對(duì)鋁電解生產(chǎn)決策進(jìn)行優(yōu)化可以產(chǎn)生巨大經(jīng)濟(jì)效益,但由于鋁電解生產(chǎn)過(guò)程具有非線性、大滯后、多變量耦合等特點(diǎn),僅靠工藝人員通過(guò)人工分析很難做出最優(yōu)決策。各大鋁電解廠在多年的鋁電解槽生產(chǎn)控制和管理過(guò)程中,收集了大量的生產(chǎn)控制、測(cè)量、化驗(yàn)、決策數(shù)據(jù),使用這些歷史數(shù)據(jù)訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)是解決鋁電解決策優(yōu)化的重要途徑。深度學(xué)習(xí)是一種最近取得了突破性進(jìn)展的機(jī)器學(xué)習(xí)方法,其以在海量樣本中學(xué)習(xí)到高質(zhì)量特征為特點(diǎn),廣泛應(yīng)用于機(jī)器視覺(jué)、自然語(yǔ)言處理、機(jī)器人控制等領(lǐng)域。本文采用基于內(nèi)部節(jié)點(diǎn)裝袋算法的深度學(xué)習(xí)模型來(lái)預(yù)測(cè)電解槽在不同狀態(tài)下的最優(yōu)出鋁量決策,使得電解槽的累計(jì)產(chǎn)量最大化。論文主要研究?jī)?nèi)容如下:1.對(duì)某鋁廠電解生產(chǎn)原始數(shù)據(jù)進(jìn)行了預(yù)處理及可視化分析。首先分析了原始數(shù)據(jù)的缺失、異常情況,然后通過(guò)序列提取、異常值處理、缺失值處理對(duì)數(shù)據(jù)進(jìn)行了清洗,且通過(guò)各類(lèi)圖表展示了數(shù)據(jù)清洗效果。最后分析了數(shù)據(jù)各特征的分布,以及它們之間的關(guān)聯(lián),并使用XGBoost對(duì)各特征進(jìn)行了評(píng)分。2.使用馬爾科夫決策過(guò)程(Markov Decision Process,MDP)對(duì)鋁電解槽生產(chǎn)過(guò)程進(jìn)行了數(shù)學(xué)描述,使得研究工作從復(fù)雜的鋁電解工藝中脫...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容
    1.4 文章結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 相關(guān)知識(shí)與技術(shù)介紹
    2.1 鋁電解工藝
        2.1.1 鋁電解原理
        2.1.2 鋁電解技術(shù)參數(shù)
    2.2 深度學(xué)習(xí)
        2.2.1 深度學(xué)習(xí)基礎(chǔ)
        2.2.2 常用深度模型
        2.2.3 深度模型的訓(xùn)練
    2.3 強(qiáng)化學(xué)習(xí)
        2.3.1 強(qiáng)化學(xué)習(xí)基礎(chǔ)
        2.3.2 有模型強(qiáng)化學(xué)習(xí)
        2.3.3 免模型強(qiáng)化學(xué)習(xí)
        2.3.4 深度強(qiáng)化學(xué)習(xí)
    2.4 內(nèi)部節(jié)點(diǎn)裝袋算法
    2.5 本章小結(jié)
第三章 數(shù)據(jù)的預(yù)處理與可視化分析
    3.1 原始數(shù)據(jù)分析
    3.2 數(shù)據(jù)預(yù)處理
        3.2.1 序列提取
        3.2.2 異常值處理
        3.2.3 缺失值處理
    3.3 可視化分析
        3.3.1 數(shù)據(jù)分布
        3.3.2 數(shù)據(jù)相關(guān)性分析
        3.3.3 特征重要性評(píng)價(jià)
    3.4 本章小結(jié)
第四章 基于深度學(xué)習(xí)的鋁電解決策算法研究
    4.1 鋁電解決策的MDP結(jié)構(gòu)
    4.2 深度模型架構(gòu)設(shè)計(jì)
    4.3 基于KNN的鋁電解槽仿真算法
    4.4 基于有監(jiān)督學(xué)習(xí)的模型訓(xùn)練
        4.4.1 槽況標(biāo)記算法
        4.4.2 模型訓(xùn)練細(xì)節(jié)
    4.5 基于強(qiáng)化學(xué)習(xí)的模型訓(xùn)練
        4.5.1 基于仿真器的DDPG強(qiáng)化學(xué)習(xí)算法
        4.5.2 模型訓(xùn)練細(xì)節(jié)
    4.6 仿真分析
        4.6.1 基準(zhǔn)模型介紹
        4.6.2 模型性能對(duì)比
    4.7 本章小結(jié)
第五章 基于深度學(xué)習(xí)的鋁電解決策系統(tǒng)
    5.1 系統(tǒng)概述
    5.2 設(shè)計(jì)與開(kāi)發(fā)
        5.2.1 系統(tǒng)功能模塊設(shè)計(jì)
        5.2.2 相關(guān)開(kāi)發(fā)技術(shù)
        5.2.3 系統(tǒng)技術(shù)構(gòu)架
        5.2.4 運(yùn)行環(huán)境
    5.3 系統(tǒng)功能展示
        5.3.1 數(shù)據(jù)預(yù)處理模塊
        5.3.2 可視化分析模塊
        5.3.3 槽況標(biāo)記模塊
        5.3.4 出鋁量決策模塊
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 主要結(jié)論
    6.2 研究展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號(hào)：3814695