CN116837422A - 一种高纯无氧铜材的生产工艺及系统 - Google Patents

Abstract

本发明涉及铜材生产技术领域，具体涉及一种高纯无氧铜材的生产工艺及系统，包括：设定初始参数，获得对应的检测结果；将杂质含量和氧气含量作为两个第一目标函数，形成第一权重值组合，基于多目标优化算法搜索形成精炼权重集合；以及对应形成电解权重集合；基于决策算法在精炼权重集合和电解权重集合中选择最佳的权重组合方案；将精炼过程分析结果和电解过程分析结果输入生产工艺评价空间，基于评价结果对初始参数进行调节。本发明通过多目标优化、数据驱动分析和决策算法的应用，实现了高纯无氧铜材的生产工艺优化和实时调节，实现工艺的整体优化和最大化性能的能力，可有效提高生产效率、产品质量和资源利用率，从而满足高纯无氧铜材的需求。

Description

一种高纯无氧铜材的生产工艺及系统

技术领域

本发明涉及铜材生产技术领域，具体涉及一种高纯无氧铜材的生产工艺及系统。

背景技术

在现有的高纯无氧铜材生产过程中，精炼和电解是两个重要的过程，通过精炼的过程以去除粗铜中的杂质和氧气，通过使杂质产生反应和分离，从而提高铜的纯度；在精炼步骤后，采用电解法进一步提纯铜，这涉及将精炼后的铜放入电解槽中，用作阳极，并将纯铜作为阴极，然后通过电解的方式将铜离子转化为纯铜金属。

目前，针对精炼过程，存在杂质含量和氧气含量控制的困难，传统的工艺方法无法有效地控制杂质含量和氧气含量，导致高纯度和低氧含量的铜材料难以获得，这可能导致产品质量不稳定和生产效率的降低。在电解过程中，纯度和能耗是重要的指标，然而，目前的工艺同样缺乏对纯度和能耗进行有效控制的方法，优化电解过程参数以提高纯度和降低能耗也是一项具有挑战性的任务。

另外，针对精炼过程和电解过程通常被视为独立的过程，其结果无法共同被决策，这导致了一个局限性，即无法在综合考虑精炼过程和电解过程的结果时进行最优化决策，这限制了工艺的整体优化和最大化性能的能力。

发明内容

本发明中提供了一种高纯无氧铜材的生产工艺及系统，从而有效解决背景技术中所指出的问题。

为了达到上述目的，本发明所采用的技术方案是：

一种高纯无氧铜材的生产工艺，包括：

设定初始精炼参数，根据所述初始精炼参数进行粗铜的精炼过程，且在所述精炼过程完成后，对精炼材料进行杂质含量检测和氧气含量检测，分别获得杂质含量检测结果和氧气含量检测结果；

设定初始电解参数，根据所述初始电解参数进行所述精炼材料的提纯过程，且在所述提纯过程完成后，对提纯材料进行纯度检测和提纯过程能耗检测，分别获得纯度检测结果和能耗检测结果；

将杂质含量和氧气含量作为两个第一目标函数，两个所述第一目标函数所对应的权重形成第一权重值组合，基于多目标优化算法搜索排序前N位的所述第一权重值组合，形成精炼权重集合，N≥2；

将纯度和能耗作为两个第二目标函数，两个所述第二目标函数所对应的权重形成第二权重值组合，基于多目标优化算法搜索排序前N位的所述第二权重值组合，形成电解权重集合；

基于决策算法在所述精炼权重集合和电解权重集合中选择最佳的权重组合方案，且将对应权重分别赋予所述第一目标函数以获得精炼过程分析结果，以及赋予所述第二目标函数获得电解过程分析结果；

将所述精炼过程分析结果和电解过程分析结果输入生产工艺评价空间，基于所获得的生产工艺评价结果对所述初始精炼参数和初始电解参数进行调节。

进一步地，将杂质含量和氧气含量作为两个第一目标函数，两个所述第一目标函数所对应的权重形成第一权重值组合，基于多目标优化算法搜索排序前N位的所述第一权重值组合，形成精炼权重集合，包括：

收集精炼过程中的杂质含量检测结果和氧气含量检测结果；

建立精炼过程分析模块并确定第一分析模型，将所述杂质含量检测结果和氧气含量检测结果作为所述第一分析模型的输入，且在输出层设置控制杂质含量和控制氧气含量两个第一目标函数；

对所述第一分析模型进行训练及应用；

确定多目标遗传算法及算法的参数，并设置第一评价函数，所述第一评价函数将所述精炼过程分析结果作为评价目标；

运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第一权重值组合，形成所述精炼权重集合。

进一步地，将纯度和能耗作为两个第二目标函数，两个所述第二目标函数所对应的权重形成第二权重值组合，基于多目标优化算法搜索排序前N位的所述第二权重值组合，形成电解权重集合，包括：

收集电解过程中的纯度检测结果和能耗检测结果；

建立电解过程分析模块并确定第二分析模型，将所述纯度检测结果和能耗检测结果作为所述第二分析模型的输入，且在输出层设置控制纯度和控制能耗两个第二目标函数；

对所述第二分析模型进行训练及应用；

确定多目标遗传算法及算法的参数，并设置第二评价函数，所述第二评价函数将所述电解过程分析结果作为评价目标；

运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第二权重值组合，形成所述电解权重集合。

进一步地，基于决策算法在所述精炼权重集合和电解权重集合中选择最佳的权重组合方案，包括：

收集所述精炼过程分析结果和所述电解过程分析结果；

建立决策算法模型，确定所述决策算法所需的输入特征为所述精炼过程分析结果和电解过程分析结果，输出目标为最佳的权重组合方案；

对所述决策算法模型进行训练及应用，预测最佳的权重组合方案。

进一步地，运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第一权重值组合，形成所述精炼权重集合，包括：

将每个所述第一权重值组合作为个体，随机生成一组个体作为初始种群；

将每个所述个体应用于第一分析模型计算精炼过程分析结果，根据所述精炼过程分析结果和设定的第一目标函数，计算所述个体的适应度值；

使用选择算子，根据所述个体的适应度值进行选择，选择一部分个体作为下一代的父代；

使用交叉算子，对选定的所述父代进行交叉操作，生成新的子代个体；

使用变异算子，对生成的所以子代个体进行变异操作，引入新的基因变化；

将所述父代和子代个体合并，形成新一代的种群；

重复上述步骤，直到达到指定的迭代次数或满足终止条件；

根据最终的适应度值，对所述个体进行排序，选择适应度值最优的前N位个体，形成所述精炼权重集合。

进一步地，将纯度和能耗作为两个第二目标函数，两个所述第二目标函数所对应的权重形成第二权重值组合，基于多目标优化算法搜索排序前N位的所述第二权重值组合，形成电解权重集合，包括：

将每个所述第二权重值组合作为个体，随机生成一组个体作为初始种群；

将每个所述个体应用于第二分析模型计算电解过程分析结果，根据所述电解过程分析结果和设定的第二目标函数，计算所述个体的适应度值；

使用选择算子，根据所述个体的适应度值进行选择，选择一部分个体作为下一代的父代；

使用交叉算子，对选定的所述父代进行交叉操作，生成新的子代个体；

使用变异算子，对生成的所以子代个体进行变异操作，引入新的基因变化；

将所述父代和子代个体合并，形成新一代的种群；

重复上述步骤，直到达到指定的迭代次数或满足终止条件；

根据最终的适应度值，对所述个体进行排序，选择适应度值最优的前N位个体，形成所述电解权重集合。

进一步地，建立精炼过程分析模块并确定第一分析模型，包括：

收集精炼过程中的所述杂质含量检测结果和氧气含量检测结果，且对收集到的数据进行预处理，并划分为训练集和测试集；

根据实际情况进行特征工程，针对所述训练集提取有用的特征作为所述第一分析模型的输入；

确定所述第一分析模型的结构和算法；

对所述第一分析模型进行训练，并对训练好的模型进行验证，根据验证结果调整模型的参数、结构或算法，直至模型训练和验证达到满意的结果时，所述第一分析模型建立完成。

进一步地，建立电解过程分析模块并确定第二分析模型，包括：

收集电解过程中的所述纯度检测结果和能耗检测结果，且对收集到的数据进行预处理，并划分为训练集和测试集；

根据实际情况进行特征工程，针对所述训练集提取有用的特征作为所述第二分析模型的输入；

确定所述第二分析模型的结构和算法；

对所述第二分析模型进行训练，并对训练好的模型进行验证，根据验证结果调整模型的参数、结构或算法，直至模型训练和验证达到满意的结果时，所述第二分析模型建立完成。

一种高纯无氧铜材的生产系统，包括：

初始化模块，实现初始精炼参数设定和初始电解参数设定；

精炼模块，根据所述初始精炼参数进行粗铜的精炼过程，并对精炼材料进行杂质含量检测和氧气含量检测，分别获得杂质含量检测结果和氧气含量检测结果；

电解模块，根据所述初始电解参数进行精炼材料的提纯过程，并对提纯材料进行纯度检测和提纯过程能耗检测，分别获得纯度检测结果和能耗检测结果；

多目标优化模块，将杂质含量和氧气含量作为两个第一目标函数，纯度和能耗作为两个第二目标函数，实现权重优化搜索功能，两个所述第一目标函数所对应的权重形成第一权重值组合，通过所述搜索功能获得排序前N位的所述第一权重值组合，形成精炼权重集合，两个所述第二目标函数所对应的权重形成第二权重值组合，通过所述搜索功能获得排序前N位的所述第二权重值组合，形成电解权重集合；

决策模块，基于决策算法在所述精炼权重集合和电解权重集合中选择最佳的权重组合方案；

生产工艺评价模块，将对应权重分别赋予所述第一目标函数以获得精炼过程分析结果，以及赋予所述第二目标函数获得电解过程分析结果，将精炼过程分析结果和电解过程分析结果输入生产工艺评价空间，并根据评价结果对初始精炼参数和初始电解参数进行调节。

进一步地，所述多目标优化模块包括：

收集模块，收集精炼过程中的杂质含量检测结果和氧气含量检测结果，以及电解过程中的纯度检测结果和能耗检测结果；

分析模块，建立精炼过程分析模块并确定第一分析模型，将所述杂质含量检测结果和氧气含量检测结果作为第一分析模型的输入，且在输出层设置控制杂质含量和控制氧气含量两个第一目标函数，以及建立电解过程分析模块并确定第二分析模型，将所述纯度检测结果和能耗检测结果作为第二分析模型的输入，且在输出层设置控制纯度和控制能耗两个第二目标函数；

训练模块，对所述第一分析模型和第二分析模型进行训练及应用；

优化模块，确定多目标遗传算法及算法的参数，并设置第一评价函数，将精炼过程分析结果作为评价目标，以及设置第二评价函数，将电解过程分析结果作为评价目标；

遗传算法模块，运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第一权重值组合，形成精炼权重集合，以及搜索评价后排序前N位的第二权重值组合，形成电解权重集合。

通过本发明的技术方案，可实现以下技术效果：

本发明通过多目标优化算法，综合考虑了多个关键指标，如杂质含量、氧气含量、纯度和能耗等，通过搜索权重组合，可以找到权衡方案组合；基于决策算法的选择，可以从精炼权重集合和电解权重集合中找到最佳的权重组合方案，这样的决策过程可以更准确地选择适合的权衡方案，从而改善生产效率和产品质量。

通过根据生产工艺评价结果对初始精炼参数和初始电解参数进行调节，可以实现实时的工艺优化，这种实时调节能够适应生产环境和需求的变化，提高生产过程的灵活性和效率；本发明通过多目标优化、数据驱动分析和决策算法的应用，实现了高纯无氧铜材的生产工艺优化和实时调节，实现工艺的整体优化和最大化性能的能力，可有效提高生产效率、产品质量和资源利用率，从而满足高纯无氧铜材的需求。

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，下面将对实施例或现有技术描述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中记载的一些实施例，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为高纯无氧铜材的生产工艺的流程图；

图2为形成精炼权重集合的流程图；

图3为形成电解权重集合的流程图；

图4为选择最佳的权重组合方案的流程图；

图5为运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第一权重值组合的流程图；

图6为运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第二权重值组合的流程图；

图7为建立精炼过程分析模块并确定第一分析模型的流程图；

图8为建立电解过程分析模块并确定第二分析模型的流程图；

图9为高纯无氧铜材的生产系统的框架图；

图10为多目标优化模块的框架图；

附图标记：100、初始化模块；200、精炼模块；300、电解模块；400、多目标优化模块；410、收集模块；420、分析模块；430、训练模块；440、优化模块；450、遗传算法模块；500、决策模块；600、生产工艺评价模块。

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。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

实施例一

如图1所示，一种高纯无氧铜材的生产工艺，包括：

S1：设定初始精炼参数，根据初始精炼参数进行粗铜的精炼过程，且在精炼过程完成后，对精炼材料进行杂质含量检测和氧气含量检测，分别获得杂质含量检测结果和氧气含量检测结果；通过上述步骤，确定精炼过程的初始状态，并获取精炼材料的质量指标，这样可以为后续的分析和优化提供基准数据；

S2：设定初始电解参数，根据初始电解参数进行精炼材料的提纯过程，且在提纯过程完成后，对提纯材料进行纯度检测和提纯过程能耗检测，分别获得纯度检测结果和能耗检测结果；同样的，本步骤中确定电解过程的初始状态；

S3：将杂质含量和氧气含量作为两个第一目标函数，两个第一目标函数所对应的权重形成第一权重值组合，基于多目标优化算法搜索排序前N位的第一权重值组合，形成精炼权重集合，N≥2；本步骤中，杂质含量和氧气含量是两个不同的第一目标函数，为二者分别赋予恰当的权重，决定了每个第一目标函数对最终调节结果的影响程度；具体而言，权重通常是赋予每个第一目标函数的重要性或优先级，这些权重控制了在多目标优化算法中如何平衡杂质含量目标和氧气含量目标，通过调整权重可以调节不同目标之间的平衡点，以找到适合的最优解。

S4：将纯度和能耗作为两个第二目标函数，两个第二目标函数所对应的权重形成第二权重值组合，基于多目标优化算法搜索排序前N位的第二权重值组合，形成电解权重集合；本步骤中，纯度和能耗是两个不同的第二目标函数，为二者分别赋予恰当的权重，决定了每个第二目标函数对最终调节结果的影响程度；具体而言，权重通常是赋予每个第二目标函数的重要性或优先级，这些权重控制了在多目标优化算法中如何平衡纯度目标和能耗目标；通过调整权重可以调节不同目标之间的平衡点，以找到适合的最优解。

S5：基于决策算法在精炼权重集合和电解权重集合中选择最佳的权重组合方案，且将对应权重分别赋予第一目标函数以获得精炼过程分析结果，以及赋予第二目标函数获得电解过程分析结果；

S6：将精炼过程分析结果和电解过程分析结果输入生产工艺评价空间，基于所获得的生产工艺评价结果对初始精炼参数和初始电解参数进行调节。

步骤S5和S6中综合考虑多个目标的要求，精炼过程和电解过程通常涉及多个关键指标，如杂质含量、氧气含量、纯度和能耗等，通过决策算法选择最佳的权重组合方案，可以在考虑多个目标的情况下做出综合和合理的决策；通过基于获得的生产工艺评价结果进行参数调节，可以实现最优化的生产工艺，通过合理选择权重组合和调节初始参数，可以在权衡不同目标的情况下，寻找最佳的生产工艺方案，这将有助于提高生产效率、降低成本，并使得最终产品达到所需的质量和规格要求。

综上，本发明的技术优势如下：

本发明通过多目标优化算法，综合考虑了多个关键指标，如杂质含量、氧气含量、纯度和能耗等，通过搜索权重组合可以找到权衡方案组合；基于决策算法的选择，可以从精炼权重集合和电解权重集合中找到最佳的权重组合方案，这样的决策过程可以更准确地选择适合的权衡方案，从而改善生产效率和产品质量。

通过根据生产工艺评价结果对初始精炼参数和初始电解参数进行调节，可以实现实时的工艺优化，这种实时调节能够适应生产环境和需求的变化，提高生产过程的灵活性和效率；本发明通过多目标优化、数据驱动分析和决策算法的应用，实现了高纯无氧铜材的生产工艺优化和实时调节，能够提高生产效率、产品质量和资源利用率，从而满足高纯无氧铜材的需求。

作为上述实施例的优选，将杂质含量和氧气含量作为两个第一目标函数，两个第一目标函数所对应的权重形成第一权重值组合，基于多目标优化算法搜索排序前N位的第一权重值组合，形成精炼权重集合，如图2所示，包括：

S31：收集精炼过程中的杂质含量检测结果和氧气含量检测结果；

S32：建立精炼过程分析模块并确定第一分析模型，将杂质含量检测结果和氧气含量检测结果作为第一分析模型的输入，且在输出层设置控制杂质含量和控制氧气含量两个第一目标函数；

S33：对第一分析模型进行训练及应用；

S34：确定多目标遗传算法及算法的参数，并设置第一评价函数，第一评价函数将精炼过程分析结果作为评价目标；

S35：运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第一权重值组合，形成精炼权重集合。

在上述优选方案中，通过引入多目标优化算法，可以综合考虑精炼过程中的两个指标，即杂质含量和氧气含量，这样可以在不同的权衡下寻找精炼权重集合，以供后续选择；在实施过程中，通过多目标遗传算法的搜索过程，系统可以自动搜索并生成一组排序前N位的第一权重值组合，从而可以减少人工干预的需求，提高效率和准确性。多目标遗传算法是一种有效的优化算法，能够在多个目标函数之间寻找平衡点，它利用遗传操作和适应度评估来搜索最优解，具有较强的全局搜索能力，适用于多目标问题的优化。

同样地，将纯度和能耗作为两个第二目标函数，两个第二目标函数所对应的权重形成第二权重值组合，基于多目标优化算法搜索排序前N位的第二权重值组合，形成电解权重集合，如图3所示，包括：

S41：收集电解过程中的纯度检测结果和能耗检测结果；

S42：建立电解过程分析模块并确定第二分析模型，将纯度检测结果和能耗检测结果作为第二分析模型的输入，且在输出层设置控制纯度和控制能耗两个第二目标函数；

S43：对第二分析模型进行训练及应用；

S44：确定多目标遗传算法及算法的参数，并设置第二评价函数，第二评价函数将电解过程分析结果作为评价目标；

S45：运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第二权重值组合，形成电解权重集合。

本优选方案中，实现了与步骤S31~S35同样的技术效果，此处不再赘述。

针对步骤S5，基于决策算法在精炼权重集合和电解权重集合中选择最佳的权重组合方案，如图4所示，包括：

S51：收集精炼过程分析结果和电解过程分析结果；确保获得精炼过程和电解过程的关键指标和性能数据；

S52：建立决策算法模型，确定决策算法所需的输入特征为精炼过程分析结果和电解过程分析结果，输出目标为最佳的权重组合方案；这些特征关联于杂质含量、氧气含量、纯度、能耗等工艺相关指标，确定输出目标为选择最佳的权重组合方案能够在精炼和电解过程中达到预期的工艺性能和优化目标；

S53：对决策算法模型进行训练及应用，预测最佳的权重组合方案。具体地，使用已知的数据集对模型进行训练，并使用独立的测试数据集进行验证，通过模型训练和验证，确保模型能够准确预测最佳的权重组合方案，并能够根据精炼过程分析结果和电解过程分析结果提供合理的决策建议。

综上，基于决策算法的步骤可以为精炼过程分析结果和电解过程分析结果选择最佳的权重组合方案，从而优化工艺性能、提高产品质量和效率，决策算法能够根据输入的分析结果，结合预先训练的模型，进行智能决策，帮助制定最佳的精炼和电解参数设置，进一步改进高纯无氧铜材的生产工艺，这种方法可以提高生产过程的稳定性、可控性和一致性，实现更高的工艺效果和经济效益。

针对步骤S35中，运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第一权重值组合，形成精炼权重集合，如图5所示，包括：

S351：将每个第一权重值组合作为个体，随机生成一组个体作为初始种群；

S352：将每个个体应用于第一分析模型计算精炼过程分析结果，根据精炼过程分析结果和设定的第一目标函数，计算个体的适应度值；

S353：使用选择算子，根据个体的适应度值进行选择，选择一部分个体作为下一代的父代；

S354：使用交叉算子，对选定的父代进行交叉操作，生成新的子代个体；

S355：使用变异算子，对生成的所以子代个体进行变异操作，引入新的基因变化；

S356：将父代和子代个体合并，形成新一代的种群；

重复上述步骤，直到达到指定的迭代次数或满足终止条件；

S357：根据最终的适应度值，对个体进行排序，选择适应度值最优的前N位个体，形成精炼权重集合。

在上述优化方案中，通过运用多目标优化算法，能够有效地优化精炼过程中的杂质含量和氧气含量两个第一目标函数，提供多种可行的优化方案，帮助改进高纯无氧铜材的生产工艺，提高产品质量和效率，实现更高的工艺效果和经济效益。

针对步骤S45中，运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第二权重值组合，形成精炼权重集合，如图6所示，包括：

S451：将每个第二权重值组合作为个体，随机生成一组个体作为初始种群；

S452：将每个个体应用于第二分析模型计算电解过程分析结果，根据电解过程分析结果和设定的第二目标函数，计算个体的适应度值；

S453：使用选择算子，根据个体的适应度值进行选择，选择一部分个体作为下一代的父代；

S454：使用交叉算子，对选定的父代进行交叉操作，生成新的子代个体；

S455：使用变异算子，对生成的所以子代个体进行变异操作，引入新的基因变化；

S456：将父代和子代个体合并，形成新一代的种群；

重复上述步骤，直到达到指定的迭代次数或满足终止条件；

S457：根据最终的适应度值，对个体进行排序，选择适应度值最优的前N位个体，形成电解权重集合。

本优选方案可实现与上述优选方案同样的技术效果，此处不再赘述。

在步骤S32中，建立精炼过程分析模块并确定第一分析模型，如图7所示，包括：

S321：收集精炼过程中的杂质含量检测结果和氧气含量检测结果，且对收集到的数据进行预处理，并划分为训练集和测试集；这些数据是分析模型的输入，预处理包括数据清洗、缺失值处理、异常值处理等，以确保数据的质量和可用性；

S322：根据实际情况进行特征工程，针对训练集提取有用的特征作为第一分析模型的输入；具体地，根据实际情况选择合适的特征选择、特征变换和特征组合操作；

S323：确定第一分析模型的结构和算法；选择合适的模型结构，如神经网络、决策树、支持向量机等，并确定相应的算法，如回归、分类等；

S324：对第一分析模型进行训练，并对训练好的模型进行验证，根据验证结果调整模型的参数、结构或算法，直至模型训练和验证达到满意的结果时，第一分析模型建立完成。

在上述步骤中，步骤S322和S323是可进行顺序互换或同时进行的，上述顺序仅仅是一种具体的实施方式，同样地，在步骤S42中，建立电解过程分析模块并确定第二分析模型，如图8所示，包括：

S421：收集电解过程中的纯度检测结果和能耗检测结果，且对收集到的数据进行预处理，并划分为训练集和测试集；

S422：根据实际情况进行特征工程，针对训练集提取有用的特征作为第二分析模型的输入；

S423：确定第二分析模型的结构和算法；

S424：对第二分析模型进行训练，并对训练好的模型进行验证，根据验证结果调整模型的参数、结构或算法，直至模型训练和验证达到满意的结果时，第二分析模型建立完成。

本发明中，针对第一分析模型和第二分析模型优选采用相同的结构和算法，以第二分析模型为例，可使用支持向量机作为第二分析模型的结构和算法，支持向量机是一种常用的分类和回归算法，其在模式识别和数据挖掘任务中具有广泛的应用。

实施例二

如图9所示，一种高纯无氧铜材的生产系统，包括：

初始化模块100，实现初始精炼参数设定和初始电解参数设定；

精炼模块200，根据初始精炼参数进行粗铜的精炼过程，并对精炼材料进行杂质含量检测和氧气含量检测，分别获得杂质含量检测结果和氧气含量检测结果；

电解模块300，根据初始电解参数进行精炼材料的提纯过程，并对提纯材料进行纯度检测和提纯过程能耗检测，分别获得纯度检测结果和能耗检测结果；

多目标优化模块400，将杂质含量和氧气含量作为两个第一目标函数，纯度和能耗作为两个第二目标函数，实现权重优化搜索功能，两个第一目标函数所对应的权重形成第一权重值组合，通过搜索功能获得排序前N位的第一权重值组合，形成精炼权重集合，两个第二目标函数所对应的权重形成第二权重值组合，通过搜索功能获得排序前N位的第二权重值组合，形成电解权重集合；

决策模块500，基于决策算法在精炼权重集合和电解权重集合中选择最佳的权重组合方案；

生产工艺评价模块600，将对应权重分别赋予第一目标函数以获得精炼过程分析结果，以及赋予第二目标函数获得电解过程分析结果，将精炼过程分析结果和电解过程分析结果输入生产工艺评价空间，并根据评价结果对初始精炼参数和初始电解参数进行调节。

作为上述实施例的优选，如图10所示，多目标优化模块400包括：

收集模块410，收集精炼过程中的杂质含量检测结果和氧气含量检测结果，以及电解过程中的纯度检测结果和能耗检测结果；

分析模块420，建立精炼过程分析模块并确定第一分析模型，将杂质含量检测结果和氧气含量检测结果作为第一分析模型的输入，且在输出层设置控制杂质含量和控制氧气含量两个第一目标函数，以及建立电解过程分析模块并确定第二分析模型，将纯度检测结果和能耗检测结果作为第二分析模型的输入，且在输出层设置控制纯度和控制能耗两个第二目标函数；

训练模块430，对第一分析模型和第二分析模型进行训练及应用；

优化模块440，确定多目标遗传算法及算法的参数，并设置第一评价函数，将精炼过程分析结果作为评价目标，以及设置第二评价函数，将电解过程分析结果作为评价目标；

遗传算法模块450，运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第一权重值组合，形成精炼权重集合，以及搜索评价后排序前N位的第二权重值组合，形成电解权重集合。

本实施例中所能够实现的技术效果与上述实施例中相同，此处不再赘述。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种高纯无氧铜材的生产工艺，其特征在于，包括：

设定初始精炼参数，根据所述初始精炼参数进行粗铜的精炼过程，且在所述精炼过程完成后，对精炼材料进行杂质含量检测和氧气含量检测，分别获得杂质含量检测结果和氧气含量检测结果；

设定初始电解参数，根据所述初始电解参数进行所述精炼材料的提纯过程，且在所述提纯过程完成后，对提纯材料进行纯度检测和提纯过程能耗检测，分别获得纯度检测结果和能耗检测结果；

将杂质含量和氧气含量作为两个第一目标函数，两个所述第一目标函数所对应的权重形成第一权重值组合，基于多目标优化算法搜索排序前N位的所述第一权重值组合，形成精炼权重集合，N≥2；

将纯度和能耗作为两个第二目标函数，两个所述第二目标函数所对应的权重形成第二权重值组合，基于多目标优化算法搜索排序前N位的所述第二权重值组合，形成电解权重集合；

基于决策算法在所述精炼权重集合和电解权重集合中选择最佳的权重组合方案，且将对应权重分别赋予所述第一目标函数以获得精炼过程分析结果，以及赋予所述第二目标函数获得电解过程分析结果；

将所述精炼过程分析结果和电解过程分析结果输入生产工艺评价空间，基于所获得的生产工艺评价结果对所述初始精炼参数和初始电解参数进行调节。

2.根据权利要求1所述的高纯无氧铜材的生产工艺，其特征在于，将杂质含量和氧气含量作为两个第一目标函数，两个所述第一目标函数所对应的权重形成第一权重值组合，基于多目标优化算法搜索排序前N位的所述第一权重值组合，形成精炼权重集合，包括：

收集精炼过程中的杂质含量检测结果和氧气含量检测结果；

建立精炼过程分析模块并确定第一分析模型，将所述杂质含量检测结果和氧气含量检测结果作为所述第一分析模型的输入，且在输出层设置控制杂质含量和控制氧气含量两个第一目标函数；

对所述第一分析模型进行训练及应用；

确定多目标遗传算法及算法的参数，并设置第一评价函数，所述第一评价函数将所述精炼过程分析结果作为评价目标；

运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第一权重值组合，形成所述精炼权重集合。

3.根据权利要求1所述的高纯无氧铜材的生产工艺，其特征在于，将纯度和能耗作为两个第二目标函数，两个所述第二目标函数所对应的权重形成第二权重值组合，基于多目标优化算法搜索排序前N位的所述第二权重值组合，形成电解权重集合，包括：

收集电解过程中的纯度检测结果和能耗检测结果；

建立电解过程分析模块并确定第二分析模型，将所述纯度检测结果和能耗检测结果作为所述第二分析模型的输入，且在输出层设置控制纯度和控制能耗两个第二目标函数；

对所述第二分析模型进行训练及应用；

确定多目标遗传算法及算法的参数，并设置第二评价函数，所述第二评价函数将所述电解过程分析结果作为评价目标；

运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第二权重值组合，形成所述电解权重集合。

4.根据权利要求1所述的高纯无氧铜材的生产工艺，其特征在于，基于决策算法在所述精炼权重集合和电解权重集合中选择最佳的权重组合方案，包括：

收集所述精炼过程分析结果和所述电解过程分析结果；

建立决策算法模型，确定所述决策算法所需的输入特征为所述精炼过程分析结果和电解过程分析结果，输出目标为最佳的权重组合方案；

对所述决策算法模型进行训练及应用，预测最佳的权重组合方案。

5.根据权利要求2所述的高纯无氧铜材的生产工艺，其特征在于，运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第一权重值组合，形成所述精炼权重集合，包括：

将每个所述第一权重值组合作为个体，随机生成一组个体作为初始种群；

将每个所述个体应用于第一分析模型计算精炼过程分析结果，根据所述精炼过程分析结果和设定的第一目标函数，计算所述个体的适应度值；

使用选择算子，根据所述个体的适应度值进行选择，选择一部分个体作为下一代的父代；

使用交叉算子，对选定的所述父代进行交叉操作，生成新的子代个体；

使用变异算子，对生成的所以子代个体进行变异操作，引入新的基因变化；

将所述父代和子代个体合并，形成新一代的种群；

重复上述步骤，直到达到指定的迭代次数或满足终止条件；

根据最终的适应度值，对所述个体进行排序，选择适应度值最优的前N位个体，形成所述精炼权重集合。

6.根据权利要求3所述的高纯无氧铜材的生产工艺，其特征在于，运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第二权重值组合，形成精炼权重集合，包括：

将每个所述第二权重值组合作为个体，随机生成一组个体作为初始种群；

将每个所述个体应用于第二分析模型计算电解过程分析结果，根据所述电解过程分析结果和设定的第二目标函数，计算所述个体的适应度值；

使用选择算子，根据所述个体的适应度值进行选择，选择一部分个体作为下一代的父代；

使用交叉算子，对选定的所述父代进行交叉操作，生成新的子代个体；

使用变异算子，对生成的所以子代个体进行变异操作，引入新的基因变化；

将所述父代和子代个体合并，形成新一代的种群；

重复上述步骤，直到达到指定的迭代次数或满足终止条件；

根据最终的适应度值，对所述个体进行排序，选择适应度值最优的前N位个体，形成所述电解权重集合。

7.根据权利要求2所述的高纯无氧铜材的生产工艺，其特征在于，建立精炼过程分析模块并确定第一分析模型，包括：

收集精炼过程中的所述杂质含量检测结果和氧气含量检测结果，且对收集到的数据进行预处理，并划分为训练集和测试集；

根据实际情况进行特征工程，针对所述训练集提取有用的特征作为所述第一分析模型的输入；

确定所述第一分析模型的结构和算法；

对所述第一分析模型进行训练，并对训练好的模型进行验证，根据验证结果调整模型的参数、结构或算法，直至模型训练和验证达到满意的结果时，所述第一分析模型建立完成。

8.根据权利要求3所述的高纯无氧铜材的生产工艺，其特征在于，建立电解过程分析模块并确定第二分析模型，包括：

收集电解过程中的所述纯度检测结果和能耗检测结果，且对收集到的数据进行预处理，并划分为训练集和测试集；

根据实际情况进行特征工程，针对所述训练集提取有用的特征作为所述第二分析模型的输入；

确定所述第二分析模型的结构和算法；

对所述第二分析模型进行训练，并对训练好的模型进行验证，根据验证结果调整模型的参数、结构或算法，直至模型训练和验证达到满意的结果时，所述第二分析模型建立完成。

9.一种高纯无氧铜材的生产系统，其特征在于，包括：

初始化模块，实现初始精炼参数设定和初始电解参数设定；

精炼模块，根据所述初始精炼参数进行粗铜的精炼过程，并对精炼材料进行杂质含量检测和氧气含量检测，分别获得杂质含量检测结果和氧气含量检测结果；

电解模块，根据所述初始电解参数进行精炼材料的提纯过程，并对提纯材料进行纯度检测和提纯过程能耗检测，分别获得纯度检测结果和能耗检测结果；

多目标优化模块，将杂质含量和氧气含量作为两个第一目标函数，纯度和能耗作为两个第二目标函数，实现权重优化搜索功能，两个所述第一目标函数所对应的权重形成第一权重值组合，通过所述搜索功能获得排序前N位的所述第一权重值组合，形成精炼权重集合，两个所述第二目标函数所对应的权重形成第二权重值组合，通过所述搜索功能获得排序前N位的所述第二权重值组合，形成电解权重集合；

决策模块，基于决策算法在所述精炼权重集合和电解权重集合中选择最佳的权重组合方案；

生产工艺评价模块，将对应权重分别赋予所述第一目标函数以获得精炼过程分析结果，以及赋予所述第二目标函数获得电解过程分析结果，将精炼过程分析结果和电解过程分析结果输入生产工艺评价空间，并根据评价结果对初始精炼参数和初始电解参数进行调节。

10.根据权利要求9所述的高纯无氧铜材的生产系统，其特征在于，所述多目标优化模块包括：

收集模块，收集精炼过程中的杂质含量检测结果和氧气含量检测结果，以及电解过程中的纯度检测结果和能耗检测结果；

分析模块，建立精炼过程分析模块并确定第一分析模型，将所述杂质含量检测结果和氧气含量检测结果作为第一分析模型的输入，且在输出层设置控制杂质含量和控制氧气含量两个第一目标函数，以及建立电解过程分析模块并确定第二分析模型，将所述纯度检测结果和能耗检测结果作为第二分析模型的输入，且在输出层设置控制纯度和控制能耗两个第二目标函数；

训练模块，对所述第一分析模型和第二分析模型进行训练及应用；

优化模块，确定多目标遗传算法及算法的参数，并设置第一评价函数，将精炼过程分析结果作为评价目标，以及设置第二评价函数，将电解过程分析结果作为评价目标；

遗传算法模块，运行多目标遗传算法，通过遗传算子和适应度评估，搜索评价后排序前N位的第一权重值组合，形成精炼权重集合，以及搜索评价后排序前N位的第二权重值组合，形成电解权重集合。