CN113742920B - 萃取模型创建方法、确定方法、系统、设备及存储介质 - Google Patents
萃取模型创建方法、确定方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN113742920B CN113742920B CN202111038572.5A CN202111038572A CN113742920B CN 113742920 B CN113742920 B CN 113742920B CN 202111038572 A CN202111038572 A CN 202111038572A CN 113742920 B CN113742920 B CN 113742920B
- Authority
- CN
- China
- Prior art keywords
- extraction
- stage
- metal content
- raffinate
- content information
- 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.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 274
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 239000002184 metal Substances 0.000 claims abstract description 143
- 229910052751 metal Inorganic materials 0.000 claims abstract description 143
- 239000007788 liquid Substances 0.000 claims abstract description 66
- 238000004088 simulation Methods 0.000 claims abstract description 61
- 238000009826 distribution Methods 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 20
- 150000002739 metals Chemical class 0.000 claims description 17
- 239000012074 organic phase Substances 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 239000008346 aqueous phase Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 12
- 239000003795 chemical substances by application Substances 0.000 description 9
- 239000012071 phase Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 239000012527 feed solution Substances 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 229910001338 liquidmetal Inorganic materials 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005191 phase separation Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000000622 liquid--liquid extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Extraction Or Liquid Replacement (AREA)
Abstract
本发明提供了一种萃取模型创建方法、确定方法、系统、设备及存储介质,萃取模型创建方法包括如下步骤:建立n个单级萃取智能体模型,每个单级萃取智能体模型将进入的料液中的金属含量按照设定的条件和分配算法在萃余液和萃取液中进行分配,得到萃余液金属含量信息及萃取液金属含量信息;建立n个料液智能体模型;将n个所述单级萃取智能体模型和n个所述料液智能体模型组合构成n级逆流萃取仿真模型。本发明的萃取模型创建方法采用离散仿真、多智能体建模仿真等对多级逆流萃取的萃取过程进行动态模拟,建立多级逆流萃取仿真模型,只需通过设定料液的初始参数即可实现接近实际情况的仿真过程,同时可对多个方案进行比较,便于技术人员操作。
