土萃取过程中的萃取剂流量值,表示加入到稀土萃取过程中的料液流量值,表示加入到稀土萃取过程中的酸液流量值。
步骤S12:构建模型简化条件,具包括:
步骤S13:基于所述模型简化条件对所述稀土萃取初始状态模型进行简化和整合,获得稀土萃取状态矩阵,具体公式为:
其中,,,,,,为零矩阵,;;为水相在第j级萃取器中的体积滞留量,为有机相在第j级萃取器中的体积滞留量;,a表示,b表示,表示,,表示料液配分,,,, 表示加入到稀土萃取过程中的萃取剂流量值,表示加入到稀土萃取过程中的料液流量值,表示加入到稀土萃取过程中的酸液流量值。
步骤S14:以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取输出矩阵,具体公式为:
步骤S15:根据所述稀土萃取状态矩阵和所述稀土萃取输出矩阵构建稀土萃取输出空间模型,具体公式为:
MPC理论:MPC具有对模型要求低,适用于多变量对象等优势,通过不断的在线有限优化从而取代传统的最优控制。MPC简而言之是由预测模型,滚动优化,反馈校正构成。基于状态空间模型的预测控制原理如图2所示,大致包含三个部分:预测系统未来输出,求解优化问题,将解的第一个元素作用于系统。
步骤S2:将所述稀土萃取输出空间模型进行离散化处理,获得状态空间增量模型,具体包括:
步骤S21:将线性连续时间的所述稀土萃取输出空间模型状进行离散化,获得离散时间的所述稀土萃取输出空间模型,具体公式为:
步骤S22:将离散时间的稀土萃取输出空间模型进行处理,获得状态空间增量模型,具体公式为:
步骤S3:基于所述状态空间增量模型构建预测控制输出模型,具体公式为:
步骤S4:基于所述预测控制输出模型构建优化描述问题,具体公式为:
其中,,均表示加权矩阵;表示输出误差加权矩阵,M表示输入加权矩阵,表示状态量,M表示控制时域,表示预测时域,表示p个控制的输出参考序列,即参考轨;表示M个控制量增量序列,即滚动优化的输出,图2中的u即,图2中的预测输出模型表示k时刻基于稀土萃取输出空间模型预测的步控制输出。
步骤S5具体步骤如下:
然后,无约束优化描述问题变为式(10):
步骤S6:基于所述最优解确定控制量,控制稀土萃取过程,具体公式为:
实施例2
如图4所示,本发明还提供一种稀土萃取过程预测控制系统,所述系统包括:
稀土萃取空间模型构建模块401,用于以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取空间模型。
状态空间增量模型构建模块402,用于将所述稀土萃取输出空间模型进行离散化处理,获得状态空间增量模型。
预测控制输出模型构建模块403,用于基于所述状态空间增量模型构建预测控制输出模型。
优化描述问题构建模块404,用于基于所述预测控制输出模型构建优化描述问题。
求解模块405,用于对所述优化描述问题进行求解,获得最优解。
控制模块406,用于基于所述最优解确定控制量,控制稀土萃取过程。
作为一种可选的实施方式,本发明所述稀土萃取空间模型构建模块401具体包括:
稀土萃取初始状态模型构建单元,用于以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,构建稀土萃取初始状态模型。
简化条件构建单元,用于构建模型简化条件。
稀土萃取状态矩阵构建单元,用于基于所述模型简化条件对所述稀土萃取初始状态模型进行简化和整合,获得稀土萃取状态矩阵。
稀土萃取输出矩阵构建单元,用于以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取输出矩阵。
稀土萃取输出空间模型构建单元,用于根据所述稀土萃取状态矩阵和所述稀土萃取输出矩阵构建稀土萃取输出空间模型。
作为一种可选的实施方式,本发明所述状态空间增量模型构建模块402具体包括:
离散化处理单元,用于将线性连续时间的所述稀土萃取输出空间模型状进行离散化,获得离散时间的所述稀土萃取输出空间模型。
增量化处理单元,用于将离散时间的稀土萃取输出空间模型进行处理,获得状态空间增量模型。
实施例3
由MPC理论可知,对于控制器而言,需要设置的参数有:预测时域P,控制时域m,采样时间Ts和加权矩阵Qy。对于稀土萃取输出空间模型而言,需要知道的有:a、b、e、HA和HO。
建立稀土萃取输出空间模型:以二组分稀土萃取为例,所以已知,带入可得。在槽体中水相累积总量和有机相累积总量分别为14.6892和2.6334。所以,在此设22级中每级中水相和有机相剩余量相等,带入可求得。又因,所以料液配分是。
本发明设置两条参考轨迹阶跃的终值分别为98%和96%,得出可操作量MV仿真图、终值98%的Y1仿真图以及终值96%的Y2仿真图,如图7-图9所示。
仿真结果充分说明:第一,MPC用于稀土萃取的可行性,在稳定性,快速性,准确性等指标上能满足要求;第二,MPC适合处理像稀土萃取过程这样的多变量对象,具有很好的跟踪效果。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种稀土萃取过程预测控制方法,其特征在于,所述方法包括:
步骤S1:以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取空间模型;
