本文關鍵詞：基于多層ELM遺傳算法的鋁電解槽電壓建模與優(yōu)化控制研究

  更多相關文章： 鋁電解 槽電壓 極限學習機 遺傳算法 優(yōu)化控制

【摘要】：在鋁電解過程中,預焙槽作為鋁電解生產的主要設備,其電能消耗巨大。而槽電壓是鋁電解槽最主要的經濟指標之一,降低槽電壓可以顯著的降低電能消耗。由于鋁電解是一個非線性、強耦合和大時滯的工業(yè)過程體系,故難以在短期內確定預焙鋁電解槽的槽電壓。因此,實時監(jiān)控槽電壓的變化,并提供優(yōu)化的槽電壓運行條件,對于鋁電解生產過程的穩(wěn)定運行具有極其重要的作用。通過優(yōu)化控制槽電壓,以達到降低電解鋁的生產成本,本文提出了一種基于多層極限學習機遺傳算法的鋁電解生產過程槽電壓優(yōu)化方法,以尋找穩(wěn)態(tài)優(yōu)化狀態(tài)下對應的生產操作條件。首先采用核主元分析法確定影響電解鋁生產的關鍵參數,建立了基于BP(Back Propagation)神經網絡、單層極限學習機機和多層極限學習機的槽電壓預測模型。然后利用遺傳算法尋找鋁電解過程槽電壓的全局最優(yōu)值及其對應的電解質溫度、氧化鋁濃度、分子比、鋁水平、電解質水平等過程操作參數。通過實際生產數據進行仿真實驗,結果表明,提出的基于多層極限學習機遺傳算法的鋁電解槽電壓建模與優(yōu)化方法能夠準確地預測槽電壓,同時能夠找到鋁電解生產過程中槽電壓的優(yōu)化值及其對應的優(yōu)化生產操作條件。最后,在過程運行優(yōu)化控制平臺上進行鋁電解生產過程槽電壓實時控制的模擬實驗。該平臺能夠監(jiān)控鋁電解生過程各個參數的實時變化,將槽電壓及其對應的生產條件控制在目標范圍內。通過運行結果表明,該控制系統(tǒng)能夠有效地控制槽電壓及其對應的生產操作參數,從而保證鋁電解生產過程的正常運行,達到節(jié)能降耗的目的。
【關鍵詞】：鋁電解 槽電壓 極限學習機 遺傳算法 優(yōu)化控制
【學位授予單位】：廣西大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TQ151;TP18
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-17
• 1.1 選題背景及意義11
• 1.2 鋁及鋁冶煉發(fā)展歷史11-12
• 1.3 國內外研究現狀和趨勢12-16
• 1.3.1 鋁電解槽槽電壓研究現狀12-14
• 1.3.2 多神經網絡研究現狀14-15
• 1.3.3 遺傳算法研究現狀15-16
• 1.4 本文研究內容16-17
• 第二章 鋁電解生產工藝描述及槽電壓的關聯參數分析17-23
• 2.1 鋁電解生產工藝17-19
• 2.1.1 焙燒期18
• 2.1.2 啟動18
• 2.1.3 鋁電解槽的正常生產期18-19
• 2.2 槽電壓的關聯參數分析19-22
• 2.2.1 電解質溫度和分子比19
• 2.2.2 氧化鋁濃度19-21
• 2.2.3 鋁水平和電解質水平21
• 2.2.4 極距21
• 2.2.5 陽極效應系數21-22
• 2.3 本章小結22-23
• 第三章 基于多層ELM的鋁電解槽電壓預測模型23-36
• 3.1 鋁電解槽槽電壓模型的基本框架23-26
• 3.1.1 輸入變量的選擇23-24
• 3.1.2 鋁電解實時數據預處理24-26
• 3.2 鋁電解槽槽電壓預測26-34
• 3.2.1 基于BP神經網槽電壓預測26-28
• 3.2.2 基于單層ELM槽電壓預測28-31
• 3.2.3 基于多層ELM槽電壓預測31-34
• 3.3 三種槽電壓預測模型結果比較34-35
• 3.4 本章小結35-36
• 第四章 基于神經網絡遺傳算法槽電壓優(yōu)化36-43
• 4.1 槽電壓優(yōu)化控制模型36-37
• 4.2 槽電壓優(yōu)化算法37-39
• 4.3 槽電壓優(yōu)化模型仿真及實驗結果39-41
• 4.3.1 BP神經網絡遺傳算法槽電壓優(yōu)化仿真結果39
• 4.3.2 單層ELM神經網絡遺傳算法槽電壓仿真結果39-40
• 4.3.3 多層ELM神經網絡遺傳算法槽電壓仿真結果40-41
• 4.4 三種神經網絡遺傳算法仿真結果比較41
• 4.5 本章小結41-43
• 第五章 鋁電解槽電壓優(yōu)化控制系統(tǒng)及實現43-56
• 5.1 鋁電解控制系統(tǒng)43-44
• 5.2 鋁電解槽極距調節(jié)控制44-48
• 5.3 鋁電解槽電壓優(yōu)化控制驗證與仿真48-55
• 5.3.1 半實物仿真平臺介紹48-51
• 5.3.2 槽電壓運行優(yōu)化控制系統(tǒng)的開發(fā)51-53
• 5.3.3 驗證結果與分析53-55
• 5.4 本章小結55-56
• 第六章 總結與展望56-57
• 6.1 論文總結56
• 6.2 研究展望56-57
• 參考文獻57-62
• 致謝62-63
• 攻讀學位期間發(fā)表論文情況63

【參考文獻】

中國期刊全文數據庫 前10條

1 宋春寧;馮亮明;林小峰;李智;李芳;;糖廠澄清工段生產指標建模及操作參數優(yōu)化[J];計算機測量與控制;2015年04期

2 黎文湘;荊升陽;高守磊;張守俊;蔣金龍;;提高成型開槽預焙陽極質量的措施[J];輕金屬;2014年09期

3 戚喜全;;對電解槽電解溫度的再認識[J];輕金屬;2014年06期

4 楊生濤;李賢;;240kA異型陰極電解槽焙燒啟動生產實踐[J];有色冶金節(jié)能;2014年03期

5 萬星火;金永超;鄭俊玲;;基于核主成分分析的環(huán)境質量綜合評價模型[J];電腦知識與技術;2014年09期

6 楊剛;;電解鋁節(jié)能減排實踐探索[J];有色冶金節(jié)能;2014年01期

7 李太福;姚立忠;易軍;胡文金;蘇盈盈;賈威;;強跟蹤平方根UKFNN的鋁電解槽工耗動態(tài)演化模型[J];自動化學報;2014年03期

8 張宇獻;李松;董曉;;基于特征聚類數據劃分的多神經網絡模型[J];信息與控制;2013年06期

9 曹阿林;曹斌;易小兵;李R，

本文編號：890883