一种基于优化原则的湿法冶金异常控制方法

技术领域

本发明属于湿法冶金技术，尤其涉及一种基于优化原则的湿法冶金异常控制方法。

背景技术

湿法冶金工艺逐渐成熟，其工业自动化水平急需提高，与传统的火法冶金相比，湿法冶金技术具有很多优势，例如：清洁、高效、低品位复杂金属矿产更易于回收等。我国矿产资源贫矿多，杂质含量高，湿法冶金更加适用于我国矿产资源的现状，其工业化水平的提高，对于提高矿产资源的综合利用率，降低固体废弃物产量，减少环境污染，都有重大的意义。

湿法冶金全流程采用了磨矿、浮选、脱水调浆、氰化浸出、压滤洗涤、置换等湿法冶炼的工艺流程。通过选矿工序，根据调浆后的矿浆中金品位及硫含量的高低，3种矿浆(低硫尾矿、高硫矿和高铜矿)分别进入不同的处理流程，低硫尾矿进入低品位碳吸附氰化浸出提金流程，高硫矿进入低品位氰化浸出置换流程，高铜矿进入高品位氰化浸出置换流程。金具有很高的经济价值，因此为了获得更高的经济效益，有必要在金的生产中保持良好的操作性能及安全生产。

近几年湿法冶金工艺、设备研究进展迅速。但是湿法冶金工艺流程复杂，设备类型多样，整个流程具有多变量、变量之间强耦合等综合复杂性、其特性随生产条件变化而变化、受到原料成分、工况、设备状态等多种不确定性因素干扰等特点，如有操作不当、疏于检测或因不可抗拒的自然因素引起设备故障而导致生产中断等事故，将会给生产带来巨大的浪费和损失。同时，湿法冶金高腐蚀、高温甚至高毒的工艺条件更对生产的安全性提出了更高的要求。此外，湿法冶金工艺流程由多个彼此密切关联的子过程构成，一旦出现一个异常工况没有被及时调整，则会产生更多的连锁异常甚至无法挽回的故障，对设备及操作人员的安全造成严重的威胁。

目前，针对金湿法冶金生产中出现的异常工况，工厂所采用的方法是对与生产过程息息相关的过程变量信息进行人为或者仪表的记录，通过人为查看报表来获取过程运行状态信息，当发生异常工况时，操作人员基于机理知识和工艺调整经验给出相应的异常处理决策。但是现场工作人员的人为调整方法完全依赖于操作者各自的经验，很难保证决策的及时性及准确性。

发明内容

针对现有存在的技术问题，本发明提供一种基于优化原则的湿法冶金异常控制方法，该方法可以确定过程变量的正常状态信息或异常状态信息，在发生异常状态时，可及时制定安全策略，提高生产安全性、生产效率、降低事故发生率。

