冶金冶炼
M etallurgical smelting 有金属银湿法冶炼萃取过程中的含量测定分析 李 鹏
（甘肃工业职业技术学院，甘肃 天水 ７４１０２５）
摘 要：针对使用传统含量测定分析方法进行有金属银湿法冶炼萃取过程中的含量测定分析得出的结果不够准确的 问题，提出利用混合模型进行有金属银湿法冶炼萃取过程中的含量测定分析，利用混合模型进行有金属银湿法冶 炼萃取过程中的含量测定分析首先要建立一个由先验机理模型与神经网络模型组成的混合模型，然后通过建立未知函
数关系来串联混合模型中的先验机理模型与神经网络，接着通过函数拟合建立三个不同的神经网络并进行训练，最后
通过建立的混合模型实现含量测定分析。通过实验验证了利用混合模型进行有金属银湿法冶炼萃取过程中的含量测
血翼
定分析的有效性。
关键词：有金属；银湿法；冶炼萃取；含量测定
中图分类号：Ｆ２７２ 文献标识码：Ａ 文章编号：１００２－５０６５（２０１９）１０－００２３－２
Analysis of Content Determination of Thin - color Metal Wet Fat Smelter
LI Peng
（Ｇａｎｓｕ Ｉｎｄｕｓｔｒｙ Ｐｏｌｙｔｅｃｈｎｉｃ Ｃｏｌｌｅｇｅ，Ｔｉａｎｓｈｕｉ，Ｇａｎｓｕ ７４１０２５，Ｃｈｉｎａ）
湿度Abstract: Ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｃｏｎｔｅｎｔ ｍｅａｓｕｒｅｄ ｂｙ ｔｈｅ ｍｅｔｈｏｄ ｏｆ ａｎａｌｙｚｉｎｇ ｔｈｅ ｃｏｎｔｅｎｔ ｏｆ ｔｈｅ ｎｏｎ－ｔｈｉｎ
ｍｅｔａｌ ｗｅｔ ｗｅｔｔｕｒｉｎｇ ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｕｓｉｎｇ ｔｈｅ ｃｏｎｖｅｎｔｉｏｎａｌ ｃｏｎｔｅｎｔ ｍｅａｓｕｒｅｍｅｎｔ ｍｅｔｈｏｄ． Ｉｎ ｔｈｅ ｃａｓｅ ｏｆ ｔｈｅ ｍｉｘｅｄ ｍｏｄｅｌ，
四川地震预测
ｔｈｅ ｃｏｎｔｅｎｔ ｏｆ ｔｈｅ ｎｏｎ－ｔｈｉｎ ｍｅｔａｌ ｗｅｔ ｆａｔ ｓｍｅｌｔｉｎｇ ｐｒｏｃｅｓｓ ｗａｓ ａｎａｌｙｚｅｄ ｂｙ ｕｓｉｎｇ ｔｈｅ ｍｉｘｅｄ ｍｏｄｅｌ ｏｆ ｔｈｅ ｃｏｎｓｅｒｖａｔｉｏｎ ｍｏｄｅｌ
ｏｆ ｔｈｅ ｎｏｎ－ｔｈｉｎ ｍｅｔａｌ ｗｅｔ ｗｅｔ ｓｍｅｌｔｉｎｇ ｐｒｏｃｅｓｓ． Ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｄｅｔｅｒｍｉｎｉｎｇ ｔｈｅ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｏｆ ｔｈｅ ｍｅｔａｌ ｍｉｘｅｄ ｍｏｄｅｌ ｏｆ
ｔｈｅ ｃｏｎｖｅｎｔｉｏｎａｌ ｍｅｃｈａｎｉｓｍ ｍｏｄｅｌ ａｎｄ ｔｈｅ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｏｄｅｌ， ａｎｄ ｔｈｅｎ ｔｈｒｏｕｇｈ ｔｈｅ ｅｓｔａｂｌｉｓｈｍｅｎｔ ｏｆ ｕｎｋｎｏｗｎ ｆｕｎｃｔｉｏｎ
ｒｅｌａｔｉｏｎｓｈｉｐ ｉｎ ｔｈｅ ｍｉｘｅｄ ｍｏｄｅｌ ｏｆ ｔｈｅ ｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌ ｎｅｔｗｏｒｋ ａｎｄ ｔｒａｉｎｉｎｇ， ａｎｄ ｆｉｎａｌｌｙ ｔｈｒｏｕｇｈ ｔｈｅ ｅｓｔａｂｌｉｓｈｍｅｎｔ ｏｆ ｔｈｒｅｅ