Description
技术领域
本发明涉及溶剂萃取技术领域,具体地说,涉及一种基于离散仿真及多智能体建模的萃取模型创建方法、确定方法、系统、设备及存储介质。
背景技术
溶剂萃取通常又叫液-液萃取,是一种从溶液中分离、富集、提取有用物质的有效方法,它利用溶质在两种不相溶混的液相之间的不同分配来达到分离和富集的目的。多级逆流萃取,可以获得较高的有机相金属浓度和较高的金属回收率。多级逆流萃取料液从第一级进入,与由第二级来的负荷有机相接触,分相后获得的含金属有机相从第一级排出,萃余液流入第二级与第三级来的负荷有机相接触、分相,以此类推。多级逆流萃取水相和有机相沿着相反方向流动进行接触,既可达到分离效果,又可节省萃取剂的需用量。
萃取级数是萃取过程中各组分满足要求时需要的萃取塔的数目,现有的计算多级逆流萃取的理论萃取级数的方法有两种,一种是在实验室的试验基础上通过克雷姆塞(Kremser)方程式等可计算多级逆流萃取的理论萃取级数。
逆流萃取所用的克雷姆塞(Kremser)方程式如下:
其中,qAn为经过n级逆流萃取后萃余液中易萃组分A的萃余分数,1-qAn则为萃取分数。由克雷姆塞方程式看出,萃取级数可按下式计算:
但在,实际的金属萃取流程中,使用的料液和有机相的组成比较复杂,既有多种萃取分离的金属,也有其它无机或有机杂质,它们都可能影响萃取过程,因此确定多级萃取级数的计算公式无法直接用于生产,仍需进行模拟实验、小型实验室实验,继而放大到工业生产。由于多级逆流萃取的平衡需要较长的时间,因此实验时间也相对较长,且方案调整困难。
另一种方法是采用图解法求理论萃取级数,估算逆流萃取所需级数的最简单方法是麦凯比-锡利(McCabe-Thiele)图解法,见图1的金属萃取的McCabe-Thiele图,其中,作图步骤如下:
(1)画出平衡等温线;
(2)根据料液浓度,在x轴上作垂直的金属浓度线;
(3)以萃取相比A/O为斜率,以欲求的萃取液金属浓度为起点作操作线;
(4)从操作线与料液浓度垂直线的交点触发画一条平行x轴的直线与平衡等温线相交,通过这个交点向下作垂线与操作线相交。
这些线分别表示第一个萃取级的料液、溶剂和萃余液的金属浓度。再按上述方法做出其它萃取级。图解法往往需要用手工绘制,需要专业的人员进行,费时、费工且计算结果误差较大、计算过程繁杂且不适合予处理大量的数据。
综上,无论是公式计算还是作图法,都只能估算多级逆流萃取的理论萃取级数,若放大到工业生产的多级萃取,通常要经过以下工作步骤。先用真实料液和确定的有机相浓度做出真实的萃取等温线,并用作图法求得理论级数,随后用多级逆流模拟实验,验证理论级数的正确性。通过小型实验室的连续实验作为办工业规模的放大。对于级数比较多的萃取体系,需要进行一个连续性的实验工作,实验中受到操作的影响,容易出现失误,难度较大,且模拟实验开始的循环波动较大,需要进过长时间运行才能达到稳态,分配系数越小,需要循环的次数越多,越不容易达到稳态。在改变ph值、流比等参数时,需要重新计算理论级数,耗费时间较长。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
针对现有技术中的问题,本发明的目的在于提供了一种基于离散仿真及多智能体建模的萃取模型创建方法、系统、设备及存储介质,该萃取模型创建方法采用离散仿真、多智能体建模仿真等对多级逆流萃取的萃取过程进行动态模拟,建立多级逆流萃取仿真模型,只需通过设定料液的初始参数即可实现接近实际情况的仿真过程,同时可对多个方案进行比较,便于技术人员操作。
本发明的实施例提供了一种萃取模型创建方法,包括如下步骤:
S10:建立n个单级萃取智能体模型,每个所述单级萃取智能体模型将进入的料液中的金属含量按照设定的条件和分配算法在萃余液和萃取液中进行分配,得到萃余液金属含量信息及萃取液金属含量信息;
S20:建立n个料液智能体模型,所述料液智能体模型包括萃余液智能体模型和萃取液智能体模型,其中,n为大于1的整数,
S30:将n个所述单级萃取智能体模型和n个所述料液智能体模型组合构成n级逆流萃取仿真模型;其中:
第i级单级萃取智能体模型的输入包括第i-1级单级萃取智能体模型的输出的萃余液金属含量信息和第i+1级单级萃取智能体模型的输出的萃取液金属含量信息;
第i级单级萃取智能体模型的输出包括第i级的萃余液金属含量信息和萃取液金属含量信息,所述料液智能体模型的所述萃余液智能体模型和所述萃取液智能体模型分别用于记录各级萃余液金属含量信息和各级萃取液金属含量信息,所述萃余液金属含量信息包括萃余液中各种金属浓度,所述萃取液金属含量信息包括萃取液中各种金属浓度。
