【技術實現步驟摘要】
本專利技術屬于電子級硫酸生產，具體涉及一種電子級硫酸吸收塔出塔硫酸濃度預測方法。
技術介紹
1、在水合法生產電子級硫酸中工藝中，吸收塔是電子級硫酸反應生成的關鍵場所和設備。吸收塔的效率和性能直接關系到產品的質量和生產過程的穩定性，而出塔濃度則是衡量吸收塔性能的關鍵指標。出塔濃度指的是離開吸收塔的電子級硫酸的濃度。精確控制電子級硫酸出塔濃度對于確保產品質量、提高產品收率和減少廢物排放具有重要意義。吸收塔出塔物料電子級硫酸的濃度作為生產中一個重要的控制參數，濃度的高低反應了電子級硫酸生產過程中補水量和循環量的高低、同時也反應了塔內溫度的高低。這對于控制吸收塔在安全范圍內運行和產品品質至關重要。
2、然而，在實際工業生產中，由于技術或經濟原因，如設備成本、安裝難度、維護費用等，出塔濃度往往無法通過傳統的傳感器直接在線測量。這導致生產過程中缺乏實時、準確的反饋信息，從而影響生產過程的優化和產品質量的穩定。目前存在的一些在線濃度計在實際測量中與離線手動檢測也存在較大誤差。因此，開發一種能夠實時預測吸收塔出塔電子級硫酸濃度的方法具有重要的工業應用價值。
技術實現思路
1、本專利技術提供了一種電子級硫酸吸收塔出塔硫酸濃度預測方法，能夠提前預測吸收塔運行狀態，為生產過程的穩定運行和產品質量的控制提供依據。
2、本專利技術的技術方案是，提供一種電子級硫酸吸收塔出塔硫酸濃度預測方法，包括以下步驟：
3、s1、收集吸收塔歷史運行數據，明確輸入特征(或輸入變量)和輸出標
4、s2、對s1所得數據根據工況進行區分，保留正常滿負荷運行工況時的數據，并對該部分數據進行歸一化和異常數據處理，得到的數據劃分為訓練集、驗證集和測試集；
5、s3、構建基于前饋神經網絡的預測模型，模型包括輸入層，隱藏層和輸出層，然后利用訓練集進行優化模型的訓練，再利用驗證集進行優化模型的驗證，最后利用測試集進行優化模型的結果測試，得到模型的預測值，模型預測值經反歸一化處理，即得出塔硫酸濃度。
6、進一步地，s1中輸入變量包括但不限于：氣態三氧化硫溫度、壓力、流量參數，超純水溫度、流量參數，循環回吸收塔的電子級硫酸的溫度、流量參數。
7、進一步地，s2中工況至少包括停車工況、開車工況、滿負荷運行工況、高負荷運行工況和低負荷運行工況。
8、進一步地，s2中，歸一化處理時，將原始數據轉換為具有均值為0、標準差為1的數據集，其變換公式為：
9、
10、其中μ是原始數據的均值，σ是原始數據的標準差。
11、進一步地，s2中，異常數據處理時，先進行識別，識別方法為3σ原則，任何超出[μ-3σ,μ+3σ]范圍的數據點標記為異常值進行剔除。
12、進一步地，s2中數據劃分時，設定隨機種子，使其數據進行隨機劃分，其中訓練集、驗證集和測試集的比例為7：2：1。
13、進一步地，s3中構建前饋神經網絡模型時，輸入層包含一定數量的神經元，神經元數量等于輸入變量的數量，神經元接收訓練集特征數據，并向隱藏層傳遞；
14、隱藏層將輸入層傳輸的數據進行線性變換，其中每一個隱藏層作為一次線性變換，它由權重矩陣和偏置向量定義，對于第l層的神經元i，其輸出表示為：
15、
16、式中，是連接第l-1層的神經元j和第l層的神經元i的權重，是第l-1層的輸出，是第l層的偏置；
17、隱藏層進行線性變換后使用激活函數用于引入非線性，使得神經網絡可以學習和模擬復雜的函數，所述的激活函數為sigmoid函數、relu函數或tanh函數其中一種，其激活方式具體為：
18、
19、relu：f(z)＝max(0,z)；
20、
21、數據在隱藏層中經過線性變換和激活函數變換后繼續向前傳播，從輸入層到輸出層不斷前向傳播，每一層的輸出都作下一層的輸入，對于第l層的神經元i，其輸出為：
22、
23、前向傳播結束后進行反向梯度傳播以計算網絡參數梯度(權重和偏置)，具體使用鏈式法則從輸出層開始，逐層計算梯度，對于第l層的權重和偏置其梯度可以表示為：
24、
25、e是損失函數用于衡量模型的預測值與實際值之間的差異；所述的損失函數為mse函數；是第l層的誤差，計算方式為：
26、
27、其中，是第l層的線性組合輸出，是激活函數的導數；