药用植物学与生药学ｄｉｆｆｅｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ａｎｄ ｔｒａｉｎｉｎｇ， ａｎｄ ｔｈｒｏｕｇｈ ｔｈｅ ｅｓｔａｂｌｉｓｈｍｅｎｔ ｏｆ ｔｈｅ ｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌ ｎｅｔｗｏｒｋ ｏｆ ｔｈｅ ｓｔｕｄｙ ｏｆ ｔｈｅ
ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｕｓｅ ｏｆ ｔｈｅ ｍｉｘｅｄ ｍｏｄｅｌ ｏｆ ｔｈｅ ｕｓｅ ｏｆ ｍｉｘｅｄ ｍｏｄｅｌ ｏｆ ｔｈｅ ｕｓｅ ｏｆ
ｍｉｘｅｄ ｍｏｄｅｌ ｏｆ ｔｈｅ ｍｅｔａｌ－ｗｅｔ ｓｍｅｌｔｉｎｇ ｐｒｏｃｅｓｓ ｏｆ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｅ ａｎａｌｙｓｉｓ．
Keywords: Ｎｏｎ－ｆｅｒｒｏｕｓ ｍｅｔａｌ；Ｓｉｌｖｅｒ ｗｅｔ ｍｅｔｈｏｄ；Ｓｍｅｌｔｉｎｇ ｅｘｔｒａｃｔｉｏｎ；Ｃｏｎｔｅｎｔ ｄｅｔｅｒｍｉｎａｔｉｏｎ
在有金属银湿法冶炼萃取的过程中，银的含量测定对于生产过程中的自动控制具有非常重要的作用，但由于现有的含量测定仪器普遍存在精度不高、连续运行可靠性差、投资大等缺点，难以在实际生产过程中进行应用，因此工作人员只能凭借经验、根据离线分析值去控制冶炼萃取的过程，无法保证产品的收率与纯度[1]。这种方法主要通过选取一些比较容易进行测量的辅助变量，并利用这些辅助
变量构成一种数学上的变量关系来估计和推断暂时不能测量的或者难以进行测量的一些重要变量的值。
1 建立含量测定分析混合模型
江苏交通广播网101.1首先建立一个混合模型，该混合模型的主要由先验机理模型与神经网络模型组成。在混合模型中，分别使3个独立的RBF神经网络来对各段的未知非线性函数关系进行拟合，这三个RBF神经网络分别是RBF1、RBF2与RBF3，其对应的三个未知非线性函数关系分别是f e、f w、f x。利用该混合模型中的先验机理模型与神经网络进行串联，从而对有金属银湿法冶炼萃取过程中的银进行含量测量。
2 建立影响因素与浓度的未知函数关系
要想对混合模型中的先验机理模型与神经网络进行串联，首先要建立理想情况下也就是达到平衡时，各个影响因素与水相中银离子浓度的未知函数关系。从有机相储罐中提取出一些新鲜的有机相作为实验原料，然后分别配制银离子含量不同的水相与有机相，并利用分液漏斗作为实验工具来进行萃取平衡实验。将银离子含量不同的水相与有机相按一定的相比分别倒入分液漏斗中，然后振荡分液漏斗将溶液混合，混合完毕后将其静置一段时间进行分相处理，并对达到平衡后的水相pH值进行调节，最后对水相金属离子浓度进行分析并将用于辨识的实验数据仔细记录下来。
3 进行函数拟合
在萃取段、洗涤段和反萃段的平衡实验结束后，将这三组实验数据分别记录下来，然后利用RBF1、RBF2与RBF3这三个不同的神经网络对三个未知非线性函数关系f e、f w、f x进行拟合。在萃取段的第一级，神经网络的输入分别是萃取液的pH值pe(t)、相比(Fx,w(t)+Fx,m(t)/Fy(t)、有机相中银离子的浓度y0(t)以及混合前水相中银离子的浓度x2(t-t2)。而神经网络的输入在理想情况下也就是达到平衡时，水相中银离子的浓度为x*1(t)。当神经网络中隐含层节点的个数为n时，RBF1的神经网络结构如图1所示。
图1 RBF 1的神经网络结构
在RBF1、RBF2与RBF3这三个不同的神经网络建立
收稿日期：２０１９－０５
作者简介：，生于１９８５年，男，汉族，甘肃省天水市，大学本科，讲
师中级，研究方向：仪器分析。
国际海事组织2019年 5月下 世界有金属23
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议