中国科技核心期刊
美国化学文摘社（CAS）数据库
美国EBSCO学术数据库
日本科学技术振兴机构数据库(JST)
基于改进粒子群算法的湿法冶金技术优化控制
- 李晓冉|焦烜|李晖|邓敏清|颜靖|刘振峰
- 作者单位：
- 贺州市数据信息中心|百色学院工商管理学院|贺州市检验检测中心|贺州市数据信息中心|广西塔易信息技术有限公司|广西数字贺州科技有限公司
基金项目：
- 国家自然科学基金项目（GDKJXM20210069)
详细信息：
- 作者简介：
- 李晓冉（1987—），男，高级工程师，硕士，研究方向为电子政务、软件系统研发与设计、网络安全，大数据分析应用、数据共享交换、数据挖掘；E-mail：hyuoy2024@163.com
- 通讯作者：
- 焦烜（1972—），女，高级会计师，硕士，研究方向为区域经济、数据分析及财务管理、产品质量分析算法；E-mail：hzmpo20@163.com
- PDF下载
Optimization control of hydrometallurgical technology based on improved particle swarm algorithm
- English Author：
- Hezhou Data Information Center|School of Business Administration,Baise University|Hezhou Inspection and Testing Center|Hezhou Data Information Center|Guangxi Towere Information Technology Co.,Ltd.|Guangxi Digital Hezhou Technology Co.,Ltd.
- Unit：
- 摘要
- 在线预览
- 参考文献
摘要:
分析了湿法冶金技术的关键工艺，构建了优化控制模型，并利用自适应惯性权重和模拟退火算子对粒子群算法进行改进，对湿法冶金技术进行优化控制。仿真试验结果显示：在A风力发电场优化数据集中测试中，AIW-SAO-PSO算法迭代225次时趋于稳定，适应度值约为0.165，且迭代100次时，算法的均方根误差、平均绝对误差、相对标准偏差分别为0.008 0,0.004 5和0.971 %；在湿法冶金技术优化控制模型的寻优求解中，得到的综合效益值为1.9×105元/h，与目标期待值的绝对误差约为0.1×104元/h。实现了湿法冶金技术的优化控制，并为同类型优化控制提供理论支持。
关键词:
湿法冶金；模拟退火算子；自适应惯性权重因子；粒子群算法；优化控制；仿真试验
Abstract:
This study analyzes the key processes of hydrometallurgical technology,constructs an optimization control model,and improves the particle swarm algorithm using adaptive inertia weight and simulated annealing operators to achieve optimization control of hydrometallurgical technology.Simulation test results show that in the test on the A wind farm optimization dataset,the AIW-SAO-PSO algorithm stabilizes after 225 iterations with a fitness value of 0.165.At 100 iterations,the algorithm’s root mean square error,mean absolute error,and relative standard deviation (RSD) are 0.008 0,0.004 5,and 0.971 %,respectively.In the optimization control model for hydrometallurgical technology,the obtained comprehensive benefit value is 1.9×105 yuan/h,with an absolute error of about 0.1×104 yuan/h from the target expected value.This achieves the optimization control of the hydrometallurgical process and provides technical support for similar optimization control applications.
Keywords:
hydrometallurgy;simulated annealing operator;adaptive inertia weight factor;particle swarm algorithm;optimization control;simulation test