根据本发明的一些示例,所述分配算法如下式:
其中,所述分配比是指萃取体系达到平衡后,被萃溶质在有机相中的总浓度与水相中总浓度比值。
根据本发明的一些示例,所述萃取模型创建方法还包括如下步骤:
S11:建立分配比表函数,所述分配比表函数包括了多个分配比与料液PH值的映射关系;所述单级萃取智能体模型根据所述分配比表函数获得分配算法中的分配比。
根据本发明的一些示例,所述萃取模型创建方法还包括如下步骤:还包括如下步骤:
S40:使用创建的n级逆流萃取仿真模型;
S50:记录第j级的萃余液金属含量信息Mj和各级萃取液金属含量信息Nj;
S60:获取现场中的各级萃余液金属含量信息M’j和各级萃取液金属含量信息N’j;
S70:判断Mj中各种金属浓度与M’j中各种金属浓度、Nj中各种金属浓度与N’j中各种金属浓度之间的差值是否小于误差阈值;
如否,则S80:修改所述分配比表函数。
本发明的实施例还提供了一种萃取级数确定方法,使用所述萃取模型创建方法建立的逆流萃取仿真模型,包括如下步骤:
S100:接收料液的初始信息,所述料液的初始信息包括料液初始浓度、萃取级数m和各级设定的条件;
S200:将料液的初始信息输入逆流萃取仿真模型,其中,m级单级萃取智能体模型依次相连形成萃余液路线和萃取液路线;
S300:获取各级单级萃取智能体模型输出的萃余液金属含量信息Mk和萃取液金属含量信息Nk;
S400:根据萃余液金属含量信息Mk判断第k级单级萃取智能体模型输出的萃余液中的多种预设的金属浓度是否均小于对应的预设浓度阈值;
如每种预设金属浓度均小于对应的预设浓度阈值,则S510:确定萃取级数为k级。
根据本发明的一些示例,所述萃取级数确定方法还包括如下步骤:
如每种预设金属浓度不均小于对应的预设浓度阈值,则S520增大设置的萃取级数,重复S100步骤至S400步骤,直至每种预设金属浓度均小于对应的预设浓度阈值。
本发明的实施例还提供了一种萃取级数确定系统,用于实现所述萃取级数确定方法,包括接收模块、仿真模型模块和判断模块;
所述接收模块用于接收料液的初始浓度、萃取级数m和各级设定的条件;
所述仿真模型模块用于根据料液的初始信息获取各级单级萃取智能体模型输出的萃余液金属含量信息Mk和萃取液金属含量信息Nk;
所述判断模块用于根据萃余液金属含量信息Mk判断第k级单级萃取智能体模型输出的萃余液中的多种预设的金属浓度是否均小于对应的预设浓度阈值,以及用于根据判断结果确定萃取级数。
本发明的实施例还提供了一种电子设备,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行所述萃取级数确定方法的步骤。
本发明的实施例还提供了一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被执行时实现所述萃取级数确定方法的步骤。
本发明的萃取模型创建方法针对多级逆流萃取系统的萃取过程进行动态模拟建立了多级逆流萃取仿真模型,根据不同萃取条件下料液中的各种金属的分配规律,将单级萃取扩展到多级萃取,对各级有机相和水相的金属浓度进行了动态计算,得到能够符合最终萃取浓度要求的级数,该模型同时还可以对多级萃取的动态过程进行分析。
本发明的萃取级数确定方法能够综合考虑各动态影响因素,结果更接近实际情况,对连续逆向萃取级数的确定具有重要参考意义;相对于现有的萃取级数确定方法,本发明的萃取级数确定方法只需通过设定料液的初始参数即可实现接近实际情况的仿真过程,便于技术人员操作,不具备建模技术的人员也可通过修改关键萃取条件如物料波动、PH值等参数,调整级数选择,无需重新建模快速得到萃取结果,同时可对多个方案进行比较。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理,通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。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的前提下,还可以根据这些附图获得其他的附图。
图1为金属萃取的McCabe-Thiele图;
图2为本发明一实施例的萃取模型创建方法的流程图;
图3为本发明一实施例的n级逆流萃取仿真模型的结构示意图;
图4为本发明一实施例的一分配比函数;
图5为本发明一实施例的萃取级数确定方法的流程图;
图6和图7为本发明一实施例的接收料液的初始信息的交互界面图;
图8为本发明一实施例的各级单级萃取智能体模型输出的萃余液金属含量信息Mk和萃取液金属含量信息Nk图表;
