基于深度学习算法的湿法冶金资源回收效率提升方法设计及研究
作者机构:济源职业技术学院材料工程学院
出 版 物:《湿法冶金》 (Hydrometallurgy of China)
年 卷 期:2024年
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0806[工学-冶金工程] 081104[工学-模式识别与智能系统] 080601[工学-冶金物理化学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:Transformer 最优化 Distributional Q-function DQN 资源回收
摘 要:为进一步提高湿法冶金资源回收率,解决资源回收流程控制的智能化、自动化控制程度不高的问题,提出了一种采用Transformer模型进行金属浸出率预测,再采用Distributional Q-function改进DQN模型进行湿法冶金金浸出率最大化的湿法冶金流程控制方法。研究结果表明:该系统控制方法能有效提升湿法冶金过程中金属浸出率的预测准确率;基于Distributional Q-function改进DQN模型能有效降低资源回收率最大化模型的迭代计算时间。该法能有效提高某工厂湿法冶金资源回收率。