28、反向梯度傳播后對網絡權重和偏置進行更新，更新方式表示為：
29、
30、輸出層產生最終的輸出結果，此層神經元為1，輸出結果為模型根據輸入特征進行學習后的預測值。
31、進一步地，神經網絡隱藏層數取值范圍為[1，4]，神經元數目取值范圍為[8，256]。
32、進一步地，反歸一化處理與歸一化處理操作相反，即歸一化處理的逆向操作，變換公式為：
33、x＝σ·xnorm+μ；
34、反歸一化操作后的輸出值即為模型最后預測的吸收塔電子級硫酸出塔濃度值。
35、本專利技術還涉及所述預測方法在電子級硫酸生產中的應用。
36、本專利技術具有以下有益效果：
37、本專利技術提供的電子級硫酸吸收塔出塔硫酸濃度預測方法，可以通過dcs系統收集進入吸收塔的各股物料溫度、壓力、流量以及出吸收塔物料的濃度歷史數據；明確輸入特征和輸出標簽；對數據進行分組，篩選出滿負荷運行時的數據；使用歸一化方法對數據進行無量綱化，提高模型運行時的穩定性；構建基于前饋神經網絡的回歸模型，以特征數據作為輸入，標簽數據(濃度值)作為輸出，對模型進行隱藏層數和神經元數進行優化和訓練，使預測模型參數不斷學習更新；最后得到出吸收塔電子級硫酸的濃度預測模型。
38、通過吸收塔出塔硫酸濃度的預測，后續裝置運行時可以同步對比模型預測濃度值和實際測量值，從而提前預測吸收塔運行狀態、優化生產過程，為生產過程的穩定運行和產品質量的控制提供依據，提高吸收塔的效率和性能，降低生產成本，對生產過程有一定指導作用。
本文檔來自技高網...【技術保護點】
1.一種電子級硫酸吸收塔出塔硫酸濃度預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，S1中輸入變量包括但不限于：氣態三氧化硫溫度、壓力、流量參數，超純水溫度、流量參數，循環回吸收塔的電子級硫酸的溫度、流量參數。
3.根據權利要求1所述的方法，其特征在于：S2中數據屬于不同工況，包括但不限于停車工況、開車工況、滿負荷運行工況、高負荷運行工況、低負荷運行工況。
4.根據權利要求1所述的方法，其特征在于：S2中，歸一化處理時，將原始數據轉換為具有均值為0、標準差為1的數據集，其變換公式為：
5.根據權利要求1所述的方法，其特征在于：S2中，異常數據處理時，先進行識別，識別方法為3σ原則，任何超出[μ-3σ,μ+3σ]范圍的數據點標記為異常值進行剔除。
6.根據權利要求1所述的方法，其特征在于：S2中數據劃分時，設定隨機種子，使其數據進行隨機劃分，其中訓練集、驗證集和測試集的比例為7：2：1。
7.根據權利要求1～6任意一項所述的方法，其特征在于：S3中構建前饋神經網絡模型時，輸入層包
8.根據權利要求7所述的方法，其特征在于：神經網絡隱藏層數取值范圍為[1，4]，神經元數目取值范圍為[8，256]。
9.根據權利要求1所述的方法，其特征在于：反歸一化處理與歸一化處理操作相反，即歸一化處理的逆向操作，變換公式為：
10.權利要求1～9任意一項所述方法在電子級硫酸生產中的應用。
...【技術特征摘要】
1.一種電子級硫酸吸收塔出塔硫酸濃度預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，s1中輸入變量包括但不限于：氣態三氧化硫溫度、壓力、流量參數，超純水溫度、流量參數，循環回吸收塔的電子級硫酸的溫度、流量參數。
3.根據權利要求1所述的方法，其特征在于：s2中數據屬于不同工況，包括但不限于停車工況、開車工況、滿負荷運行工況、高負荷運行工況、低負荷運行工況。
4.根據權利要求1所述的方法，其特征在于：s2中，歸一化處理時，將原始數據轉換為具有均值為0、標準差為1的數據集，其變換公式為：
5.根據權利要求1所述的方法，其特征在于：s2中，異常數據處理時，先進行識別，識別方法為3σ原則，任何超出[μ-3σ,μ+3σ]范圍的數據點...
【專利技術屬性】
技術研發人員：李少平，許明杰，賀兆波，葉瑞，楊著，郭嵐峰，陳曦，劉洋，
申請(專利權)人：湖北興福電子材料股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。