图9为本发明一实施例的萃取级数确定系统的结构示意图;
图10为本发明一实施例的电子设备的结构示意图;
图11为本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本发明的实施例提供了一种萃取模型创建方法,用于创建动态模拟多级逆流萃取的萃取过程的多级逆流萃取仿真模型,图2为本发明一实施例的萃取模型创建方法的流程图。具体地,该萃取模型创建方法包括如下步骤:
S10:建立n个单级萃取智能体模型,每个所述单级萃取智能体模型将进入的料液中的金属含量按照设定的条件和分配算法在萃余液和萃取液中进行分配,得到萃余液金属含量信息及萃取液金属含量信息;其中,萃取液是指萃取平衡时静置分层的水相;萃余液是指萃取平衡时静置分层的有机相,又叫负荷有机相。
S20:建立n个料液智能体模型,所述料液智能体模型包括萃余液智能体模型和萃取液智能体模型,其中,n为大于1的整数,
S30:将n个所述单级萃取智能体模型和n个所述料液智能体模型组合构成n级逆流萃取仿真模型。
图3为本发明一实施例的n级逆流萃取仿真模型的结构示意图;n级逆流萃取仿真模型中:
第i级单级萃取智能体模型的输入包括第i-1级单级萃取智能体模型的输出的萃余液金属含量信息和第i+1级单级萃取智能体模型的输出的萃取液金属含量信息,i=1,2,3…n,i=1时,即为第1级,第i-1级单级萃取智能体模型的输出的萃余液金属含量信息可以理解为是初始的料液的金属含量信息;i=n时,第i级单级萃取智能体模型无下一级单级萃取智能体模型的输出的萃取液金属含量信息的输入;
第i级单级萃取智能体模型的输出包括第i级的萃余液金属含量信息和萃取液金属含量信息,即上一级萃余液金属含量信息输入下一级的单级萃取智能体模型中,下一级的萃取液金属含量信息输入上一级的单级萃取智能体模型中继续参加上一级的萃取,n级逆流萃取仿真模型中n个单级萃取智能体模型依次相连形成萃余液路线和萃取液路线。此时,上一级单级萃取智能体模型的输出的萃余液金属含量信息和下一级单级萃取智能体模型的输出的萃取液金属含量信息是构成料液金属含量信息输入当前的单级萃取智能体模型。
此处的输入或输出的是萃余液或萃取液金属含量信息,在n级逆流萃取仿真模型,如图2所示,每一级(stage)的结构相同,包括一单级萃取智能体模型(图中每一级的前面模块)和一料液智能体模型(图中每一级的后面模块)。包括了一所述萃余液智能体模型和一所述萃取液智能体模型的一所述料液智能体模型设置于两个单级萃取智能体模型之间,分别用于记录各级萃余液金属含量信息和各级萃取液金属含量信息,所述萃余液金属含量信息包括萃余液中各种金属浓度,所述萃取液金属含量信息包括萃取液中各种金属浓度。
在一些实施例中,所述分配算法可以如下式:
其中,所述分配比是指萃取体系达到平衡后,被萃溶质在有机相中的总浓度与水相中总浓度比值。
相应地,S10步骤中每单级萃取智能体模型级设定的条件可以是该级中料液的PH值。
本发明的萃取模型创建方法针对多级逆流萃取系统的萃取过程进行动态模拟建立了多级逆流萃取仿真模型,首先S10步骤根据萃取系统的逻辑特点建立单级萃取智能体模型,单级萃取智能体模型根据不同萃取条件下料液中的各种金属的分配规律,将单级萃取扩展到多级萃取,在S30步骤建立多级逆流萃取仿真模型时,将多个单级萃取智能体模型进行串联,将单级萃取扩展到多级萃取,各级模型之间通过串联进行数据交互,对各级有机相和水相的金属浓度进行了动态计算和分析。
在一些实施例中,所述萃取模型创建方法还包括如下步骤:
S11:建立分配比表函数,所述分配比表函数包括了多个分配比函数,即包括多个分配比与料液PH值的映射关系;所述单级萃取智能体模型根据所述分配比表函数获得分配算法中的分配比。图4为本发明一实施例的一分配比函数;其中,横坐标为料液PH值,纵坐标为分配比。分配比表函数可以根据数据库,包括研究数据、实验数据、现场数据获得。
本发明的萃取模型创建方法还可以包括如下步骤:
S40:使用创建的n级逆流萃取仿真模型;
S50:记录第j级的萃余液金属含量信息Mj和各级萃取液金属含量信息Nj;
S60:获取现场中的各级萃余液金属含量信息M’j和各级萃取液金属含量信息N’j;此步骤可以看成是获得现场数据的过程。
S70:判断Mj中各种金属浓度与M’j中各种金属浓度、Nj中各种金属浓度与N’j中各种金属浓度之间的差值是否小于误差阈值;此步骤可以看成是将创建的n级逆流萃取仿真模型运行后获得的数据与现场数据进行比较,当两者之间的误差较少时,认为创建的n级逆流萃取仿真模型能够准确地模拟多级逆流萃取系统的萃取过程,此时,则不需要修改建立单级萃取智能体模型的参数,主要是分配算法中的分配比,表现为,不修改所述分配比表函数。
