本文關(guān)鍵詞：基于量子優(yōu)化的鋁電解多目標(biāo)控制系統(tǒng)

  更多相關(guān)文章： 鋁電解控制系統(tǒng) 多目標(biāo)優(yōu)化 Elman神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò) 多目標(biāo)進(jìn)化算法 量子優(yōu)化算法 遺傳算法

【摘要】：當(dāng)前國家提出建立資源節(jié)約性社會(huì),環(huán)保型社會(huì),降低PM2.5濃度,節(jié)約能耗,提高能源利用率的總體要求。鋁電解產(chǎn)業(yè)作為高耗能,重污染的產(chǎn)業(yè)是優(yōu)化調(diào)整的重點(diǎn)。對(duì)于鋁電解進(jìn)行節(jié)能降耗控制、優(yōu)化控制是鋁電解產(chǎn)業(yè)節(jié)能減排的重要途徑,鋁電解控制系統(tǒng)是一個(gè)復(fù)雜的多變量,非線性控制系統(tǒng),影響鋁電解的節(jié)能與電流效率的變量有很多,如何能通過多目標(biāo)優(yōu)化控制策略,以達(dá)到節(jié)能環(huán)保效果是研究的重點(diǎn)。本文首先綜合分析了鋁電解的工藝特點(diǎn),根據(jù)鋁電解過程復(fù)雜,變量多等特點(diǎn),提出了鋁電解多目標(biāo)優(yōu)化控制策略。分析了影響鋁電解過程的主要工藝變量,針對(duì)物料平衡模型與能耗平衡模型,結(jié)合主要工藝參數(shù)構(gòu)建了鋁電解過程的機(jī)理模型。由于機(jī)理模型是基于理想條件下的,所以在實(shí)際應(yīng)用中誤差較大,控制效果不理想。因此建立了基于Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。構(gòu)建了鋁電解多目標(biāo)優(yōu)化控制系統(tǒng)的總體結(jié)構(gòu),選用了BP神經(jīng)網(wǎng)絡(luò)控制器用以提高控制精度和動(dòng)態(tài)跟蹤精度。但由于BP神經(jīng)網(wǎng)絡(luò)固有的缺點(diǎn),還需要進(jìn)一步改進(jìn)。因此針對(duì)多目標(biāo)優(yōu)化問題,提出了量子優(yōu)化的方法。該算法用量子位對(duì)染色體進(jìn)行實(shí)數(shù)編碼,將量子比特的概率幅值都看作多目標(biāo)問題的可行解。用量子旋轉(zhuǎn)門更新量子比特相位,設(shè)計(jì)了量子選擇算子、量子交叉算子、量子變異算子及種群更新算子,并選用相位增量空間按指數(shù)級(jí)別下降并可動(dòng)態(tài)循環(huán)調(diào)整的策略,采用選則非支配排序算子及基于Pareto個(gè)體引力的選擇策略,這些改進(jìn)措施使算法優(yōu)化效率得到明顯提高。測(cè)試結(jié)果表明提出的算法能夠有效的解決多目標(biāo)優(yōu)化問題,相對(duì)于其他多目標(biāo)優(yōu)化算法具有較強(qiáng)的全局搜索能力。為了使鋁電解多目標(biāo)控制系統(tǒng)產(chǎn)生更好的輸出效果,使用了提出的算法與BP神經(jīng)網(wǎng)絡(luò)控制器進(jìn)行融合,并設(shè)計(jì)了具體的改進(jìn)方案,闡述了量子多目標(biāo)遺傳算法與BP神經(jīng)網(wǎng)絡(luò)融合的具體實(shí)現(xiàn)步驟,應(yīng)用量子多目標(biāo)遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)控制器的權(quán)值、閾值與學(xué)習(xí)方式進(jìn)行優(yōu)化,充分發(fā)揮量子多目標(biāo)遺傳算法的全局搜索能力,提高了神經(jīng)網(wǎng)絡(luò)的收斂速度與泛化能力。最后通過計(jì)算機(jī)仿真,對(duì)鋁電解多目標(biāo)控制系統(tǒng)的輸出效果進(jìn)行了驗(yàn)證,通過與采用改進(jìn)型非劣分類遺傳算法(NSGAII)優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的鋁電解多目標(biāo)控制系統(tǒng)進(jìn)行了兩優(yōu)化目標(biāo)輸出效果比較,仿真研究結(jié)果表明基于量子優(yōu)化算法的鋁電解多目標(biāo)控制系統(tǒng),在相同的電流效率的情況下,直流功耗明顯降低。因此可以證明本控制系統(tǒng)在鋁電解節(jié)能降耗方面的先進(jìn)性,證明了本文提出的鋁電解多目標(biāo)優(yōu)化控制策略的可行性。
【關(guān)鍵詞】：鋁電解控制系統(tǒng) 多目標(biāo)優(yōu)化 Elman神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò) 多目標(biāo)進(jìn)化算法 量子優(yōu)化算法 遺傳算法
【學(xué)位授予單位】：沈陽建筑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TF821;TP273
【目錄】：

