基于案例推理的湿法冶金全流程优化设定(3)

图4 Apriori算法原理Fig.4 Flow chart of Apriori algorithm

4 仿真实验

东北大学设计开发的“湿法冶金全流程优化控制与监测仿真平台”可模拟湿法冶金实际生产过程，并能实现对优化控制与监测算法的仿真验证，具有较好的示范价值，已通过国家高技术研究发展计划项目的专家验收.本文将利用该仿真平台对所提出的方法进行仿真验证.

4.1 构造案例库

湿法冶金全流程优化案例库中案例的条件属性如表1所示，对应的解属性如表2所示.限于篇幅，本文仅列出部分数据.

表1 湿法冶金全流程优化案例库的条件属性Table 1 Conditional attributes of the initial case library of hydrometallurgical whole process optimization案例wsg·t-1Qmkg·h-1Gym3·h-1wAug·t-1wCN1g·t-1wCN2g·t-1wAu1g·t-1wAu2g·t-.0..0.......3678........537.247............3436.57.......................0438.46.......

4.2 规则挖掘

对表1和表2所示的初始案例库进行规则挖掘.首先利用K-means算法将属性划分为若干个区间，将每个区间映射为不同的布尔属性来处理.本文是对氰化钠添加量和锌粉添加量进行优化设定，那么优化设定值必须是一个具体的数值，而不是一个区间，可用聚类中心值映射这个区间，使得优化设定值更为精确.检测变量中，以ws为例，该属性被划分的区间以及对应的布尔值形成的数据表部分如表3所示.决策变量中，以QCN1,1为例，形成的数据表如表4所示.

表2 湿法冶金全流程优化案例库的解属性Table 2 Solution attributes of the initial case library of Hydrometallurgical whole process optimizationkg·h-1案例QCN1,1QCN1,2QCN1,4QCN2,1QCN2,2QCN2,.........

湿法冶金全流程优化设定中，以表3所示的初始固金品位为例，聚类后分成5个区间：[661，663.4]，[663.5，666]，[666.1，667.7]，[667.8，668.8]，[668.9，670.6 ]，分别用聚类中心的值662.3，664.9，666.8，668.1和669.7来表示.

表3 检测变量的数据字典表Table 3 Data dictionary table for detecting variables聚类中心值上限下限..

表4 决策变量的数据字典表Table 4 Data dictionary table for decision variables聚类值上限下限

根据规范的数据集进行关联规则挖掘，首先根据候选项集找到频繁项集，然后由频繁项集产生关联规则，将挖掘的规则存储在关联规则表中.本文的关联规则如表5所示.

表5 关联规则表Table 5 Table of association rules规则标识条件预测支持度/%置信度/%ws=666.8Qm=Gy=.4QCN1,1====6.93ws=666.8Qm=2532Gy=.22wAu=,1=10.22 2.wAu1==6.93wCN1=1734.2

以表5中第一条规则为例，可以解释为当ws为[666.1, 667.7]，Qm为[2 554.1, 2 563]，Gy为[12 153, 12 196]，wAu为[1 676.2, 1 693.9]，wAu1为[39.07, 39.94]，wAu2为[6.8, 7.15]时，QCN1,1的预测值为[11.55, 14.56]，用聚类中心的值代替区间值，也就是QCN1,1的预测值为12.84 kg/h，置信度为100%.

4.3 案例检索重用

在湿法冶金仿真平台中，产生一个运行条件为x0=[664.67，2 503.42，11 932.87，1 646.60，39.32，6.33，2 448.43，2 334.31]，经过案例检索，可得目标案例x0与源案例x7的相似度值最大，为93.46%，大于案例的阈值，因而使用源案例x7的解属性作为目标案例的优化设定值，也就是氰化钠的添加量分别为9.04，17.69，5.76，17.67，3.52和7.28 kg/h，锌粉的添加量为0.273 kg/h，至此案例的检索过程结束.

4.4 案例在线修正

在湿法冶金仿真平台中，运行条件设定为x01=[666.5, 2 540，12 083.82，1 681.87，40.52，6.95，1 351.94，1 824.77]，首先进行案例检索，检索出的源案例x9与目标案例x01的相似度值是78.92%，不符合案例重用的要求，进入案例修正环节.

在案例修正中，先根据湿法冶金优化规则库中的规则获取解属性的离散值，再用决策属性的聚类中心值取代离散值，可获得解属性的连续值.当运行设定条件为x01时，根据规则可以获得6个浸出槽中氰化钠添加量的优化设定范围为[9.02，11.54]，[11.74，13.99]，[2.73，4.76]，[10.68，12.54]，[11.13， 13.03]和[2.14，3.72]，锌粉添加量的优化设定范围为[0.276， 0.278]，再根据聚类中心值，可得6个浸出槽中氰化钠的添加量为10.22，12.15，3.37，11.42，12.71和2.77 kg/h，锌粉的添加量为0.277 kg/h，至此案例修正环节结束.

4.5 仿真结果分析

以运行状态x0作为工况条件，其他过程参数一致，将本文的优化方法和文献[10]利用粒子群算法求解全流程优化模型进行对比，结果如表6所示.

表6 两种优化控制效果对比Table 6 Comparison of the two optimization control effects方法优化时间/s综合经济效益/(元·h-1)PSO[10]67.本文优化算法2.

文章来源：《湿法冶金》 网址: http://www.sfyjzz.cn/qikandaodu/2020/1210/364.html