本发明的基于优化原则的湿法冶金异常控制方法，包括：

获取湿法冶金过程的在线数据；

判断在线数据中是否有异常数据；

若有，则辨识异常数据，并获取异常数据的异常工况；

根据所述异常数据、异常工况确定湿法冶金异常控制的优化原则；

根据优化原则，将湿法冶金异常控制问题转换为单目标优化问题或多目标优化问题；

根据单目标优化问题或多目标优化问题的约束条件，求解所述单目标优化问题或多目标优化问题，获得安全处理策略；

将安全处理策略发送安全控制系统，以使安全控制系统执行安全处理策略。

可选地，所述方法还包括：

在湿法冶金过程的异常工况恢复正常之后，重复获取湿法冶金过程的在线数据，以及判断在线数据中异常数据的步骤；

或者，

在安全处理策略发送安全控制系统的步骤之后，间隔预设时间段，重复获取湿法冶金过程的在线数据，以及判断在线数据中异常数据的步骤。

可选地，判断在线数据中是否有异常数据，包括：

查看在线数据中每一数据的数值是否在正常范围内，若否，则为异常数据；

相应地，获取异常数据的异常工况，包括：

确定异常数据所处的工况环节，将该工况环节作为异常工况。数据间的相关关系发生变化并超过一定范围也作为异常工况。

可选地，求解所述单目标优化问题或多目标优化问题，获得安全处理策略，包括：

采用高斯伪谱法求解所述单目标优化问题或多目标优化问题，获得安全处理策略。

可选地，判断在线数据中是否有异常数据，包括：

采用主成分分析法的监测方式实时监测湿法冶金过程中各个工况的状态。

可选地，若异常工况为湿法冶金中压滤机前缓冲槽的矿浆液位工况异常，则

单目标优化问题的约束条件包括：

其中，q_e(t)＝Q_e(t)/A是单位面积的溢流流量；q_u(t)＝Q_u(t)/A是单位面积的底流流量；q_f(t)＝Q_f(t)/A是单位面积的进料流量；A是浓密机的横截面积；Q_e(t)是溢流流量；Q_u(t)是底流流量；Q_f(t)是进料流量；C_f(t)是进料浓度；D是扩散系数；n是层数；z浓密机高度；Δz＝z/n是浓密机中每层的高度；ν_s(t)是沉降速度；C(t)是矿浆浓度；C_n(t)是浓密机底流浓度；溢流流量Q_e(t)为固定值；

Q_r(t)是压滤机的返回水流量；h₁(t)是浓密机中的矿浆液位；

其中，f₁(t)是第一渣浆泵的工作频率；f₂(t)是第二渣浆泵的工作频率；h₂(t)是第一缓冲槽的矿浆液位；h₃(t)是第二缓冲槽的矿浆液位；r₁是第一缓冲槽底部半径；r₂是第二缓冲槽底部半径；k是频率和流量在数值上的比例系数；

状态限制条件包括：

h_1min≤h₁(t)≤h_1max>

h_2min≤h₂(t)≤h_2max>

h_3min≤h₃(t)<h_3max(7)

C_min≤C_n(t)≤C_max(8)

其中，h_1min和h_1max分别是状态变量h₁(t)的下限和上限；下标min表示对应状态变量的下限，下标max表示对应状态变量的上限。

控制限制条件包括：

f_1min≤f₁(t)≤f_1max>

f_2min≤f₂(t)≤f_2max>

其中，f_1min和f_1max分别是f₁(t)的低限和高限，下标min表示对应的低限，下标max表示的对应的高限；q₁,q₂和q₃分别是Q_f(t),Q_u(t)和Q_r(t)变化率的上限。

可选地，若异常工况为湿法冶金中压滤机前缓冲槽的矿浆液位工况异常，则湿法冶金异常控制的优化原则是时间最短；

相应地，根据优化原则，将湿法冶金异常控制问题转换为单目标优化问题，包括：

单目标优化的目标函数为从异常状态恢复至正常状态的时间t_f最小，t_f代表第二缓冲槽中的矿浆异常液位调整回正常的时间，

mint_f>

可选地，单目标优化问题或多目标优化问题的约束条件包括：湿法冶金过程中工艺机理模型限制、湿法冶金过程各相关变量的工艺限制；

预先建立湿法冶金过程中每一工况的约束条件，以及每一工况中每一变量的约束条件/限定条件；

每一变量为在线数据对应的变量数据。

第二方面，本发明提供一种基于优化原则的湿法冶金异常控制装置，包括：

异常数据分析单元，用于获取湿法冶金过程的在线数据；判断在线数据中是否有异常数据；若有，则辨识异常数据，并获取异常数据的异常工况；

优化单元，用于根据所述异常数据、异常工况确定湿法冶金异常控制的优化原则；根据优化原则，将湿法冶金异常控制问题转换为单目标优化问题或多目标优化问题；根据单目标优化问题或多目标优化问题的约束条件，求解所述单目标优化问题或多目标优化问题，获得安全处理策略；

发送单元，用于将安全处理策略发送安全控制系统，以使安全控制系统执行安全处理策略。

可选地，所述优化单元，具体用于

根据所述异常数据、异常工况确定湿法冶金异常控制的优化原则；根据优化原则，将湿法冶金异常控制问题转换为单目标优化问题或多目标优化问题；根据单目标优化问题或多目标优化问题的约束条件，采用高斯伪谱法求解所述单目标优化问题或多目标优化问题，获得安全处理策略。

本发明的基于优化原则的湿法冶金异常控制方法，能够识别在线数据的异常数据和异常数据对应的异常工况，进而将异常控制问题转换为单目标优化问题或多目标优化问题，根据预先建立的约束条件，求解上述单目标优化问题或多目标优化问题，获得安全处理策略，以使安全控制系统根据安全处理策略进行处理，由此可有效降低故障发生概率，同时提高生产安全性、生产效率。