• 摘要4-5
• Abstract5-11
• 第一章 緒論11-21
• 1.1 課題研究的背景及意義11-12
• 1.2 鋁電解控制系統(tǒng)及國內(nèi)外發(fā)展現(xiàn)狀12-14
• 1.3 多目標(biāo)優(yōu)化算法及國內(nèi)外發(fā)展現(xiàn)狀14-19
• 1.3.1 多目標(biāo)優(yōu)化問題及其研究意義14-17
• 1.3.2 多目標(biāo)優(yōu)化算法的發(fā)展現(xiàn)狀17-19
• 1.4 本論文的主要工作19-21
• 第二章 鋁電解多目標(biāo)控制的工藝分析與預(yù)測(cè)模型的建立21-31
• 2.1 鋁電解工藝發(fā)展21-23
• 2.2 預(yù)焙槽鋁電解生產(chǎn)的重要參數(shù)及特點(diǎn)23-25
• 2.3 機(jī)理模型的構(gòu)建25-26
• 2.4 鋁電解多目標(biāo)優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立26-30
• 2.5 本章小節(jié)30-31
• 第三章 鋁電解多目標(biāo)控制系統(tǒng)的控制方案與量子優(yōu)化算法31-57
• 3.1 鋁電解多目標(biāo)控制系統(tǒng)的總體設(shè)計(jì)方案31-32
• 3.2 神經(jīng)網(wǎng)絡(luò)的選擇32-34
• 3.3 BP神經(jīng)網(wǎng)絡(luò)34-38
• 3.3.1 BP神經(jīng)網(wǎng)絡(luò)的介紹34-35
• 3.3.2 鋁電解多目標(biāo)優(yōu)化系統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)控制器結(jié)構(gòu)35-36
• 3.3.3 學(xué)習(xí)與訓(xùn)練過程36-37
• 3.3.4 BP神經(jīng)網(wǎng)絡(luò)控制器的不足37-38
• 3.4 多目標(biāo)進(jìn)化算法38-45
• 3.4.1 進(jìn)化算法38-40
• 3.4.2 多目標(biāo)遺傳算法的分類、關(guān)鍵性理論與典型的多目標(biāo)遺傳算法40-45
• 3.4.2.1 多目標(biāo)遺傳算法的分類40-41
• 3.4.2.2 多目標(biāo)遺傳算法的關(guān)鍵理論41-43
• 3.4.2.3 典型的多目標(biāo)進(jìn)化算法43-45
• 3.4.3 典型多目標(biāo)進(jìn)化算法的不足45
• 3.5 量子多目標(biāo)進(jìn)化算法45-55
• 3.5.1 量子優(yōu)化算法的基礎(chǔ)介紹45-47
• 3.5.2 量子多目標(biāo)遺傳算法47-55
• 3.5.2.1 量子編碼方案47
• 3.5.2.2 優(yōu)化問題的解空間變換47
• 3.5.2.3 量子多目標(biāo)遺傳算法進(jìn)化算子47-51
• 3.5.2.4 相位增量空間的調(diào)整51
• 3.5.2.5 選擇算子51
• 3.5.2.6 量子交叉算子51-52
• 3.5.2.7 量子變異算子52
• 3.5.2.8 種群更新52-53
• 3.5.2.9 量子多目標(biāo)遺傳算法描述53
• 3.5.2.10 量子多目標(biāo)遺傳算法收斂性分析53-55
• 3.6 本章小節(jié)55-57
• 第四章 優(yōu)化算法的性能測(cè)試及其與BP神經(jīng)網(wǎng)絡(luò)控制器的融合57-69
• 4.1 量子多目標(biāo)遺傳算法的性能測(cè)試57-65
• 4.1.1 測(cè)試問題57-59
• 4.1.2 性能指標(biāo)59-60
• 4.1.3 實(shí)驗(yàn)參數(shù)的選擇60
• 4.1.4 實(shí)驗(yàn)結(jié)果與分析60-65
• 4.2 量子多目標(biāo)遺傳算法與BP神經(jīng)網(wǎng)絡(luò)控制器的融合65-68
• 4.2.1 量子多目標(biāo)遺傳算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的關(guān)鍵因素65-66
• 4.2.2 量子多目標(biāo)遺傳算法與BP神經(jīng)網(wǎng)絡(luò)的融合66-67
• 4.2.3 關(guān)鍵性問題的解決與算法的優(yōu)化流程67-68
• 4.3 本章小結(jié)68-69
• 第五章 鋁電解多目標(biāo)優(yōu)化控制系統(tǒng)的實(shí)驗(yàn)仿真與結(jié)果分析69-77
• 5.1 基于NSGAII的鋁電解多目標(biāo)優(yōu)化控制系統(tǒng)的實(shí)驗(yàn)仿真69-72
• 5.2 基于量子多目標(biāo)遺傳算法的鋁電解多目標(biāo)優(yōu)化控制系統(tǒng)的實(shí)驗(yàn)仿真72-74
• 5.3 兩種改進(jìn)算法的鋁電解多目標(biāo)控制系統(tǒng)實(shí)驗(yàn)仿真效果對(duì)比74-76
• 5.4 本章小結(jié)76-77
• 第六章 結(jié)論77-79
• 6.1 總結(jié)77
• 6.2 展望77-79
• 參考文獻(xiàn)79-83
• 作者簡(jiǎn)介83-85
• 致謝85-86