步骤S2:将所述稀土萃取输出空间模型进行离散化处理,获得状态空间增量模型;
步骤S3:基于所述状态空间增量模型构建预测控制输出模型;
步骤S4:基于所述预测控制输出模型构建优化描述问题;
步骤S5:对所述优化描述问题进行求解,获得最优解;
步骤S6:基于所述最优解确定控制量,控制稀土萃取过程。
2.根据权利要求1所述的稀土萃取过程预测控制方法,其特征在于,所述步骤S1具体包括:
步骤S11:以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,构建稀土萃取初始状态模型;
步骤S12:构建模型简化条件;
步骤S13:基于所述模型简化条件对所述稀土萃取初始状态模型进行简化和整合,获得稀土萃取状态矩阵;
步骤S14:以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取输出矩阵;
步骤S15:根据所述稀土萃取状态矩阵和所述稀土萃取输出矩阵构建稀土萃取输出空间模型。
3.根据权利要求1所述的稀土萃取过程预测控制方法,其特征在于,所述步骤S2具体包括:
步骤S21:将线性连续时间的所述稀土萃取输出空间模型状进行离散化,获得离散时间的所述稀土萃取输出空间模型;
步骤S22:将离散时间的稀土萃取输出空间模型进行处理,获得状态空间增量模型。
4.根据权利要求2所述的稀土萃取过程预测控制方法,其特征在于,构建稀土萃取初始状态模型,具体公式为:
其中,表示第i稀土元素在各级萃取剂水相的浓度;表示第i稀土元素在各级萃取剂有机相中的浓度;,表示萃取剂中混有的少量稀土元素浓度;,表示料液配分,,表示酸液中混有的少量稀土元素浓度,表示第i稀土元素在两相间的传质速率,,,为水相在第j级萃取器中的体积滞留量,为有机相在第j级萃取器中的体积滞留量,
6.一种稀土萃取过程预测控制系统,其特征在于,所述系统包括:
稀土萃取空间模型构建模块,用于以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取空间模型;
状态空间增量模型构建模块,用于将所述稀土萃取输出空间模型进行离散化处理,获得状态空间增量模型;
预测控制输出模型构建模块,用于基于所述状态空间增量模型构建预测控制输出模型;
优化描述问题构建模块,用于基于所述预测控制输出模型构建优化描述问题;
求解模块,用于对所述优化描述问题进行求解,获得最优解;
控制模块,用于基于所述最优解确定控制量,控制稀土萃取过程。
7.根据权利要求6所述的稀土萃取过程预测控制系统,其特征在于,所述稀土萃取空间模型构建模块具体包括:
稀土萃取初始状态模型构建单元,用于以稀土萃取过程中的萃取剂、料液和酸液流量为输入,以水相和有机相中的浓度为状态,构建稀土萃取初始状态模型;
简化条件构建单元,用于构建模型简化条件;
稀土萃取状态矩阵构建单元,用于基于所述模型简化条件对所述稀土萃取初始状态模型进行简化和整合,获得稀土萃取状态矩阵;
稀土萃取输出矩阵构建单元,用于以水相和有机相中的浓度为状态,以难萃和易萃稀土元素组分含量为输出,构建稀土萃取输出矩阵;
稀土萃取输出空间模型构建单元,用于根据所述稀土萃取状态矩阵和所述稀土萃取输出矩阵构建稀土萃取输出空间模型。
8.根据权利要求6所述的稀土萃取过程预测控制系统,其特征在于,所述状态空间增量模型构建模块具体包括:
离散化处理单元,用于将线性连续时间的所述稀土萃取输出空间模型状进行离散化,获得离散时间的所述稀土萃取输出空间模型;
增量化处理单元,用于将离散时间的稀土萃取输出空间模型进行处理,获得状态空间增量模型。
9.根据权利要求7所述的稀土萃取过程预测控制系统,其特征在于,构建稀土萃取初始状态模型,具体公式为:
其中,表示第i稀土元素在各级萃取剂水相的浓度;表示第i稀土元素在各级萃取剂有机相中的浓度;,表示萃取剂中混有的少量稀土元素浓度;,表示料液配分,,表示酸液中混有的少量稀土元素浓度,表示第i稀土元素在两相间的传质速率,,,为水相在第j级萃取器中的体积滞留量,为有机相在第j级萃取器中的体积滞留量,
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110440337.4A CN113126501B (zh) | 2021-04-23 | 2021-04-23 | 一种稀土萃取过程预测控制方法及系统 |
JP2021124811A JP7199111B2 (ja) | 2021-04-23 | 2021-06-21 | 希土類抽出プロセスの予測制御方法及びシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110440337.4A CN113126501B (zh) | 2021-04-23 | 2021-04-23 | 一种稀土萃取过程预测控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113126501A true CN113126501A (zh) | 2021-07-16 |
CN113126501B CN113126501B (zh) | 2022-07-26 |
Family