如创建的n级逆流萃取仿真模型运行后获得的数据与现场数据两者之间的误差交大,此时,认为选用获得分配比表函数的数据库有偏差,重新选取数据库,获得新的分配比表函数,即执行S80:修改所述分配比表函数。
通过上述S50步骤至S80步骤,本发明的萃取模型创建方法创建的多级逆流萃取仿真模型更精准。
本发明的实施例还提供了一种萃取级数确定方法,使用所述萃取模型创建方法建立的多级逆流萃取仿真模型。图5为本发明一实施例的萃取级数确定方法的流程图,具体地,该萃取级数确定方法包括如下步骤:
S100:接收料液的初始信息,所述料液的初始信息包括料液初始浓度、萃取级数m和各级设定的条件,各级设定的条件包括每级料液PH值等,在萃取级数确定系统中,为了方便用户使用,系统也可以包括交互界面,用于接收用户设置的料液的初始信息,如图6和图7的本发明一实施例的接收料液的初始信息的交互界面图,其中,包括了接触时间、萃取温度、相比(在萃取过程中有机相体积与水相体积的比例)、萃取级数、初始料液中各种金属浓度。每级设定的条件,如料液PH值可以在每级的单级萃取智能体模型的交互界面设定,如图2所示,其中,每级的料液PH值设定为3.5。设定的萃取级数m应该小于创建的多级逆流萃取仿真模型的级数,如图2的实施例中,多级逆流萃取仿真模型的级数为14,设定的萃取级数m可在1级至14级之间。
S200:将料液的初始信息输入逆流萃取仿真模型,其中,m级单级萃取智能体模型依次相连形成萃余液路线和萃取液路线;
S300:获取各级单级萃取智能体模型输出的萃余液金属含量信息Mk和萃取液金属含量信息Nk;此步骤可以通过运行仿真模型,通过各级的料液智能体模型实时记录各级萃余液金属含量信息和各级萃取液金属含量信息,当各级萃余液金属含量信息和各级萃取液金属含量信息波动较小时,认为完成仿真模拟过程,记录此时各级萃余液金属含量信息和各级萃取液金属含量信息。图8为本发明一实施例的各级单级萃取智能体模型输出的萃余液金属含量信息Mk和萃取液金属含量信息Nk图表;
S400:根据萃余液金属含量信息Mk判断第k级单级萃取智能体模型输出的萃余液中的多种预设的金属浓度是否均小于对应的预设浓度阈值;此处的预设浓度阈值可以看成是经过多级萃取后,萃余液中某些金属的含量需达到的标准。
如每种预设金属浓度均小于对应的预设浓度阈值,则S510:确定萃取级数为k级。以图8中数据为例,如萃取后的萃余液中Ca浓度达到小于10-4认为是需达到的标准,则确定萃取级数为6,即6级萃取得到能够符合最终萃取浓度要求。如果,在萃余液中Ca浓度需要达到上述标准的同时,还需萃余液中Mg浓度小于10-4,此时,第9级萃取后的萃余液中Mg浓度为0.38,大于10-4,因此,认为设定的9级萃取未达到需求,此时,需增加设定的萃取级数。
本发明的萃取级数确定方法因此还可以包括如下步骤:
如每种预设金属浓度不均小于对应的预设浓度阈值,则S520增大设置的萃取级数,重复S100步骤至S400步骤,直至每种预设金属浓度均小于对应的预设浓度阈值。即本发明的萃取级数确定方法在已经创建多级逆流萃取仿真模型的前提下,只需通过参数界面简单调整输入参数,即可实现接近实际情况的仿真过程,并且可以对不同参数设定对应的多种方案进行比选。
本发明采用离散仿真、多智能体建模仿真等仿真模拟方法,针对单级萃取分配规律建立单级萃取智能体和萃取系统的智能体,对多级逆流萃取系统的萃取过程进行动态模拟,建立了较为通用的多级逆流萃取系统模型,提高了技术人员操作的便捷度,更重要的是,极大地提高了估算多级逆流萃取的理论萃取级数的效率。
本发明的萃取级数确定方法可以获得每一级参与分配后的萃取液中各种金属浓度信息、萃余液中各种金属浓度信息,还可以根据萃取前萃余液的金属含量、萃取后萃余液的金属含量、萃取前萃余液的金属含量,通过如下公式:
计算各级萃取效率,如图8所示。上述数据有利于进一步分析和理解多级逆流萃取的动态过程。
本发明的实施例还提供了一种萃取级数确定系统,用于实现所述萃取级数确定方法。图9为本发明一实施例的萃取级数确定系统的结构示意图,具体地,该萃取级数确定系统包括接收模块M100、仿真模型模块M200和判断模块M300;
所述接收模块M100用于接收料液的初始浓度、萃取级数m和各级的PH值;
所述仿真模型模块M200用于根据料液的初始信息获取各级单级萃取智能体模型输出的萃余液金属含量信息Mk和萃取液金属含量信息Nk;
所述判断模块M300用于根据萃余液金属含量信息Mk判断第k级单级萃取智能体模型输出的萃余液中的多种预设的金属浓度是否均小于对应的预设浓度阈值,以及用于根据判断结果确定萃取级数。
