基于ELM遺傳算法的氧化鋁焙燒過程智能建模與控制系統(tǒng)研究.pdf

1、近十多年來，我國的工業(yè)發(fā)展取得了長足的進步，其中冶金工業(yè)的發(fā)展，對國家經(jīng)濟、社會的快速成長和國防科技建設(shè)的提升起到了極大的促進作用。氧化鋁作為生產(chǎn)金屬鋁的原料，在鋁冶煉工業(yè)中具有舉足輕重的地位。目前，拜耳法是我國生產(chǎn)氧化鋁所采用的主要方法之一，在該工藝過程中，氧化鋁焙燒過程是影響氧化鋁質(zhì)量、生產(chǎn)能耗和生產(chǎn)成本的重要工段之一。利用智能化方法對焙燒過程進行建模，利用合適的算法進行焙燒的參數(shù)優(yōu)化和控制研究是氧化鋁生產(chǎn)工業(yè)技術(shù)創(chuàng)新的一個方向，是

2、提高氧化鋁質(zhì)量的有效途徑。
　　本文以氣態(tài)懸浮焙燒爐工藝為基礎(chǔ)，采用改進粒子群(PSO)優(yōu)化極限學習機算法(ELM)對氧化鋁焙燒進行預測建模，利用遺傳算法(GA)完成氧化鋁焙燒工況參數(shù)的優(yōu)化，設(shè)計基于DCS的氧化鋁焙燒過程控制系統(tǒng)，通過BP神經(jīng)網(wǎng)絡(luò)PID控制器實現(xiàn)焙燒關(guān)鍵參數(shù)的精確控制，主要內(nèi)容有:
　　(1)針對焙燒過程建模困難的問題，分別采用BP神經(jīng)網(wǎng)絡(luò)、標準ELM和改進PSO優(yōu)化ELM建立焙燒溫度預測模型，對比發(fā)現(xiàn)，采

3、用改進PSO優(yōu)化方法相較于BPNN和標準ELM方法，在預測精度和泛化性能方面均有明顯優(yōu)勢。
　　(2)針對焙燒過程參數(shù)耦合嚴重，工況波動頻繁的問題，利用遺傳算法，建立氧化鋁焙燒工況優(yōu)化模型。以實際生產(chǎn)正常工況狀態(tài)下焙燒溫度穩(wěn)定值(1070℃)為控制目標，尋找對焙燒溫度影響較大的操作參數(shù)在技術(shù)指標范圍內(nèi)的最優(yōu)組合，并以此為基礎(chǔ)，建立優(yōu)化工況數(shù)據(jù)庫，在生產(chǎn)過程中，控制系統(tǒng)根據(jù)監(jiān)控到的焙燒溫度與設(shè)定值之間的偏差，從優(yōu)化工況數(shù)據(jù)庫中尋找最

4、優(yōu)工況組合，指導對應控制變量的實時調(diào)整，使得生產(chǎn)過程處于最優(yōu)狀態(tài)，避免人工設(shè)定的主觀性和生產(chǎn)過程的誤操作，減少不必要的能耗，穩(wěn)定焙燒溫度，提高氧化鋁質(zhì)量。
　　(3)針對氧化鋁焙燒過程自動化水平不足、生產(chǎn)和管理工作不完善的現(xiàn)狀，設(shè)計基于DCS的氧化鋁焙燒過程控制系統(tǒng)。采用BP神經(jīng)網(wǎng)絡(luò)PID控制器實現(xiàn)過程操作參數(shù)控制，以及生產(chǎn)過程的監(jiān)控，合理配置生產(chǎn)資料，以提高生產(chǎn)效率，降低企業(yè)生產(chǎn)成本。
　　(4)以氧化鋁焙燒溫度為例，設(shè)計