附图说明

图1为本发明基于优化原则的异常控制过程示意图；

图2为高铜矿浓密压滤过程工艺流程示意图；

图3为缓冲槽2中矿浆液位h₃(t)示意图；

图4为浓密机的液位h₁(t)示意图；

图5为缓冲槽1中矿浆液位h₂(t)示意图；

图6为浓密机底流浓度C_n(t)示意图；

图7为渣浆泵1的工作频率f₁(t)示意图；

图8为渣浆泵2的工作频率f₂(t)示意图；

图9为浓密机进料流量Q_f(t)示意图；

图10为浓密机底流流量Q_u(t)示意图；

图11为压滤机返回水流量Q_r(t)示意图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

针对湿法冶金的采集和处理装置可包括：湿法冶金过程监测与故障诊断系统、湿法冶金安全控制系统、上位机、PLC、现场传感变送部分。其中现场传感变送部分包括浓度、压力、流量、液位等检测仪表。在湿法冶金过程现场安装检测仪表，检测仪表将采集的信号通过Profibus-DP总线送到PLC，PLC通过以太网定时将采集信号传送到上位机，上位机把接受的数据传到湿法冶金过程监测与故障诊断系统，进行生产过程实时监测与诊断，湿法冶金安全控制系统根据监测结果制定调整方案，自动调整相关变量使异常恢复为正常。

上述装置的各部分功能：

①现场传感变送部分：包括浓度、压力、流量、液位等检测仪表由传感器组成，负责过程数据的采集与传送；

②PLC：负责把采集的信号A/D转换，并通过以太网把信号传送给上位机；PLC控制器采用Simens 400系列的CPU 414-2，具有Profibus DP口连接分布式IO；为PLC配备以太网通讯模块，用于上位机访问PLC数据；PLC控制器和以太网通讯模块放置在中央控制室中的PLC柜中；

③上位机：收集本地PLC数据，传送给湿法冶金过程监测与故障诊断系统，上位机选用i7联想计算机，采用WINDOW XP操作系统；

④全流程的过程监测及故障诊断系统对湿法冶金的运行状态进行实时监测和诊断；

⑤湿法冶金安全控制系统根据监测结果制定调整方案，将结果传送给上位机，控制相关变量从异常恢复到正常。

现有的高铜矿的浓密压滤工艺流程可包括浓密和压滤洗涤工序；过程检测系统主要由浓度检测、压力检测、流量检测、液位检测等构成。

在湿法冶金过程现场安装检测仪表，检测仪表将采集的信号通过Profibus-DP传送到PLC中，PLC定时将采集信号通过以太网传送给上位机，上位机把接收的数据传给湿法冶金过程监测与故障诊断系统，若异常工况发生，将异常信号传送给湿法冶金安全控制系统，该系统将制定安全控制决策即安全处理策略用于排除异常。

如图1所示，图1示出了本发明一实施例的湿法冶金异常控制方法，该方法包括：

101、获取湿法冶金过程的在线数据；

102、判断在线数据中是否有异常数据，若有，执行步骤103，否则，结束或重复上述步骤101的步骤。

举例来说，可以查看在线数据中每一数据的数值是否在正常范围内，若否，则为异常数据；以及查看异常数据所处的工况环节，将该工况环节作为异常工况。此外，数据间的相关关系发生变化并超过一定范围也作为异常工况。

或者，采用主成分分析法的监测方式实时监测湿法冶金过程中各个工况的状态。

也就是说，在工业现场，操作人员经常使用简单的限制报警去判定关注的物理量是否超过了设定的阈值。若超过了设定阈值，则认为异常工况发生。也可使用其它的数据监测方法监测系统的状态，例如主成分分析法。

103、若有，则辨识异常数据，并获取异常数据的异常工况。

本实施例中，异常的定义如下：当系统的性能指标不能满足过程需求时，操作者能够通过自动或者手动的调节方式将其返回到满足性能指标的程度，这种工况叫做异常工况。

通常，异常工况体现在下面几个方面：产品的合格率不达标；经济效益达不到预期计划；系统存在安全隐患；能量消耗超过阈值等等。这些方面并不是完全独立的，它们相互影响，相互转化。最直观的异常体现在某些被关注的物理量超出限定范围。