实施例的萃取级数确定系统中的各个功能模块的功能实现方式均可以采用上述萃取级数确定方法中各个步骤的具体实施方式来实现。例如,接收模块M100、仿真模型模块M200和判断模块M300可以分别采用上述步骤S100至S510或步骤S100至S520的具体实施方式实现其功能,此处不予赘述。本发明的萃取级数确定系统实现便捷、有效地确定能够符合最终萃取浓度要求的萃取级数。
下面参照图10来描述根据本发明的这种实施方式的电子设备600。图10显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以执行如图5中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行实现萃取级数确定方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图11所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明提供了一种萃取模型创建方法、确定方法、系统、设备及存储介质,萃取模型创建方法包括如下步骤:建立n个单级萃取智能体模型,每个单级萃取智能体模型将进入的料液中的金属含量按照设定的条件和分配算法在萃余液和萃取液中进行分配,得到萃余液金属含量信息及萃取液金属含量信息;建立n个料液智能体模型;将n个所述单级萃取智能体模型和n个所述料液智能体模型组合构成n级逆流萃取仿真模型。
本发明的萃取模型创建方法针对多级逆流萃取系统的萃取过程进行动态模拟建立了多级逆流萃取仿真模型,根据不同萃取条件下料液中的各种金属的分配规律,将单级萃取扩展到多级萃取,对各级有机相和水相的金属浓度进行了动态计算,得到能够符合最终萃取浓度要求的级数,该模型同时还可以对多级萃取的动态过程进行分析。
本发明的萃取级数确定方法能够综合考虑各动态影响因素,结果更接近实际情况,对连续逆向萃取级数的确定具有重要参考意义;相对于现有的萃取级数确定方法,本发明的萃取级数确定方法只需通过设定料液的初始参数即可实现接近实际情况的仿真过程,便于技术人员操作,不具备建模技术的人员也可通过修改关键萃取条件如物料波动、PH值等参数,调整级数选择,无需重新建模快速得到萃取结果,同时可对多个方案进行比较。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (6)
1.一种萃取模型创建方法,其特征在于,包括如下步骤:
S10:建立n个单级萃取智能体模型,每个所述单级萃取智能体模型将进入的料液中的金属含量按照设定的条件和分配算法在萃余液和萃取液中进行分配,得到萃余液金属含量信息及萃取液金属含量信息;所述分配算法如下式:
其中,所述分配比是指萃取体系达到平衡后,被萃溶质在有机相中的总浓度与水相中总浓度比值;
S11:建立分配比表函数,所述分配比表函数包括了多个分配比与料液PH值的映射关系;所述单级萃取智能体模型根据所述分配比表函数获得分配算法中的分配比;
S20:建立n个料液智能体模型,所述料液智能体模型包括萃余液智能体模型和萃取液智能体模型,其中,n为大于1的整数;
S30:将n个所述单级萃取智能体模型和n个所述料液智能体模型组合构成n级逆流萃取仿真模型;其中:
第i级单级萃取智能体模型的输入包括第i-1级单级萃取智能体模型的输出的萃余液金属含量信息和第i+1级单级萃取智能体模型的输出的萃取液金属含量信息;
第i级单级萃取智能体模型的输出包括第i级的萃余液金属含量信息和萃取液金属含量信息,所述料液智能体模型的所述萃余液智能体模型和所述萃取液智能体模型分别用于记录各级萃余液金属含量信息和各级萃取液金属含量信息,所述萃余液金属含量信息包括萃余液中各种金属浓度,所述萃取液金属含量信息包括萃取液中各种金属浓度;
S40:使用创建的n级逆流萃取仿真模型;
S50:记录第j级的萃余液金属含量信息Mj和各级萃取液金属含量信息Nj;
S60:获取现场中的各级萃余液金属含量信息M’j和各级萃取液金属含量信息N’j;
S70:判断Mj中各种金属浓度与M’j中各种金属浓度、Nj中各种金属浓度与N’j中各种金属浓度之间的差值是否小于误差阈值;
如否,则S80:修改所述分配比表函数。
2.一种萃取级数确定方法,使用权利要求1所述萃取模型创建方法建立的逆流萃取仿真模型,其特征在于,包括如下步骤:
S100:接收料液的初始信息,所述料液的初始信息包括料液初始浓度、萃取级数m和各级设定的条件;
S200:将料液的初始信息输入逆流萃取仿真模型,其中,m级单级萃取智能体模型依次相连形成萃余液路线和萃取液路线;
S300:获取各级单级萃取智能体模型输出的萃余液金属含量信息Mk和萃取液金属含量信息Nk;
S400:根据萃余液金属含量信息Mk判断第k级单级萃取智能体模型输出的萃余液中的多种预设的金属浓度是否均小于对应的预设浓度阈值;