ID=76779460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110440337.4A Active CN113126501B (zh) | 2021-04-23 | 2021-04-23 | 一种稀土萃取过程预测控制方法及系统 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7199111B2 (zh) |
CN (1) | CN113126501B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1670646A (zh) * | 2005-04-14 | 2005-09-21 | 东北大学 | 稀土串级萃取分离智能控制系统及方法 |
CN102004444A (zh) * | 2010-11-23 | 2011-04-06 | 华东交通大学 | 稀土萃取过程组分含量多模型预测控制方法 |
CN103466821A (zh) * | 2013-09-06 | 2013-12-25 | 中铝稀土(常熟)有限公司 | 稀土萃取中的萃余液含酸废水处理回用装置 |
CN103744292A (zh) * | 2014-01-22 | 2014-04-23 | 东北大学 | 一种基于数据驱动的稀土萃取过程动态操作控制方法 |
JP2015042782A (ja) * | 2013-07-25 | 2015-03-05 | 国立大学法人横浜国立大学 | イオン液体を利用した希土類元素の回収方法及び希土類元素の回収装置 |
CN106354017A (zh) * | 2016-11-14 | 2017-01-25 | 华东交通大学 | 一种稀土萃取分离过程组分含量区间控制方法 |
CN106481507A (zh) * | 2016-10-28 | 2017-03-08 | 华北电力大学 | 考虑风湍流的风电机组模型预测控制器与控制方法 |
CN107236863A (zh) * | 2017-07-31 | 2017-10-10 | 赣州市恒源科技股份有限公司 | 一种利用皂化与萃取以回收钕铁硼废料中重金属的回收装置 |
CN108490779A (zh) * | 2018-03-20 | 2018-09-04 | 华东交通大学 | 一种稀土萃取过程解耦控制方法 |
CN108803329A (zh) * | 2018-06-19 | 2018-11-13 | 长春工业大学 | 一种超临界萃取过程溶解度优化方法 |
CN109839825A (zh) * | 2019-01-28 | 2019-06-04 | 华东交通大学 | 一种稀土萃取过程组分含量的预测控制方法及系统 |
CN110217229A (zh) * | 2019-06-25 | 2019-09-10 | 长春工业大学 | 一种适用于高速极限工况的路径跟踪控制方法 |
CN110223288A (zh) * | 2019-06-17 | 2019-09-10 | 华东交通大学 | 一种稀土萃取过程多组分含量预测方法及系统 |
CN111224434A (zh) * | 2020-03-12 | 2020-06-02 | 安徽工程大学 | 光火储混合发电系统的负荷频率协调优化控制方法 |
CN111894752A (zh) * | 2020-07-16 | 2020-11-06 | 北京交通大学 | 一种基于模型预测控制算法的柴油机vgt-egr控制方法 |
US20210017625A1 (en) * | 2019-07-17 | 2021-01-21 | West Virginia University | Systems and processes for recovery of high-grade rare earth concentrate from acid mine drainage |
CN112251602A (zh) * | 2020-11-25 | 2021-01-22 | 包头华美稀土高科有限公司 | 硫酸稀土连续萃取转型制备混合氯化稀土的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111142582B (zh) * | 2020-01-13 | 2021-04-13 | 东北大学 | 一种稀土萃取生产过程的智能化控制系统 |
-
2021
- 2021-04-23 CN CN202110440337.4A patent/CN113126501B/zh active Active
- 2021-06-21 JP JP2021124811A patent/JP7199111B2/ja active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1670646A (zh) * | 2005-04-14 | 2005-09-21 | 东北大学 | 稀土串级萃取分离智能控制系统及方法 |
CN102004444A (zh) * | 2010-11-23 | 2011-04-06 | 华东交通大学 | 稀土萃取过程组分含量多模型预测控制方法 |