104、根据所述异常数据、异常工况确定湿法冶金异常控制的优化原则。

105、根据优化原则，将湿法冶金异常控制问题转换为单目标优化问题或多目标优化问题。

举例来说，若异常工况为湿法冶金中压滤机前缓冲槽的矿浆液位工况异常，则湿法冶金异常控制的优化原则是时间最短；

相应地，步骤105则具体为，将湿法冶金异常控制问题转换为单目标优化问题，即时间最短目标的优化问题，单目标优化的目标函数为从异常状态恢复至正常状态的时间最小。

在具体应用中，异常控制的优化原则与时间是息息相关的。通常，将异常控制问题转化为时间优化控制问题。即优化的目标函数为从异常工况调节回正常工况的时间最短。

然而，在实践中，还需考虑质量、经济、安全和能量消耗等其它目标，此时，异常控制问题可转换为多目标优化问题。

应该指出的是，在多目标优化问题中，时间指标可给予最高的优先级。

106、根据单目标优化问题或多目标优化问题的约束条件，求解所述单目标优化问题或多目标优化问题，获得安全处理策略。

在本实施例中，约束条件可为预先根据工艺过程或其他模型建立的限制条件。

通常，优化问题的限定条件可包括工艺机理模型限制和过程各相关变量的工艺限制。

另外，在具体应用中，可采用高斯伪谱法求解所述单目标优化问题或多目标优化问题，获得安全处理策略。

目前，高斯伪谱法是一种优越的动态优化问题求解方法，它将最优控制问题转化为非线性规划问题，然后采用适当的约束非线性优化算法可求得数值最优解。在近似精度、收敛速度和计算效率等方面，高斯伪谱法具有更高优势。

107、将安全处理策略发送安全控制系统，以使安全控制系统执行安全处理策略。

上述异常控制方法的目的是制定有效的措施使异常工况恢复到正常工况，以保证系统运行在设定的范围内。在收到异常的信号之后，操作人员应该制定安全措施即安全处理策略去尽快排除异常。

在实际应用中，执行上述步骤101至步骤107之后，还可在湿法冶金过程的异常工况恢复正常之后，重复上述步骤101和102过程。

或者，在一种可选的实现方式中，在安全处理策略发送安全控制系统的步骤之后，间隔预设时间段，重复上述步骤101和102过程。

本实施例的方法，能够识别在线数据的异常数据和异常数据对应的异常工况，进而将异常控制问题转换为单目标优化问题或多目标优化问题，根据预先建立的约束条件，求解上述单目标优化问题或多目标优化问题，获得安全处理策略，以使安全控制系统根据安全处理策略进行处理，由此可有效降低故障发生概率，同时提高生产安全性、生产效率。

结合图2详细来说，高铜矿浓密压滤工艺流程如图2所示，此过程包括两个主要设备浓密机和压滤机，它们被安放在不同的车间。矿浆经过浓密机的沉淀作用以后，进入缓冲槽1(即第一缓冲槽)中，通过渣浆泵1(即第一渣浆泵)，矿浆泵进入缓冲槽2(即第二缓冲槽)，通过渣浆泵2(即第二渣浆泵)，矿浆进入压滤机中，压滤过程得到的滤饼进入后续的浸出工序，压滤机滤出的水则进入浓密机，一部分水进入浓密机底部，用于浓密机底部阻塞时冲开底部淤泥；另一部分水直接进入浓密机，参与浓密过程。湿法冶金过程检测系统主要由浓度检测、压力检测、流量检测、液位检测等构成。

本发明以高铜矿浓密压滤工艺中压滤机前缓冲槽矿浆液位异常这一工况为例，基于优化原则进行异常控制，包括以下步骤：

步骤1：采集数据，分析异常工况，确定优化问题的目标函数及限定条件。

因为金高昂的经济价值，若含金的矿浆冒槽，则会造成严重的经济损失，所以考虑压滤机前缓冲槽矿浆液位异常这一工况具有重要意义。

基于机理分析，若压滤机前缓冲槽2矿浆液位异常，渣浆泵1应该停止，渣浆泵2应该设为最大功率，以使缓冲槽2中的矿浆尽快排出。

然而，在有限时间内，缓冲槽1的容积以及压滤机的处理能力都是有限的。若渣浆泵1被关闭，同时阀3的开度不变，则缓冲槽1中的矿浆液位将可能异常。若渣浆泵2设为最大功率的时间过长，则压滤机可能出现异常。