如每种预设金属浓度均小于对应的预设浓度阈值,则S510:确定萃取级数为k级。
3.根据权利要求2所述的萃取级数确定方法,其特征在于,还包括如下步骤:
如每种预设金属浓度不均小于对应的预设浓度阈值,则S520增大设置的萃取级数,重复S100步骤至S400步骤,直至每种预设金属浓度均小于对应的预设浓度阈值。
4.一种萃取级数确定系统,用于实现权利要求2或3所述的萃取级数确定方法,其特征在于,包括接收模块、仿真模型模块和判断模块;
所述接收模块用于接收料液的初始浓度、萃取级数m和各级设定的条件;
所述仿真模型模块用于根据料液的初始信息获取各级单级萃取智能体模型输出的萃余液金属含量信息Mk和萃取液金属含量信息Nk;
所述判断模块用于根据萃余液金属含量信息Mk判断第k级单级萃取智能体模型输出的萃余液中的多种预设的金属浓度是否均小于对应的预设浓度阈值,以及用于根据判断结果确定萃取级数。
5.一种电子设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求2或3所述萃取级数确定方法的步骤。
6.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被处理器执行时实现权利要求2或3所述萃取级数确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111038572.5A CN113742920B (zh) | 2021-09-06 | 2021-09-06 | 萃取模型创建方法、确定方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111038572.5A CN113742920B (zh) | 2021-09-06 | 2021-09-06 | 萃取模型创建方法、确定方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113742920A CN113742920A (zh) | 2021-12-03 |
CN113742920B true CN113742920B (zh) | 2024-06-14 |
Family
ID=78736070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111038572.5A Active CN113742920B (zh) | 2021-09-06 | 2021-09-06 | 萃取模型创建方法、确定方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113742920B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115784535B (zh) * | 2023-01-09 | 2023-05-05 | 深圳瑞赛环保科技有限公司 | 基于计算机技术的废液铝离子滤除方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101813932A (zh) * | 2009-02-03 | 2010-08-25 | 东北大学 | 湿法冶金萃取过程组分含量预测与优化操作方法 |
CN112507522A (zh) * | 2020-11-13 | 2021-03-16 | 萍乡楚峰科技有限公司 | 一种有限组分两出口体系静态串级萃取理论设计计算方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101671777B (zh) * | 2009-10-12 | 2011-03-16 | 郴州福鑫有色金属有限公司 | 锗生产废液的多金属回收处理工艺 |
CN101812589A (zh) * | 2010-04-27 | 2010-08-25 | 华东交通大学 | 基于离子特征颜色识别的稀土萃取过程控制方法 |
US9518449B1 (en) * | 2011-09-06 | 2016-12-13 | Sandia Corporation | Waterflooding injectate design systems and methods |
EP4290532A3 (en) * | 2016-09-29 | 2024-03-20 | The Regents of the University of California | Separation of metal ions by liquid-liquid extraction |
