基于數(shù)據(jù)驅(qū)動的電解槽智能控制系統(tǒng)研究.pdf

1、鋁電解是一個高耗能的流程工業(yè)，隨著我國提出落實科學(xué)發(fā)展觀，構(gòu)建節(jié)約型社會的目標(biāo)，充分利用當(dāng)今先進(jìn)的信息技術(shù)到鋁電解行業(yè)中，實現(xiàn)鋁電解工業(yè)的低污染、高效率和高度智能化是當(dāng)今我們面對的一個重要課題。
　　 預(yù)焙鋁電解槽是一種復(fù)雜的非線性、多變量時變系統(tǒng)，模型具有不確定性，電解槽槽狀態(tài)復(fù)雜多變，很多過程生產(chǎn)參數(shù)在線檢測困難，特別是氧化鋁濃度，其是電解槽下料控制的基礎(chǔ)參數(shù)。由于電解槽長期運行，控制系統(tǒng)數(shù)據(jù)庫中積累了大量含有豐富信息的過程

2、生產(chǎn)數(shù)據(jù)。本課題的目的就是利用數(shù)據(jù)驅(qū)動的方法對鋁電解控制系統(tǒng)中存儲的大量過程生產(chǎn)參數(shù)數(shù)據(jù)進(jìn)行槽狀態(tài)、氧化鋁濃度等相關(guān)工藝信息的提取和挖掘，從而建立一個基于數(shù)據(jù)驅(qū)動的電解槽智能控制系統(tǒng)，主要實現(xiàn)方式是利用小波包分析技術(shù)提取當(dāng)前的一段時間內(nèi)瞬時槽電壓的信號特征，并結(jié)合當(dāng)前的一段時間內(nèi)的電量輸入、系列電流、設(shè)定電壓等狀態(tài)參數(shù)構(gòu)成槽狀態(tài)診斷特征向量，利用小波神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能判斷電解槽當(dāng)前狀態(tài)。針對電解槽氧化鋁濃度難以實時測量的問題，提出一個

3、基于最小二乘支持向量機(LSSVM)的氧化鋁濃度軟測量模型，并利用粒子群(PSO)算法找到最佳的模型參數(shù)，通過利用大量可測量的過程參數(shù)組成樣本對軟測量模型進(jìn)行訓(xùn)練學(xué)習(xí)，從而利用訓(xùn)練好的軟測量模型實現(xiàn)對氧化鋁濃度實施軟測量。控制部分，將氧化鋁原料下料間隔(NB)人為的分成了主下料間隔和輔助下料間隔兩部分，分別利用模糊控制器推理到出不同的氧化鋁濃度與不同槽狀態(tài)下的主下料間隔和輔助下料間隔，以滿足適合各個電解槽生產(chǎn)的自適應(yīng)控制的要求，提高效率