因此，针对压滤机前缓冲槽2矿浆液位异常这一工况，必须满足一定的限定条件，以便在处理这个异常工况的同时不产生其他异常工况，这其中涉及到两个车间的配合。操作人员针对异常工况制定安全策略时，总是在时间上追求尽快将异常工况恢复为正常工况。因此基于优化原则可将异常控制问题转化为单目标优化问题即时间优化问题。调控时间最短为优化目标，机理分析和工艺限制分别构成优化问题的等式约束和不等式约束。

机理分析构成优化问题的等式约束：

其中q_e(t)＝Q_e(t)/A是单位面积的溢流流量；q_u(t)＝Q_u(t)/A是单位面积的底流流量；q_f(t)＝Q_f(t)/A是单位面积的进料流量；A是浓密机的横截面积；Q_e(t)是溢流流量；Q_u(t)是底流流量；Q_f(t)是进料流量；C_f(t)是进料浓度；D是扩散系数；n是层数；z浓密机高度；Δz＝z/n是浓密机中每层的高度；ν_s(t)是沉降速度；C(t)是矿浆浓度；C_n(t)是浓密机底流浓度。为了简化分析过程，不考虑溢流的影响。在接下来的分析中，溢流流量Q_e(t)被设为固定值。在浓密机中的矿浆液位满足下面的等式

其中Q_r(t)是压滤机的返回水流量；h₁(t)是浓密机中的矿浆液位。

缓冲槽的工作原理类似于水箱，因此，针对缓冲槽1和缓冲槽2的机理可以用下面的等式来表示

其中f₁(t)是渣浆泵1的工作频率；f₂(t)是渣浆泵2的工作频率；h₂(t)是缓冲槽1的矿浆液位；h₃(t)是缓冲槽2的矿浆液位；r₁是缓冲槽1底部半径；r₂是缓冲槽2底部半径；k是频率和流量在数值上的比例系数。渣浆泵工作频率越高，进出缓冲槽的流量越大。

工艺限制构成优化问题的不等式约束：状态限制和控制限制。状态限制用下面的不等式表示

h_1min≤h₁(t)≤h_1max>

h_2min≤h₂(t)≤h_2max>

h_3min≤h₃(t)<h_3max(7)

C_min≤C_n(t)≤C_max(8)

其中h_1min和h_1max分别是状态变量h₁(t)的下限和上限。针对式(6)-(8)，类似的解释可以被获得。即，下标min表示对应状态变量的下限，下标max表示对应状态变量的上限，如h_2min、h_2max分别是h₂(t)的下限、上限；h_3min、h_3max分别是h₃(t)的下限、上限；C_min、C_max分别是C_n(t)的下限、上限。

控制限制用下面的不等式表示

f_1min≤f₁(t)≤f_1max>

f_2min≤f₂(t)≤f_2max>

其中f_1min和f_1max分别是f₁(t)的低限和高限。针对式(9)-(13)，类似的解释可以被获得，即，下标min，如Q_fmin、Q_umin、Q_rmin表示Q_f(t)、Q_u(t)、Q_r(t)各自对应的低限，下标max,如Q_fmax、Q_umax、Q_rmax表示Q_f(t)、Q_u(t)、Q_r(t)各自对应的高限。q₁,q₂和q₃分别是Q_f(t),Q_u(t)和Q_r(t)变化率的上限。

目标函数为时间t_f最小。t_f代表缓冲槽2中的矿浆异常液位调整回正常的时间。因此形成的时间优化问题为

mint_f>

步骤2：辨识异常

压滤机前缓冲槽矿浆液位异常即h₃(t)异常。对于异常工况的辨识，简单的限制报警装置用于确定是否缓冲槽2中的液位超出界限。这个界限通过操作经验获得。根据式(1)-(14)，则优化问题形成，具体的参数如下

3m≤h₁(t₀)≤3.6m,3m≤h₁(t)≤4m,3m≤h₁(t_f)≤3.6m

1m≤h₂(t₀)≤2.1m,1m≤h₂(t)≤2.5m,1m≤h₂(t_f)≤2.1m

2m≤h₃(t₀)≤4m,2m≤h₃(t)≤4.5m,2m≤h₃(t_f)≤4m

8kg/m³≤C_n(t₀)≤11kg/m³,8kg/m³≤C_n(t)≤12.65kg/m³,8kg/m³≤C_n(t_f)≤11kg/m³

0≤f₁(t)≤49.8Hz

0≤f₂(t)≤49.8Hz

其它参数为D＝0.542,k＝2.34,r₁＝10m,r₂＝20m,A＝500m²,Q_e(t)＝250m³/h和C_f(t)＝2.3kg/m³。

上述参数是在利用计算机中的matlab软件包求解的过程中，需要用到的参数。本实施例仅为举例说明。

步骤3：求解时间优化问题，获得异常条件下的调节决策。

若矿浆液位h₃(t)超过4米，则视为矿浆液位异常。为验证提出算法的有效性，考虑异常的液位状态h₃(t)为4.3米。使用高斯伪谱法求解上面形成的时间优化问题，设置高斯伪谱法的插入点为5。

