復雜工業(yè)過程動態(tài)演化建模與決策參數(shù)穩(wěn)健優(yōu)化.pdf

1、復雜工業(yè)過程具有參數(shù)多、耦合性強、不確定性、性能指標波動大等特征，致使工業(yè)生產企業(yè)在全球競爭中面臨著資源、能源與環(huán)境的嚴重制約和挑戰(zhàn)。而復雜工業(yè)過程建模與優(yōu)化是其提高性能指標和實現(xiàn)節(jié)能降耗的關鍵技術之一。本課題旨在利用數(shù)據(jù)挖掘等理論方法，建立具有適應生產過程變化的復雜系統(tǒng)動態(tài)演化模型及決策參數(shù)穩(wěn)健優(yōu)化方法，并以鋁電解實際生產過程為例開展以下三個方面工作:
　　第一，鋁電解工藝過程的決策變量選擇。選擇出最佳決策變量集是建立精確模型的

2、前提。本文提出結合KPLS(Kernel Partial Least Square)和FR(False Nearest Neighborsand Randomization Method)的工業(yè)過程變量選擇方法，首先將原始空間通過核映射的方法轉化到偏最小二乘空間;同時提出在該空間運用FR的變量選擇策略，選擇出最佳決策變量集，剔除在統(tǒng)計意義上不顯著的變量。
　　第二，建立鋁電解槽工藝能耗動態(tài)演化模型。建立精準的過程模型是實現(xiàn)優(yōu)化的前

3、提。本文提出強跟蹤平方根無跡Kalman神經(jīng)網(wǎng)絡(STR-UKFNN)，并用其建立鋁電解槽工藝能耗的動態(tài)演化模型。該方法利用誤差協(xié)方差陣的平方根代替UKFNN算法中的協(xié)方差陣，避免誤差協(xié)方差陣可能出現(xiàn)負定而導致濾波發(fā)散，并在UKFNN算法中引入漸消因子和弱化因子，實時調整濾波增益，提高模型收斂速度和其對突變狀態(tài)的跟蹤能力。
　　第三，鋁電解過程工藝能耗決策參數(shù)的穩(wěn)健優(yōu)化。鋁電解過程所受的不確定因素干擾對最優(yōu)參數(shù)的設計和實現(xiàn)能產生不

4、良影響。本文提出結合動態(tài)建模和穩(wěn)健優(yōu)化策略的工業(yè)過程最優(yōu)參數(shù)設計方案，在STR-UKFNN精確能耗模型的基礎上，采用改進的強度Pareto穩(wěn)健多目標優(yōu)化方法進行最優(yōu)參數(shù)的設計，得出在系統(tǒng)受不確定因素干擾時，能夠保證系統(tǒng)具有穩(wěn)健最優(yōu)輸出的工藝決策參數(shù)，達到改善鋁電解過程能耗指標的目的。
　　綜上所述，該研究提出了:(1)結合KPLS和FR的工藝參數(shù)選擇方法;(2)基于STR-UKFNN的動態(tài)演化模型建立方法;(3)基于動態(tài)模型的強度