神经网络优化ITO废靶酸浸回收铟(英文)

作者：李瑞迪; 袁铁锤; 范文博; 邱子力; 苏文俊; 钟楠骞

来源：Transactions of Nonferrous Metals Society of China, 2014, 24(01): 257-262.

• 铟
• 浸出率
• ITO废靶
• 人工神经网络模型

以提高铟浸出率为目标,通过工艺实验结合神经网络研究ITO废靶酸浸的优化工艺。首先,固定其他工艺因素,进行单因素如残酸度、氧化剂加入量、酸浸温度及时间对铟浸出率影响的实验研究。结果表明,增大残酸度可提高铟浸出率;氧化剂的加入可明显提高铟浸出率,但增加到一定程度后浸出率提高不明显;升高温度可明显提高浸出率,但继续升高则会降低铟浸出率;延长浸出时间也可提高铟浸出率。通过反向传播算法的人工神经网络(BPNN)研究多因素的综合作用对铟浸出率的影响规律,预测值与实验值相差很小,表明所建立的BP模型铟浸出率能比较准确地预测。最终,通过BPNN预测以及实验验证,获得高达99.5%浸出率的工艺参数:残酸度5060 g/L、氧化剂含量10%、浸出温度70°C和浸出时间2 h。

• 单位
  中南大学; 粉末冶金国家重点实验室