步骤4：将获得的调节策略实施，若异常工况排除，则结束，否则，重新执行上述步骤1，重新获取决策方案。

状态变量的变化过程如图3-图6所示。图3为缓冲槽2中矿浆液位h₃(t)的示意图；图4为浓密机的液位h₁(t)的示意图；图5为缓冲槽1中矿浆液位h₂(t)的示意图；图6为浓密机底流浓度C_n(t)的示意图。由图可知：缓冲槽2中矿浆液位h₃(t)有下降的趋势；浓密机的液位h₁(t)，缓冲槽1中矿浆液位h₂(t)和浓密机底流浓度C_n(t)均上升。异常状态变量h₃(t)恢复到正常的同时，其它状态变量均保持在正常范围内。

在图3中，矿浆液位h₃超过4m，就是异常液位，设定现在异常液位为4.3m，图3中h₃液位从4.3开始变化，经过0.3168h,异常恢复为4m。与此同时，图4-图6表明在控制此异常状态量的同时，其它状态量也是正常的，即没有出现新的异常状态。

图7-图11为在调节异常状态时应该设定的控制变量的值，即异常的控制决策。一共有5个控制变量，所以有5个图。

控制变量的变化过程如图7-图11所示。图7为渣浆泵1的工作频率f₁(t)示意图；图8为渣浆泵2的工作频率f₂(t)示意图；图9为浓密机进料流量Q_f(t)示意图；图10为浓密机底流流量Q_u(t)示意图；图11为压滤机返回水流量Q_r(t)示意图。由图可知：渣浆泵1的工作频率f₁(t)有下降的趋势，渣浆泵2的工作频率f₂(t)有上升的趋势，可知这符合机理分析的调节措施。浓密机进料流量Q_f(t)，浓密机底流流量Q_u(t)和压滤机返回水流量Q_r(t)相互配合进行调节，使其它状态变量保持在正常范围内。

通过上面的实例，基于优化原则的金湿法冶金异常控制方法能够根据识别的异常工况制定有效的安全措施，措施实施后能够尽快使异常工况恢复为正常。

本实施例能有效根据金湿法冶金生产过程出现的异常工况，基于优化原则将异常控制问题转化为优化问题求解，制定有效的安全控制决策。

上述方法了解过程知识，明确过程变量的正常和异常状态信息，在发生异常状态时，及时制定安全策略，对于提高生产安全性、提高生产效率、降低事故发生率、提高企业竞争力具有重要意义。

另一方面，本发明还提供一种基于优化原则的湿法冶金异常控制装置，包括：

异常数据分析单元，用于获取湿法冶金过程的在线数据；判断在线数据中是否有异常数据；若有，则辨识异常数据，并获取异常数据的异常工况；

优化单元，用于根据所述异常数据、异常工况确定湿法冶金异常控制的优化原则；根据优化原则，将湿法冶金异常控制问题转换为单目标优化问题或多目标优化问题；根据单目标优化问题或多目标优化问题的约束条件，求解所述单目标优化问题或多目标优化问题，获得安全处理策略；

发送单元，用于将安全处理策略发送安全控制系统，以使安全控制系统执行安全处理策略。

可选地，所述优化单元，具体用于

根据所述异常数据、异常工况确定湿法冶金异常控制的优化原则；根据优化原则，将湿法冶金异常控制问题转换为单目标优化问题或多目标优化问题；根据单目标优化问题或多目标优化问题的约束条件，采用高斯伪谱法求解所述单目标优化问题或多目标优化问题，获得安全处理策略。

以上结合具体实施例描述了本发明的技术原理，这些描述只是为了解释本发明的原理，不能以任何方式解释为对本发明保护范围的限制。基于此处解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本实用新型的保护范围之内。