一种湿法冶金金氰化浸出过程优化方法
【技术领域】
[0001] 本发明属于湿法冶金领域，特别提供一种金湿法冶金氰化浸出过程优化方法，在 确保稳定生产及满足生产指标的前提下，实现总生产成本的最小化。
【背景技术】
[0002] 湿法冶金能够处理复杂矿、低品位矿等，并且对环境污染较少，因此，许多金湿法 冶金新工艺不断出现并得到广泛应用。尽管我国在金湿法冶金工艺方面并不落后国外，但 与之相适应的自动控制技术与国外相比差距较大，从而，难以像国外一样通过优化控制实 现矿产资源的高效低耗利用。显然，随着矿产资源需求的不断增加，仅仅依靠改进工艺来提 高金湿法冶金经济技术指标和经济效益变得极为困难。在可持续发展的战略方针指引下， 为了经济有效地利用低品位矿产资源，金湿法冶金优化控制问题已成为我国亟待解决的重 要问题。
[0003] 金湿法冶金流程主要包括氰化浸出、锌粉置换、浓缩洗涤等过程，而其中，氰化浸 出过程是金湿法冶金的第一个工序，浸出液的品质好坏直接决定了后序提金的纯度、回收 率以及原料消耗等，因此，对氰化浸出过程进行优化控制研究使氰化浸出过程始终处于最 佳的运行状态就显得尤为重要。
[0004] 本发明以某湿法冶炼厂金氰化浸出过程为背景，金氰化浸出过程主要发生的化学 反应是难溶的金与浸出剂（通常是氰化钠）作用生成可溶于水的金氰络合离子，如式（1) 所示。
[0005] 4Au+8CN>02+2H20 = 4Au (CN) 2>40F (I)
[0006] 金氰化浸出过程的原理示意图如附图1所示，缓冲箱中调浆后的矿浆经泵稳定 连续地打入1 #气力浸出槽，通过浸出槽的溢流作用不断流入后续2 #_N#浸出槽，整个过程是 连续浸出，浸出后的贵液溢流流入浸取液储槽，以便后续锌粉置换车间使用。浸出过程的浸 出剂为氰化钠，通过向每个槽子通入压缩空气的方式供给浸出过程所需的溶解氧并产生气 力搅拌作用，使反应更加彻底。
[0007] 氰化浸出时，金的表面在氰化钠溶液中逐渐由表及里地溶解，影响金浸出率的因 素主要有：氰化钠和溶解氧的浓度、矿浆PH值、矿石的原料性质、浸出温度、矿浆浓度及浸 出时间等。
[0008] 浸出过程的优化控制包括稳定操作条件和优化浸出率两个方面。它们主要是指氰 化物的流量优化控制。随着氰化物流量的增多，浸出率及浸出速度有明显的提高，但是加入 过多的氰化物会造成浪费，并污染环境，不利于节能减排。另外生产时间越长，浸出率越高， 但是在浸出的后期，浸出率提高的幅度很小，如果一味的追求高的浸出率而延长浸出时间， 会降低生产效率，反而对企业不利。
[0009] 目前，尚未见有关湿法冶金金氰化浸出过程优化方法的报道。工厂操作者主要依 靠各自的经验进行调节，往往存在着氰化钠添加过多、浸出率偏低等诸多问题，严重地制约 浸出过程的工业化进程，进而影响经济效益和社会效益。
【发明内容】
[0010] 本发明的目的，是提供一种湿法冶金金氰化浸出过程的优化方法。以实现总生产 成本的最小化。它用于解决如下问题：
[0011] (1)为金氰化浸出过程实现自动控制提供浸出率监测数据，实现氰化浸出过程的 操作指导；
[0012] (2)根据生产要求及生产现场状况，优化指导生产过程中的原料添加量，制定合理 的生产计划，以解决生产过程中存在的原料添加量不足以及盲目过多添加等问题，确保达 到生产要求的同时，避免原料浪费。
[0013] 采用的技术方案是：
[0014] 一种湿法冶金金氰化浸出过程优化方法，采用已知的湿法冶金金氰化浸出工艺， 在确保稳定生产及达到生产指标的基础上，实现总生产成本的最小化，包括下述工艺步 骤：
[0015] (1)数据采集、（2)辅助变量的选取和数据处理、（3)优化模型建立、（4)优化模型 的求解、（5)浸出过程优化操作指导的确定。
[0016] 根据现场生产工艺及生产目标的要求，本发明建立了金氰化浸出过程的优化模 型，其特征在于 ：
[0017] 此优化模型综合考虑了整个金氰化浸出过程的物料损耗，其主要包括三个部分： (1)氰化物的物料损耗；（2)去除残余氰化物的损耗；（3)未被浸出金的损耗。因此，可得目 标函数为下式所示：
【主权项】
1. 一种湿法冶金金氯化浸出过程优化方法，采用已知的湿法冶金金氯化浸出工艺，在 确保稳定生产及达到生产指标的基础上，实现总生产成本的最小化； 根据现场生产工艺及生产目标的要求，本发明建立了金氯化浸出过程的优化模型，其 特征在于： 优化模型综合考虑了整个金氯化浸出过程的物料损耗，其主要包括H个部分；（1)氯 化物的物料损耗；（2)去除残余氯化物的损耗；（3)未被浸出金的损耗，得目标函数为下式 所示：
其中，径为加入第i个浸出槽的氯化物的流量，这、召Ui分别为其上、下限， 为第一槽的初始氯化物的浓度，f苗为浸出结束后氯化物浓度，11为浸出槽的数目， 島为矿浆液相的流量，这为矿石的流量，为浸出结束后矿石中金的品位，a为浸出率， ^为浸出率最小指标值，巧W为氯化物价格系数，巧?/为去除残余氯化物的价格系数， 巧为金的价格系数； 本发明利用数据模型学习机理模型误差，然后对机理模型加W补偿进而建立混合模 型；本发明采用机理模型与数据补偿的并联混合模型，作为与优化相关的浸出过程关键变 量的预测模型； 浸出过程的预测模型由机理模型、误差补偿模型及一个辩识机构所构成；机理模型的 输入为：矿石流量、氯化轴流量、溶解氧浓度、矿浆浓度、粒子粒径，初始金品位、初始氯化轴 浓度，输出为：浸出率；数据补偿模型的输入为：矿石流量、氯化轴流量、溶解氧浓度、矿浆 浓度、粒子粒径，初始金品位、初始氯化轴浓度，输出为实际浸出率与机理模型预测浸出率 的误差预测； 机理模型的参数由参数辨识确定之后，能得到机理模型的浸出率预测值；实际生产过 程的浸出率则通过离线的化验统计得到，将该值与实际生产过程的浸出率进行比较，得到 差值；由基于KPLS算法得到的数据补偿模型根据差