JP2015042782A (ja) * | 2013-07-25 | 2015-03-05 | 国立大学法人横浜国立大学 | イオン液体を利用した希土類元素の回収方法及び希土類元素の回収装置 |
CN103466821A (zh) * | 2013-09-06 | 2013-12-25 | 中铝稀土(常熟)有限公司 | 稀土萃取中的萃余液含酸废水处理回用装置 |
CN103744292A (zh) * | 2014-01-22 | 2014-04-23 | 东北大学 | 一种基于数据驱动的稀土萃取过程动态操作控制方法 |
CN106481507A (zh) * | 2016-10-28 | 2017-03-08 | 华北电力大学 | 考虑风湍流的风电机组模型预测控制器与控制方法 |
CN106354017A (zh) * | 2016-11-14 | 2017-01-25 | 华东交通大学 | 一种稀土萃取分离过程组分含量区间控制方法 |
CN107236863A (zh) * | 2017-07-31 | 2017-10-10 | 赣州市恒源科技股份有限公司 | 一种利用皂化与萃取以回收钕铁硼废料中重金属的回收装置 |
CN108490779A (zh) * | 2018-03-20 | 2018-09-04 | 华东交通大学 | 一种稀土萃取过程解耦控制方法 |
CN108803329A (zh) * | 2018-06-19 | 2018-11-13 | 长春工业大学 | 一种超临界萃取过程溶解度优化方法 |
CN109839825A (zh) * | 2019-01-28 | 2019-06-04 | 华东交通大学 | 一种稀土萃取过程组分含量的预测控制方法及系统 |
CN110223288A (zh) * | 2019-06-17 | 2019-09-10 | 华东交通大学 | 一种稀土萃取过程多组分含量预测方法及系统 |
CN110217229A (zh) * | 2019-06-25 | 2019-09-10 | 长春工业大学 | 一种适用于高速极限工况的路径跟踪控制方法 |
US20210017625A1 (en) * | 2019-07-17 | 2021-01-21 | West Virginia University | Systems and processes for recovery of high-grade rare earth concentrate from acid mine drainage |
CN111224434A (zh) * | 2020-03-12 | 2020-06-02 | 安徽工程大学 | 光火储混合发电系统的负荷频率协调优化控制方法 |
CN111894752A (zh) * | 2020-07-16 | 2020-11-06 | 北京交通大学 | 一种基于模型预测控制算法的柴油机vgt-egr控制方法 |
CN112251602A (zh) * | 2020-11-25 | 2021-01-22 | 包头华美稀土高科有限公司 | 硫酸稀土连续萃取转型制备混合氯化稀土的方法及装置 |
Non-Patent Citations (5)
Title |
---|
HUI YANG: "The multiple models predictive control of component content for the rare earth extraction procession", 《 2010 8TH WORLD CONGRESS ON INTELLIGENT CONTROL AND AUTOMATION》 * |
PEIZHE XUE: "Discussion on the Rare earth resources and its development potential of Inner Mongolia of China", 《2011 INTERNATIONAL CONFERENCE ON MATERIALS FOR RENEWABLE ENERGY & ENVIRONMENT》 * |
何丽娟: "稀土萃取分离过程组分含量控制方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 * |
杨辉: "稀土萃取过程PI型广义预测控制", 《控制工程》 * |
贾文君: "稀土萃取过程建模与智能优化控制方法的研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅰ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
JP2022167740A (ja) | 2022-11-04 |
CN113126501B (zh) | 2022-07-26 |
JP7199111B2 (ja) | 2023-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109839825B (zh) | 一种稀土萃取过程组分含量的预测控制方法及系统 | |
Hermansson et al. | Model predictive control of pH neutralization processes: A review | |
