基于颜色特征的镨_钕萃取过程组分含量检测方法研究

《基于颜色特征的镨_钕萃取过程组分含量检测方法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、分类号：UDC：密级：学号：355906109009南昌大学博士研究生学位论文基于颜色特征的镨/钕萃取过程组分含量检测方法研究TheDetectionMethodofComponentContentbasedonColorCharacteristicinPr/NdCountercurrentExtractionProcess陆荣秀培养单位（院、系）：机电工程学院指导教师姓名、职称：杨辉教授申请学位的学科门类：工学学科专业名称：机械设计及理论论文答辩日期：2015年12月9日答辩委员会主席：评阅人：2015年月日学位论文独创性声明一、学位论

2、文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南昌大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名（手写）：签字日期：年月日二、学位论文版权使用授权书本学位论文作者完全了解南昌大学有关保留、使用学位论文的规定，同意学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权南

3、昌大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。同时授权北京股份有限公司和中国学术期刊（光盘版）电子杂志社将本学位论文收录到《中国学位论文全文数据库》和《中国优秀博硕士学位论文全文数据库》中全文发表，并通过网络向社会公众提供信息服务，同意按“章程”规定享受相关权益。学位论文作者签名（手写）：导师签名（手写）：签字日期：年月日签字日期：年月日题目基于颜色特征的镨/钕萃取过程组分含量检测方法研究姓名院/系/所E_mail备注：陆荣秀学号355906109009论文级别博士■硕

4、士□机电工程学院专业机械设计及理论rxlu_ecjtu@163.com■公开□保密（向校学位办申请获批准为“保密”，年月后公开）摘要摘要稀土元素在自然界中常以共生矿的形式存在，必须经过萃取分离才能使用。P507-HCL溶剂萃取是目前国内外获取单一、高纯稀土氧化物最常用的稀土分离体系。元素组分含量分布是稀土萃取分离过程中衡量萃取分离效果的重要指标。在具有离子特征颜色的稀土分离生产现场，有经验的操作工人常凭借肉眼观测“离子颜色特征带”的偏移程度判断组分含量的分布，但这种方法的主观性太强、对组分含量的判断误差大，生产效率低，无法实现槽体中混合溶

5、液颜色信息的量化描述、为后续各工艺参数调节提供准确信息，造成手动操作的盲目性，致使萃取过程资源消耗大、产品质量不稳定、市场竞争力弱。研究基于颜色特征的镨/钕萃取过程组分含量检测方法，是解决具有离子特征颜色的稀土萃取分离过程组分含量快速测量问题的有效途径，可为稀土萃取过程优化运行提供技术支撑，对实现我国稀土工业的可持续发展具有十分重要的理论和现实意义。本文主要的研究工作及创新点如下：（1）针对镨/钕混合溶液特点，分析了常用RGB和HSI颜色空间下，溶液图像颜色特征的提取方法，明确了采用HSI颜色空间下的H、S、I特征分量一阶矩描述稀土混合溶

6、液图像颜色信息；（2）以实验室配置的标准镨/钕混合溶液作为基准，建立了镨/钕萃取现场混合溶液图像H、S、I特征分量一阶矩的补偿模型，以消除生产现场各种噪声干扰引起的图像误差。在此基础上，采用主元分析法分析得到与组分含量关系关联度好的H、S分量一阶矩作为输入变量，建立了镨/钕萃取过程组分含量LSSVM快速预估模型，通过自适应遗传算法寻优模型参数组合。测试数据验证了该模型具有高精度和泛化能力好的特点；（3）针对镨/钕混合溶液颜色的特殊性，建立了基于颜色特征融合的镨/钕萃取过程组分含量LSSVM快速预估模型。首先在RGB颜色空间下提出相对绿色分

7、量和颜色矢量角，结合H、S特征分量共同描述镨/钕混合溶液图像信息，采用偏最小二乘方法消除四个颜色分量间的相关性，以融合后的特征分量为输入变量建立组分含量LSSVM模型。测试数据验证了综合考虑普遍性和特殊性的组分含量建模方法具有更高的预测精度和更好的泛化能力；（4）鉴于稀土萃取现场影响因素较多，萃取槽体元素组分含量波动较大，I摘要对历史数据有较好泛化能力的组分含量固定模型在进行长期、连续运行监测时容易出现预测精度变差的情况，提出了一种基于颜色特征的镨/钕萃取过程组分含量LSSVM模型自适应校正方法。该方法首先建立对历史数据样本有较高精度的组

8、分含量LSSVM模型，依据模型校正准则，采用自适应迭代方式更新组分含量模型。通过萃取现场工况变化时运行数据测试，并与常规LSSVM、SVM和BP神经网络元素组分含量模型进行对比分析，表明该方法