CN107937734B (zh) * | 2017-12-08 | 2020-04-28 | 中国科学院青海盐湖研究所 | 基于混合澄清槽的从含锂碱性卤水中提取锂的工艺 |
CN108536909B (zh) * | 2018-03-06 | 2022-01-14 | 五矿(北京)稀土研究院有限公司 | 一种多组分联动萃取分离流程设计系统及设计方法 |
CN110223288B (zh) * | 2019-06-17 | 2021-01-08 | 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 |
-
2021
- 2021-09-06 CN CN202111038572.5A patent/CN113742920B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101813932A (zh) * | 2009-02-03 | 2010-08-25 | 东北大学 | 湿法冶金萃取过程组分含量预测与优化操作方法 |
CN112507522A (zh) * | 2020-11-13 | 2021-03-16 | 萍乡楚峰科技有限公司 | 一种有限组分两出口体系静态串级萃取理论设计计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113742920A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113742920B (zh) | 萃取模型创建方法、确定方法、系统、设备及存储介质 | |
CN109961041B (zh) | 一种视频识别方法、装置及存储介质 | |
CN111682530B (zh) | 一种配电网电压越限概率的确定方法、装置、设备及介质 | |
CN109634426B (zh) | 基于Unity3D的高自由度实验类三维虚拟仿真方法和系统 | |
CN113807062A (zh) | 一种组合密度图在线绘制方法、装置和电子设备 | |
CN113223630A (zh) | 化工装置工艺流程模拟仿真方法、电子装置和可存储介质 | |
Mateják | Physiology in modelica | |
JP2023092442A (ja) | 集積回路チップ検証方法、装置、電子デバイス及び記憶媒体 | |
CN110019832A (zh) | 语言模型的获取方法和装置 | |
CN113641785B (zh) | 基于多维度的科技资源相似词检索方法及电子设备 | |
Campbell et al. | Computation of aerosol evolution under coagulation | |
CN104408023B (zh) | 一种指标计算的方法及指标计算器 | |
Khademi | Complex Survey Data Analysis with SAS | |
CN111949767A (zh) | 一种文本关键词的查找方法、装置、设备和存储介质 | |
CN113627399B (zh) | 题目处理方法、装置、设备及存储介质 | |
JP2023042711A (ja) | 抽出剤選択支援装置、抽出剤選択支援方法およびプログラム | |
CN111985627B (zh) | 基于对抗网络模型的陪伴学习角色生成方法和系统 | |
CN114820879B (zh) | 一种思维导图构建游戏画板的方法、电子设备及存储介质 | |
CN112163404B (zh) | 一种文本生成方法、装置、电子设备及存储介质 | |
CN109885741B (zh) | 一种基于间断重复的知识点展示方法及装置 | |
CN110875085B (zh) | 高效批量优化分子结构的方法 | |
Johnson et al. | Population genetic simulation: Benchmarking frameworks for non‐standard models of natural selection | |
CN115905576A (zh) | 一种试卷生成方法、装置、电子设备及介质 | |
CN117149966A (zh) | 一种基于RoBERTa-DPCNN模型的问答方法及系统 | |
CN118278527A (zh) | 自然语言处理任务执行及模型训练方法、装置、设备 |
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 |