Zavala et al. | The advanced-step NMPC controller: Optimality, stability and robustness | |
Biegler et al. | Large-scale nonlinear programming using IPOPT: An integrating framework for enterprise-wide dynamic optimization | |
Mollov et al. | Effective optimization for fuzzy model predictive control | |
Hu et al. | Multi-loop nonlinear internal model controller design under nonlinear dynamic PLS framework using ARX-neural network model | |
Al-Gherwi et al. | Selection of control structure for distributed model predictive control in the presence of model errors | |
Oblak et al. | Continuous-time Wiener-model predictive control of a pH process based on a PWL approximation | |
CN105487385A (zh) | 基于无模型自适应内模控制方法 | |
Fikar et al. | Dynamic optimization of batch diafiltration processes | |
Ławryńczuk | On-line set-point optimisation and predictive control using neural Hammerstein models | |
Gouta et al. | Model-based predictive and backstepping controllers for a state coupled four-tank system with bounded control inputs: A comparative study | |
CN108490779B (zh) | 一种稀土萃取过程解耦控制方法 | |
CN106354017A (zh) | 一种稀土萃取分离过程组分含量区间控制方法 | |
Zhang et al. | Batch-to-batch control of particle size distribution in cobalt oxalate synthesis process based on hybrid model | |
Suárez et al. | Nonlinear MPC for fed-batch multiple stages sugar crystallization | |
Diaz et al. | Random forest model predictive control for paste thickening | |
Ławryńczuk | Training of neural models for predictive control | |
Li et al. | Stability of nonlinear system under distributed Lyapunov-based economic model predictive control with time-delay | |
Nejati et al. | Comparison between backstepping and input–output linearization techniques for pH process control | |
Camacho et al. | Nonlinear model predictive control | |
Vilas et al. | Combination of multi-model predictive control and the wave theory for the control of simulated moving bed plants | |
Essahafi | Model predictive control (MPC) applied to coupled tank liquid level system | |
CN113126501A (zh) | 一种稀土萃取过程预测控制方法及系统 | |
Shahcheraghi et al. | An improved control strategy for an industrial copper solvent extraction process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |