CN116976148B - 一种铜电解过程离子含量变化的监测方法及系统 - Google Patents
一种铜电解过程离子含量变化的监测方法及系统 Download PDFInfo
- Publication number
- CN116976148B CN116976148B CN202311229718.3A CN202311229718A CN116976148B CN 116976148 B CN116976148 B CN 116976148B CN 202311229718 A CN202311229718 A CN 202311229718A CN 116976148 B CN116976148 B CN 116976148B
- Authority
- CN
- China
- Prior art keywords
- change
- parameter information
- data
- information
- copper
- 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
- 230000008859 change Effects 0.000 title claims abstract description 298
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 96
- 229910052802 copper Inorganic materials 0.000 title claims abstract description 87
- 239000010949 copper Substances 0.000 title claims abstract description 87
- 238000005868 electrolysis reaction Methods 0.000 title claims abstract description 77
- 238000012544 monitoring process Methods 0.000 title claims abstract description 59
- 230000008569 process Effects 0.000 title claims abstract description 54
- 239000003792 electrolyte Substances 0.000 claims abstract description 76
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 239000002994 raw material Substances 0.000 claims abstract description 9
- 150000002500 ions Chemical class 0.000 claims description 87
- 238000002329 infrared spectrum Methods 0.000 claims description 39
- 238000001514 detection method Methods 0.000 claims description 25
- 230000035772 mutation Effects 0.000 claims description 16
- JPVYNHNXODAKFH-UHFFFAOYSA-N Cu2+ Chemical compound [Cu+2] JPVYNHNXODAKFH-UHFFFAOYSA-N 0.000 claims description 14
- 229910001431 copper ion Inorganic materials 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 238000000692 Student's t-test Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012353 t test Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000005272 metallurgy Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000003487 electrochemical reaction Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000000840 electrochemical analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- -1 hydrogen ions Chemical class 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010310 metallurgical process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25C—PROCESSES FOR THE ELECTROLYTIC PRODUCTION, RECOVERY OR REFINING OF METALS; APPARATUS THEREFOR
- C25C1/00—Electrolytic production, recovery or refining of metals by electrolysis of solutions
- C25C1/12—Electrolytic production, recovery or refining of metals by electrolysis of solutions of copper
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25C—PROCESSES FOR THE ELECTROLYTIC PRODUCTION, RECOVERY OR REFINING OF METALS; APPARATUS THEREFOR
- C25C7/00—Constructional parts, or assemblies thereof, of cells; Servicing or operating of cells
- C25C7/06—Operating or servicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
-
- 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)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Evolutionary Biology (AREA)
- Organic Chemistry (AREA)
- Metallurgy (AREA)
- Materials Engineering (AREA)
- Electrochemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Electrolytic Production Of Metals (AREA)
Abstract
本发明涉及电解冶金技术领域，尤其涉及一种铜电解过程离子含量变化的监测方法及系统，方法包括：采集铜电解工作参数信息，获得若干工作参数信息集合；根据工作参数信息集合，搭建参数信息坐标轴；采集获取电解液成分变化信息，获取对应的预设变化要求；根据电解液成分变化信息，分析判断参数信息坐标轴上的信息是否满足预设变化要求，获得变化分析结果；遍历参数信息坐标轴，将参数信息坐标轴中的数据进行拟合，构建离子含量变化模型；将不同参数信息集合输入离子含量变化模型，获得变化监测结果，根据变化分析结果和变化监测结果，对铜电解过程中的工作参数进行调整。通过本发明，有助于获取高纯度的铜原料，提高电解效率和资源利用率。
Description
技术领域
本发明涉及电解冶金技术领域，尤其涉及一种铜电解过程离子含量变化的监测方法及系统。
背景技术
铜电解是一种重要的冶金工艺，广泛应用于铜冶炼和铜加工领域，在实际生产加工过程为了获取高纯度的铜原料，往往要对粗铜进行电解，减少原材料的杂质，同时改善可塑性和可加工性。
在铜电解过程中，最主要的变化就是铜离子的不断增加，在达到饱和时，得到电解铜，因此对电解过程离子含量的变化监测就显得尤为重要。现阶段，在铜电解时，经常会出现电流效率降低、电解液组成变化失控等问题，尤其是离子含量随时间的变化与预设要求出现偏差，导致最终所获电解铜的纯度不够。
发明内容
本发明提供了一种铜电解过程离子含量变化的监测方法及系统，可有效解决背景技术中的问题。
为了达到上述目的，本发明所采用的技术方案是：
通过本发明的技术方案，可实现以下技术效果：
一种铜电解过程离子含量变化的监测方法，所述方法包括：
采集铜电解工作参数信息，并获得若干工作参数信息集合；
根据所述工作参数信息集合，搭建参数信息坐标轴，所述参数信息坐标轴与铜电解工作时间点对应分布；
采集获取电解液成分变化信息，并获取电解液成分预设变化要求；
根据所述电解液成分变化信息，分析判断所述参数信息坐标轴上的参数信息是否对应电解液成分预设变化要求，并获得变化分析结果；
遍历所述参数信息坐标轴，并将所述参数信息坐标轴中的数据进行拟合，构建离子含量变化模型；
将所述参数信息集合输入所述离子含量变化模型，获得变化监测结果，根据所述变化分析结果和变化监测结果，对铜电解过程中的工作参数进行调整。
进一步地，所述采集工作参数信息，并获得若干工作参数信息集合，包括：
设定所述工作参数信息的采样频率；
对所述工作参数信息进行采集，并分别获得电流密度数据集合，温度数据集合和PH值数据集合；
将三种数据集合进行聚类，获得所述若干工作参数信息集合。
进一步地，所述根据所述工作参数信息集合，搭建参数信息坐标轴，所述参数信息坐标轴与铜电解工作时间点对应分布，包括：
遍历所述工作参数信息集合，标记所述工作参数信息内的变化节点；
根据所述变化节点，以时间为横坐标，在空白坐标轴上绘制所述变化节点的数据点，并将坐标轴补充完整，获得所述参数信息坐标轴；
基于最小边界法算法，对所述铜电解过程中的所述变化节点进行突变点检测，获得突变点检测结果；
根据所述突变点检测结果，筛选出若干所述变化节点，并标记为主变化节点。
进一步地，所述采集获取电解液成分变化信息，并获取电解液成分预设变化要求，包括：
对粗铜进行红外光谱检测，获得粗铜所含离子的红外光谱指纹和粗铜的红外光谱图谱；
其中，所述粗铜为未进行电解处理的铜原料；
对铜电解过程进行红外光谱检测，获得所述主变化节点的红外光谱图谱；
将所述主变化节点的红外光谱图谱和所述粗铜的红外光谱图谱进行比对，获得比对结果；
基于所述粗铜所含离子的红外光谱指纹和所述比对结果，获取所述电解液成分变化信息；
基于检测的历史数据，获取所述对应的预设变化要求。
进一步地，根据所述电解液成分变化信息，分析判断所述参数信息坐标轴上的信息是否满足所述预设变化要求，获得变化分析结果，包括：
对所述工作参数信息和所述电解液成分变化信息分别进行无量纲化处理；
根据所述无量纲化处理的结果，计算所述工作参数信息和所述电解液成分变化信息的关联系数，公式如下：
其中，为第m个工作参数集合内的第n个数据与所述电解液成分变化信息的第n个数据的关联系数，/>为可调节计算系数，/>为各工作参数集合内数据与所述电解液成分变化信息内每个数据的绝对差值，/>为第m个各工作参数集合内数据与所述电解液成分变化信息内每个数据的绝对差值的两级最小差，为第m个各工作参数集合内数据与所述电解液成分变化信息内每个数据的绝对差值的两级最大差；
进一步地，所述基于所述关联系数判断所述参数信息坐标轴的信息是否符合预设要求，并生成所述变化分析结果，还包括：
设定所述关联系数判断标准，并基于所述关联系数判断标准判定所述参数信息坐标轴的信息的符合程度；
若所述关联系数大于等于0.7时判定符合预设要求，介于0.5至0.7之间判定符合待确定预设要求，小于0.5时判定不符合预设要求；
基于判定结果，对所述参数信息坐标轴上的信息进行可视化误差分析，并生成所述变化分析结果。
进一步地，所述遍历所述参数信息坐标轴，并将所述数据采集坐标轴中的数据进行拟合，构建离子含量变化模型，包括：
收集所述参数信息坐标轴上自变量X的样本数据和对应历史数据中铜离子的含量作为变量Y；
其中，所述自变量X为所述工作参数信息；
建立离子含量变化的回归模型，所述离子含量变化的回归模型表示为：
Y = ，
其中,/>,/>,/>,/>为回归参数；
使用所述样本数据拟合所述离子含量变化的回归模型，通过最小二乘法估计回归参数,/>,/>,/>,/>；
针对所述离子含量变化的回归模型的每个回归系数，建立所述回归系数为0的假设，并使用t检验，对所述回归系数的显著性进行检验，计算公式为：
,
其中，是回归系数的估计值，/>是回归系数的标准误差；
根据所述离子含量变化的回归模型对所述铜电解过程离子含量的变化信息进行监测。
进一步地，将所述不同参数信息集合输入所述离子含量变化模型，获得变化监测结果，根据所述变化分析结果和变化监测结果，对铜电解过程中的工作参数进行调整，包括：
将所述参数信息集合输入所述离子含量变化模型，获取所述铜离子的阶段含量数据，并生成变化监测结果；
对所述变化分析结果和变化监测结果进行整合，生成变化综合结果；
基于所述变化综合结果对所述铜电解过程的工作参数进行调整。
一种铜电解过程离子含量变化的监测系统，其特征在于，所述系统包括：
参数信息采集模块，采集铜电解工作参数信息，并获得若干工作参数信息集合；
坐标轴搭建模块，根据所述工作参数信息集合，搭建参数信息坐标轴，所述参数信息坐标轴与铜电解工作时间点对应分布；
变化要求获取模块，采集获取电解液成分变化信息，并获取对应的预设变化要求；
分析结果获取模块，根据所述电解液成分变化信息，分析判断所述参数信息坐标轴上的信息是否满足所述预设变化要求，获得变化分析结果；
变化模型构建模块，遍历所述参数信息坐标轴，并将所述参数信息坐标轴中的数据进行拟合，构建离子含量变化模型；
监测结果获取模块，将所述参数信息集合输入所述离子含量变化模型，获得变化监测结果，根据所述变化分析结果和变化监测结果，对铜电解过程中的工作参数进行调整。
进一步地，所述参数信息采集模块，包括：
频率设定单元，设定所述工作参数信息的采样频率；
数据集合单元，对所述工作参数信息进行采集，并至少获得电流密度数据集合，温度数据集合和PH值数据集合；
数据聚类单元，将所述电流密度数据集合，温度数据集合和PH值数据集合进行聚类，获得所述若干工作参数信息集合。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
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为铜电解过程离子含量变化的监测方法及系统的流程示意图；
图2为获得若干工作参数信息集合的流程示意图；
图3为搭建参数信息坐标轴的流程示意图；
图4为获取电解液成分预设变化要求的流程示意图；
图5为分析判断参数信息坐标轴上的信息是否满足预设变化要求的流程示意图；
图6为生成变化分析结果的流程示意图；
图7为获得变化监测结果的流程示意图；
图8为铜电解过程离子含量变化的监测系统的结构示意图。
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。
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，本申请提供了一种铜电解过程离子含量变化的监测方法，方法包括：
S100：采集铜电解工作参数信息，并获得若干工作参数信息集合；
具体来说，选择合适的传感器，直接在铜电解装置中安装传感器来监测工作参数，实现工作参数的采集，优选的例如采集电流密度、温度、pH值三个工作参数是因为电流密度的大小直接影响电化学反应速率和铜离子的生成速度，温度影响着电化学反应的速率和离子扩散的速度，而PH值的变化会影响电解液的离子平衡和反应速率，因此这三个参数对铜电解过程有很大的影响，采集这三个参数可以更好的监测铜电解过程中离子含量的变化。对于采集到的数据，通过统计等方法进行整理并记录，获得不同工作参数的信息集合，方便后续的分析和处理。
S200：根据工作参数信息集合，搭建参数信息坐标轴，参数信息坐标轴与铜电解工作时间点对应分布；
本步骤搭建参数信息坐标轴的目的是为了在可视化的方式下，将不同工作参数的数值与铜电解工作的时间点对应分布，通过在参数信息坐标轴上绘制数据点来表示不同时间点下各个参数的数值，由于电解铜的过程是动态的过程，所以工作参数信息也是在不断变化的，应该从中优选绘制在参数信息坐标轴上的数据点，通过参数信息坐标轴与铜电解工作时间点对应分布的方式，能够直观地观察到不同时间点下各个参数的取值情况和变化趋势。
S300：采集获取电解液成分变化信息，并获取电解液成分预设变化要求；
具体而言，通过电化学分析或者光谱分析等方法，选择合适的方法采集电解液的成分变化信息，例如，离子选择性电极、红外光谱等方法，采集的成分变化信息可以包括离子浓度变化、溶质浓度变化等，例如铜离子、氢离子等。想要获取电解液成分预设变化要求，也就是用于规定电解液成分变化的期望范围或限制条件，则需要结合行业标准以及历史数据来制定合理的要求，确保电解液成分变化符合实际需求，并在一定范围内进行有效控制。
S400：根据电解液成分变化信息，分析判断参数信息坐标轴上的参数信息是否对应电解液成分预设变化要求，并获得变化分析结果；
具体来说，电解液成分变化信息和参数信息坐标轴上的信息不能直接进行对应比较，但是两者之间有数据对应关系，所以在进行分析之前要进行数据转换，可以通过数据标准化、比率转换等方法将两者转换为相同的指标，之后再判断参数坐标轴上的信息是否满足电解液成分预设变化要求，然后再获得变化分析结果，在一定程度上参照行业标准和历史数据使得获得的变化分析结果也更加可靠、准确。
S500：遍历参数信息坐标轴，并将参数信息坐标轴中的数据进行拟合，构建离子含量变化模型；
在本步骤中，为了获得准确且可靠的离子含量变化信息，需要构建离子含量变化模型，首先需要遍历参数信息坐标轴，再根据收集到的参数信息坐标轴数据，逐一考虑每一个参数的影响，之后对于每个参数，根据离子含量数据进行相应的拟合分析，构建离子含量变化模型，可以使用线性回归、指数拟合或多项式拟合等方法。需要注意的是，在进行数据拟合时，应考虑数据的特点，尽量避免过度拟合或欠拟合的情况，例如，模型的复杂程度不合适，对于小规模数据集，却选择复杂的模型，导致过度拟合，使得模型对新样本的预测能力较差；同时，还要注意消除数据的异常值和噪声的影响，以增加数据拟合的精度和可信度。
S600：将参数信息集合输入离子含量变化模型，获得变化监测结果，根据变化分析结果和变化监测结果，对铜电解过程中的工作参数进行调整。
具体而言，由于铜离子的含量是随着电解过程不断变化的，将电流密度数据集合，温度数据集合和PH值数据集合输入离子含量变化模型中，获得相应的铜离子含量变化数据，从而获得变化监测结果；根据变化分析结果和变化监测结果，确定工作参数需要进行何种调整以达到期望的离子含量变化，对相关的工作参数进行相应的调整，需要注意的是，在调整工作参数时，需要平衡离子含量的要求和系统的稳定性，过大的调整幅度可能导致系统不稳定或其他负面效应。总之，通过变化分析结果和变化监测结果来指导对铜电解过程中的工作参数进行调整，可以实现对离子含量的有效控制和优化。
通过本发明的技术方案，有效解决了离子含量变化异常的问题，有助于获取高纯度的铜原料，提高电解效率和资源利用率，改善铜原料的可塑性和可加工性。
进一步来说，采集工作参数信息，并获得若干工作参数信息集合，如图2所示，包括：
S110：设定工作参数信息的采样频率；
S120：对工作参数信息进行采集，并分别获得电流密度数据集合，温度数据集合和PH值数据集合；
S130：将三种数据集合进行聚类，获得若干工作参数信息集合。
具体而言，在进行采集工作参数信息之前，根据实时性要求或者变化的速度来设定适当的工作参数信息采样频率，例如，在铜电解过程中，如果需要及时调整电流密度以保持稳定的离子含量，可以选择较高的采样频率，比如每秒钟采集一次数据，但是温度的变化相对缓慢且需要平滑显示，可以选择每5分钟或每10分钟采集一次数据。通过在铜电解设备中安装不同的传感器来对电流密度、温度和PH值进行采集，记录下采样时间和相应的数值，获得三个工作参数的数据集合，之后对采集到的数据进行预处理，包括数据清洗、缺失值处理、数据标准化等，再选择合适的聚类算法来对数据进行聚类分析，例如，K均值聚类、层次聚类等，就可以获得若干工作参数信息集合，可以更好地理解离子含量变化规律，并为进一步的调整提供指导。
进一步来说，根据工作参数信息集合，搭建参数信息坐标轴，参数信息坐标轴与铜电解工作时间点对应分布，如图3所示，包括：
S210：遍历工作参数信息集合，标记工作参数信息内的变化节点；
S220：根据变化节点，以时间为横坐标，在空白坐标轴上绘制变化节点的数据点，并将坐标轴补充完整，获得参数信息坐标轴；
所谓的变化节点就是数据在数据序列中发生明显变化的数据点，遍历工作参数信息集合，逐个检查其中的数据点，在遍历过程中，比较相邻的数据点，判断它们之间是否存在明显的变化，如果变化较大，将该数据点标记为一个变化节点，三个工作参数分别定义，不需要选择三个参数变化都大的数据点，有一个参数变化较大就可以标记为变化节点；取出已经标记好的变化节点，将这些变化节点的时间信息作为横坐标值，利用所得到的变化节点和对应的时间信息，在空白坐标轴上绘制这些变化节点的数据点，可以使用散点图或折线图进行表示，最后补充坐标轴的其他元素，获得参数信息坐标轴，使参数信息坐标轴更加完整和易于理解，包括添加纵轴标签表示参数信息的数值范围，添加标题和单位等。
S230：基于最小边界法算法，对铜电解过程中的变化节点进行突变点检测，获得突变点检测结果；
S240：根据突变点检测结果，筛选出若干变化节点，并标记为主变化节点。
具体来说，突变检测的目的是为了识别数据序列中的突变和异常，筛选出更重要的变化节点，最小边界法是通过计算数据的边界来判断数据点是否突变，将选定的最小边界法算法应用于铜电解过程中的变化节点，该算法会对每个变化节点进行分析，并给出突变点检测的结果，接下来根据突变点检测结果来评估每个变化节点的重要性，筛选出更重要的变化节点，并标记为主变化节点，并作为进一步分析和处理的重点。
进一步来说，获取电解液成分变化信息，并获取电解液成分预设变化要求，如图4所示，包括：
S310：对粗铜进行红外光谱检测，获得粗铜所含离子的红外光谱指纹和粗铜的红外光谱图谱；
S320：其中，粗铜为未进行电解处理的铜原料；
S330：对铜电解过程进行红外光谱检测，获得主变化节点的红外光谱图谱；
S340：将主变化节点的红外光谱图谱和粗铜的红外光谱图谱进行比对，获得比对结果；
S350：基于粗铜所含离子的红外光谱指纹和比对结果，获取电解液成分变化信息；
具体来说，红外光谱指纹是在红外光谱中表现为特定的吸收峰或波谷，红外光谱图谱是一种以红外光谱强度为纵坐标、波数为横坐标的图形表示，对未进行电解处理的铜原料，是为了获得红外光谱指纹和粗铜的红外光谱图谱，作为后续与主变化节点的红外光谱图做比对和分析；通过对主变化节点进行红外光谱检测，可以获得在这些重要时间点上的红外光谱图谱，然后将主变化节点的红外光谱图谱和粗铜的红外光谱图谱进行比对，通过对比光谱特征差异、峰值的增减变化等方面，来获得比对结果，进一步了解主变化节点中电解液成分的变化情况；通过粗铜的红外光谱指纹，可以获得关于粗铜所含离子的红外光谱信息，同时，通过比对结果，可以了解主变化节点的光谱特征与粗铜之间的差异或相似性，基于这些信息，可以获取主变化节点中电解液成分的变化情况。
S360：基于检测的历史数据，获取对应的预设变化要求。
想要获取电解液成分预设变化要求，也就是用于规定电解液成分变化的期望范围或限制条件，则需要结合历史数据来制定合理的要求，包括离子浓度、峰值强度、波峰位置等方面的要求，通过对多次检测的历史数据进行分析，可以了解电解过程中电解液成分的变化趋势和规律，包括各个主变化节点的成分变化情况以及其与粗铜的红外光谱指纹和比对结果之间的关系，然后获得一系列合理的预设变化要求，用于指导电解液成分的变化范围和控制目标。
进一步来说，根据电解液成分变化信息，分析判断参数信息坐标轴上的信息是否满足预设变化要求，获得变化分析结果，如图5所示，包括：
S410：对工作参数信息和电解液成分变化信息分别进行无量纲化处理；
本步骤中的无量纲化处理是将不同单位或量级的数据映射到相同的尺度上，以便进行比较和分析，通过最大最小归一化、标准化和对数转换等方法对工作参数信息和电解液成分变化信息分别进行无量纲化处理，可以消除不同数据之间的单位和量级差异，使它们更具可比性。
S420：根据无量纲化处理的结果，计算工作参数信息和电解液成分变化信息的关联系数，公式如下：
其中，为第m个工作参数集合内的第n个数据与电解液成分变化信息的第n个数据的关联系数，/>为可调节计算系数，/>为各工作参数集合内数据与电解液成分变化信息内每个数据的绝对差值，/>为第m个各工作参数集合内数据与电解液成分变化信息内每个数据的绝对差值的两级最小差，为第m个各工作参数集合内数据与电解液成分变化信息内每个数据的绝对差值的两级最大差；
S430：基于关联系数判断参数信息坐标轴的信息是否符合预设要求，并生成变化分析结果。
具体而言，基于工作参数信息和电解液成分变化信息的无量纲化处理结果，以关联系数公式为基准，计算工作参数信息和电解液成分变化信息的关联系数，了解它们之间的线性相关程度，然后通过对关联系数的分析和判断，确定参数信息坐标轴上的数据是否满足预设要求，基于这个判断，生成变化分析结果，以指导后续的调整和优化措施。
进一步来说，基于关联系数判断参数信息坐标轴的信息是否符合预设要求，并生成变化分析结果，如图6所示，还包括：
S431：设定关联系数判断标准，并基于关联系数判断标准判定参数信息坐标轴的信息的符合程度；
S432：若关联系数大于等于0.7时判定符合预设要求，介于0.5至0.7之间判定符合待确定预设要求，小于等于0.5时判定不符合预设要求；
S433：基于判定结果，对参数信息坐标轴上的信息进行可视化误差分析，并生成变化分析结果。
具体而言，关联系数判断标准根据具体需求和领域知识来设定，标准设定的范围是0-1，该标准应该明确界定出高度相关、中度相关和低度相关的范围，以便评估参数信息坐标轴上的信息是否符合预设要求，本方法设定的是大于等于0.7为高度相关，判定参数信息坐标轴上的信息符合预设要求，介于0.5至0.7之间为中度相关，判定参数信息坐标轴上的信息符合待确定预设要求，小于0.5时为低度相关，判定参数信息坐标轴上的信息不符合预设要求；基于判定结果，可以通过散点图、折线图、热力图等可视化方法对参数信息坐标轴上的信息进行可视化，来展示参数信息和电解液成分变化之间的差异和关联程度，然后生成的变化分析结果，提供更详细的信息，以便进行进一步的决策和优化。
进一步来说，遍历参数信息坐标轴，并将数据采集坐标轴中的数据进行拟合，构建离子含量变化模型，包括：
S510：收集参数信息坐标轴上自变量X的样本数据和对应历史数据中铜离子的含量作为变量Y；
其中，自变量X为工作参数信息；
S520：建立离子含量变化的回归模型，离子含量变化的回归模型表示为：
，
其中，为回归参数；
S530：使用样本数据拟合离子含量变化的回归模型，通过最小二乘法或其他估计方法估计回归参数；
S540：针对离子含量变化的回归模型的每个回归系数，建立回归系数为0的假设，并使用t检验，对回归系数的显著性进行检验，计算公式为：
,
其中，是回归系数的估计值，/>是回归系数的标准误差；
S550：根据离子含量变化的回归模型对铜电解过程离子含量的变化信息进行监测。
具体而言，回归模型是一种用于描述和预测因变量与一个或多个自变量之间的关系的模型，在回归模型中，自变量通常用来解释因变量的变化，通过建立一个合适的回归方程式，可以根据自变量的取值来预测因变量的值；首先，明确工作参数信息为自变量X，历史数据中铜离子的含量为变量Y，收集包含因变量和自变量的样本数据，对收集到的数据进行预处理，包括去除异常值、填充缺失值、进行数据平滑等操作，确保数据的质量和可靠性，以便后续的拟合分析；然后选择线性回归模型作为离子含量变化的回归模型，并使用样本数据拟合离子含量变化的回归模型，通过最小二乘法或其他估计方法估计回归参数，然后使用 t 检验对回归系数的显著性进行检验，以提高模型的准确性和模型在新数据上的泛化能力，通过计算 t 值，可以确定回归系数是否与零有显著的差异，最后应用建立的回归模型，预测未来的铜离子含量，并及时监测和调整铜电解过程以满足预设要求。
进一步来说，将参数信息集合输入离子含量变化模型，获得变化监测结果，根据变化分析结果和变化监测结果，对铜电解过程中的工作参数进行调整，如图7所示，包括：
S610：将不同参数信息集合输入离子含量变化模型，获取铜离子的阶段含量数据，并生成变化监测结果；
S620：对变化分析结果和变化监测结果进行整合，生成变化综合结果；
S630：基于变化综合结果对铜电解过程的工作参数进行调整。
具体来说，基于之前拟合得到的离子含量变化模型，将收集到的不同参数信息输入模型中，获得相应的变化监测结果，这些结果是离子含量随时间变化的预测值，然后通过数据可视化的方法对变化分析结果和变化监测结果进行整合，例如，折线图、柱状图、散点图等，将变化分析结果和变化监测结果以图表或图形的形式展示出来，更直观地理解数据和结果之间的关系，并生成变化综合结果；然后基于变化综合结果对铜电解过程的工作参数进行调整，可以使用机器学习中的优化方法，如神经网络、遗传编程等，来寻找最佳的工作参数组合，以使得铜离子含量的变化趋势达到最优，也可以根据变化综合结果，设计反馈控制算法来自动调整工作参数。
实施例二：
如图8所示，一种铜电解过程离子含量变化的监测系统，系统包括：
参数信息采集模块，采集铜电解工作参数信息，并获得若干工作参数信息集合；
坐标轴搭建模块，根据工作参数信息集合，搭建参数信息坐标轴，参数信息坐标轴与铜电解工作时间点对应分布；
变化要求获取模块，采集获取电解液成分变化信息，并获取对应的预设变化要求；
分析结果获取模块，根据电解液成分变化信息，分析判断参数信息坐标轴上的信息是否满足预设变化要求，获得变化分析结果；
变化模型构建模块，遍历参数信息坐标轴，并将参数信息坐标轴中的数据进行拟合，构建离子含量变化模型；
监测结果获取模块，将参数信息集合输入离子含量变化模型，获得变化监测结果，根据变化分析结果和变化监测结果，对铜电解过程中的工作参数进行调整。
本发明中的上述调整系统可有效的实现铜电解过程离子含量变化的监测方法，能够起到的技术效果如上述实施例所描述的，此处不再赘述。
进一步来说，参数信息采集模块，包括：
频率设定单元，设定工作参数信息的采样频率；
数据集合单元，对工作参数信息进行采集，并分别获得电流密度数据集合，温度数据集合和PH值数据集合；
数据聚类单元，将三种数据集合进行聚类，获得若干工作参数信息集合。
同样地，对系统的上述优化方案，也分别地可对应实现实施例一中方法对应的优化效果，此处同样不再赘述。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种铜电解过程离子含量变化的监测方法，其特征在于，所述方法包括：
采集铜电解工作参数信息，并获得若干工作参数信息集合；
根据所述工作参数信息集合，搭建参数信息坐标轴，所述参数信息坐标轴与铜电解工作时间点对应分布，包括：
遍历所述工作参数信息集合，标记所述工作参数信息内的变化节点；
根据所述变化节点，以时间为横坐标，在空白坐标轴上绘制所述变化节点的数据点，将坐标轴补充完整，获得所述参数信息坐标轴；
基于最小边界法算法，对所述铜电解过程中的所述变化节点进行突变点检测，获得突变点检测结果；
根据所述突变点检测结果，筛选出若干所述变化节点，并标记为主变化节点；
采集获取电解液成分变化信息，并获取电解液成分预设变化要求，包括：
对粗铜进行红外光谱检测，获得粗铜所含离子的红外光谱指纹和粗铜的红外光谱图谱；
其中，所述粗铜为未进行电解处理的铜原料；
对铜电解过程进行红外光谱检测，获得所述主变化节点的红外光谱图谱；
将所述主变化节点的红外光谱图谱和所述粗铜的红外光谱图谱进行比对，获得比对结果；
基于所述粗铜所含离子的红外光谱指纹和所述比对结果，获取所述电解液成分变化信息；
根据所述电解液成分变化信息，分析判断所述参数信息坐标轴上的参数信息是否对应电解液成分预设变化要求，并获得变化分析结果，包括：
对所述工作参数信息和所述电解液成分变化信息分别进行无量纲化处理；
根据所述无量纲化处理的结果，计算所述工作参数信息和所述电解液成分变化信息的关联系数，公式如下：
其中，为第m个工作参数集合内的第n个数据与所述电解液成分变化信息的第n个数据的关联系数，/>为可调节计算系数，/>为各工作参数集合内数据与所述电解液成分变化信息内每个数据的绝对差值，/>为第m个各工作参数集合内数据与所述电解液成分变化信息内每个数据的绝对差值的两级最小差，为第m个各工作参数集合内数据与所述电解液成分变化信息内每个数据的绝对差值的两级最大差；
基于所述关联系数判断所述参数信息坐标轴的信息是否符合预设要求，并生成所述变化分析结果；
遍历所述参数信息坐标轴，并将所述参数信息坐标轴中的数据进行拟合，构建离子含量变化模型；
将所述参数信息集合输入所述离子含量变化模型，获得变化监测结果，根据所述变化分析结果和变化监测结果，对铜电解过程中的工作参数进行调整。
2.根据权利要求1所述的铜电解过程离子含量变化的监测方法，其特征在于，所述采集铜电解工作参数信息，并获得若干工作参数信息集合，包括：
设定所述工作参数信息的采样频率；
对所述铜电解工作参数信息进行采集，并至少获得电流密度数据集合，温度数据集合和PH值数据集合；
将所述电流密度数据集合，温度数据集合和PH值数据集合进行聚类，获得所述若干工作参数信息集合。
3.根据权利要求1所述的铜电解过程离子含量变化的监测方法，其特征在于，所述基于所述关联系数判断所述参数信息坐标轴的信息是否符合预设要求，并生成所述变化分析结果，还包括：
设定所述关联系数判断标准，并基于所述关联系数判断标准判定所述参数信息坐标轴的信息的符合程度；
若所述关联系数大于等于0.7时判定符合预设要求，介于0.5至0.7之间判定符合待确定预设要求，小于等于0.5时判定不符合预设要求；
基于判定结果，对所述参数信息坐标轴上的信息进行可视化误差分析，并生成所述变化分析结果。
4.根据权利要求1所述的铜电解过程离子含量变化的监测方法，其特征在于，所述遍历所述参数信息坐标轴，并将所述参数信息坐标轴中的数据进行拟合，构建离子含量变化模型，包括：
收集所述参数信息坐标轴上自变量X的样本数据和对应历史数据中铜离子的含量作为变量Y；
其中，所述自变量X为所述工作参数信息；
建立离子含量变化的回归模型，所述离子含量变化的回归模型表示为：
其中，为回归参数；
使用所述样本数据拟合所述离子含量变化的回归模型，通过最小二乘法估计回归参数；
针对所述离子含量变化的回归模型的每个回归系数，建立所述回归系数为0的假设，并使用t检验，对所述回归系数的显著性进行检验，计算公式为：
其中，是回归系数的估计值，/>是回归系数的标准误差；
根据所述离子含量变化的回归模型对所述铜电解过程离子含量的变化信息进行监测。
5.根据权利要求4所述的铜电解过程离子含量变化的监测方法，其特征在于，将不同参数信息集合输入所述离子含量变化模型，获得变化监测结果，根据所述变化分析结果和变化监测结果，对铜电解过程中的工作参数进行调整，包括：
将所述参数信息集合输入所述离子含量变化模型，获取所述铜离子的阶段含量数据，并生成变化监测结果；
对所述变化分析结果和变化监测结果进行整合，生成变化综合结果；
基于所述变化综合结果对所述铜电解过程的工作参数进行调整。
6.一种铜电解过程离子含量变化的监测系统，其特征在于，所述系统包括：
参数信息采集模块，采集铜电解工作参数信息，并获得若干工作参数信息集合；
坐标轴搭建模块，根据所述工作参数信息集合，搭建参数信息坐标轴，所述参数信息坐标轴与铜电解工作时间点对应分布，包括：
遍历所述工作参数信息集合，标记所述工作参数信息内的变化节点；
根据所述变化节点，以时间为横坐标，在空白坐标轴上绘制所述变化节点的数据点，将坐标轴补充完整，获得所述参数信息坐标轴；
基于最小边界法算法，对所述铜电解过程中的所述变化节点进行突变点检测，获得突变点检测结果；
根据所述突变点检测结果，筛选出若干所述变化节点，并标记为主变化节点；
变化要求获取模块，采集获取电解液成分变化信息，并获取电解液成分预设变化要求，包括：
对粗铜进行红外光谱检测，获得粗铜所含离子的红外光谱指纹和粗铜的红外光谱图谱；
其中，所述粗铜为未进行电解处理的铜原料；
对铜电解过程进行红外光谱检测，获得所述主变化节点的红外光谱图谱；
将所述主变化节点的红外光谱图谱和所述粗铜的红外光谱图谱进行比对，获得比对结果；
基于所述粗铜所含离子的红外光谱指纹和所述比对结果，获取所述电解液成分变化信息；
分析结果获取模块，根据所述电解液成分变化信息，分析判断所述参数信息坐标轴上的参数信息是否对应电解液成分预设变化要求，并获得变化分析结果，包括：
对所述工作参数信息和所述电解液成分变化信息分别进行无量纲化处理；
根据所述无量纲化处理的结果，计算所述工作参数信息和所述电解液成分变化信息的关联系数，公式如下：
其中，为第m个工作参数集合内的第n个数据与所述电解液成分变化信息的第n个数据的关联系数，/>为可调节计算系数，/>为各工作参数集合内数据与所述电解液成分变化信息内每个数据的绝对差值，/>为第m个各工作参数集合内数据与所述电解液成分变化信息内每个数据的绝对差值的两级最小差，为第m个各工作参数集合内数据与所述电解液成分变化信息内每个数据的绝对差值的两级最大差；
基于所述关联系数判断所述参数信息坐标轴的信息是否符合预设要求，并生成所述变化分析结果；
变化模型构建模块，遍历所述参数信息坐标轴，并将所述参数信息坐标轴中的数据进行拟合，构建离子含量变化模型；
监测结果获取模块，将所述参数信息集合输入所述离子含量变化模型，获得变化监测结果，根据所述变化分析结果和变化监测结果，对铜电解过程中的工作参数进行调整。
7.根据权利要求6所述的铜电解过程离子含量变化的监测系统，其特征在于，所述参数信息采集模块，包括：
频率设定单元，设定所述工作参数信息的采样频率；
数据集合单元，对所述工作参数信息进行采集，并至少获得电流密度数据集合，温度数据集合和PH值数据集合；
数据聚类单元，将所述电流密度数据集合，温度数据集合和PH值数据集合进行聚类，获得所述若干工作参数信息集合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311229718.3A CN116976148B (zh) | 2023-09-22 | 2023-09-22 | 一种铜电解过程离子含量变化的监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311229718.3A CN116976148B (zh) | 2023-09-22 | 2023-09-22 | 一种铜电解过程离子含量变化的监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116976148A CN116976148A (zh) | 2023-10-31 |
| CN116976148B true CN116976148B (zh) | 2023-12-08 |
Family
ID=88473429
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311229718.3A Active CN116976148B (zh) | 2023-09-22 | 2023-09-22 | 一种铜电解过程离子含量变化的监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116976148B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109724785A (zh) * | 2018-12-29 | 2019-05-07 | 中铁工程装备集团有限公司 | 一种基于多源信息融合的刀具状态监测及寿命预测系统 |
| CN114184760A (zh) * | 2021-12-17 | 2022-03-15 | 深创智科技术(深圳)有限公司 | 基于水位在线观测的污染物通量监测方法、终端及存储介质 |
| CN114460227A (zh) * | 2022-01-12 | 2022-05-10 | 杭州三耐环保科技股份有限公司 | 一种电解液异常监控方法和系统 |
| CN116307911A (zh) * | 2023-03-27 | 2023-06-23 | 北京市永康药业有限公司 | 一种注射剂生产条件监测方法及系统 |
-
2023
- 2023-09-22 CN CN202311229718.3A patent/CN116976148B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109724785A (zh) * | 2018-12-29 | 2019-05-07 | 中铁工程装备集团有限公司 | 一种基于多源信息融合的刀具状态监测及寿命预测系统 |
| CN114184760A (zh) * | 2021-12-17 | 2022-03-15 | 深创智科技术(深圳)有限公司 | 基于水位在线观测的污染物通量监测方法、终端及存储介质 |
| CN114460227A (zh) * | 2022-01-12 | 2022-05-10 | 杭州三耐环保科技股份有限公司 | 一种电解液异常监控方法和系统 |
| CN116307911A (zh) * | 2023-03-27 | 2023-06-23 | 北京市永康药业有限公司 | 一种注射剂生产条件监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116976148A (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112527788B (zh) | 变压器监测数据异常值检测与清洗的方法及装置 | |
| CN104360677B (zh) | 一种卷烟加工过程质量评价与诊断方法 | |
| CN101813932B (zh) | 湿法冶金萃取过程组分含量预测与优化操作方法 | |
| CN111352408B (zh) | 一种基于证据k近邻的多工况流程工业过程故障检测方法 | |
| CN116307289B (zh) | 一种纺织品加工工序参数检测预测方法、系统及存储介质 | |
| CN110889091A (zh) | 基于温度敏感区间分段的机床热误差预测方法与系统 | |
| CN109885012A (zh) | 一种金湿法冶金全流程实时优化补偿方法 | |
| CN116976148B (zh) | 一种铜电解过程离子含量变化的监测方法及系统 | |
| CN100370453C (zh) | 稀土串级萃取分离组分含量软测量方法 | |
| CN107563656B (zh) | 金湿法冶金氰化浸出过程运行状态的评价方法 | |
| Chang et al. | Multimode process mode identification with coexistence of quantitative information and qualitative information | |
| Urtubia et al. | Detection of abnormal fermentations in wine process by multivariate statistics and pattern recognition techniques | |
| CN116213095B (zh) | 一种基于重介质分选的精煤产品灰分智能调节方法及系统 | |
| CN104263960A (zh) | 金湿法冶金置换过程中置换率和金泥品位的在线预测方法 | |
| CN115935285A (zh) | 基于掩码图神经网络模型的多元时间序列异常检测方法和系统 | |
| CN114154667A (zh) | 一种基于大数据的混合式时间序列电梯运行参数预测方法 | |
| CN112990682A (zh) | 一种基于大数据的化工装置控制参数优化方法和系统 | |
| CN106127326B (zh) | 一种化工材料加工熔融指数预报方法 | |
| CN117054734B (zh) | 一种铜板熔炼能耗的监测方法及系统 | |
| CN117870034B (zh) | 洁净室环境参数的控制方法、装置及系统 | |
| CN113158552B (zh) | 基于时间序列的生物反应器运行状况分级预测方法及系统 | |
| CN116884518B (zh) | 基于预测压缩的碳纳米颗粒浆料生产数据处理方法 | |
| CN104750975B (zh) | 一种基于核函数的模糊过程能力的减压塔在线监测方法 | |
| CN114841452A (zh) | 一种基于独立循环神经网络的高炉铁水硅含量预测方法 | |
| Kim et al. | Nonparametric method for changepoint detection using Empirical likelihood |
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 |