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 鈕因健;;大力推進(jìn)鋁電解工業(yè)第二次科技創(chuàng)新[J];新材料產(chǎn)業(yè);2010年08期

2 ;云鋁公司“低溫低電壓鋁電解新技術(shù)”項(xiàng)目通過技術(shù)驗(yàn)收[J];上海有色金屬;2011年03期

3 姜玉敬;我國鋁電解工業(yè)的進(jìn)展和發(fā)展動(dòng)向[J];世界有色金屬;1996年06期

4 艾自金;淺析我國的鋁電解工業(yè)[J];有色金屬(冶煉部分);2000年03期

5 陸欽芳,金秀巖;關(guān)于我國鋁電解工業(yè)技術(shù)發(fā)展路線的建議[J];世界有色金屬;2001年05期

6 狄貴華,任劍;淺析國內(nèi)外鋁電解能耗狀況[J];有色冶金節(jié)能;2004年04期

7 田忠良,賴延清,銀瑰,孫小剛,段華南,張剛;低溫鋁電解研究進(jìn)展[J];有色金屬(冶煉部分);2004年05期

8 闞洪敏;班允剛;邱竹賢;王兆文;;低溫鋁電解的研究[J];中國有色冶金;2007年02期

9 鈕因健;;對(duì)如何實(shí)現(xiàn)鋁電解節(jié)能目標(biāo)的認(rèn)識(shí)[J];輕金屬;2007年09期

10 姜玉敬;;近30年世界鋁電解工業(yè)的發(fā)展與啟示[J];世界有色金屬;2007年11期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 高鋼;曾水平;;基于神經(jīng)網(wǎng)絡(luò)的鋁電解溫度與分子比的預(yù)測(cè)研究[A];中國計(jì)量協(xié)會(huì)冶金分會(huì)2010年會(huì)論文集[C];2010年

2 劉希烈;祁世文;;中國鋁電解工業(yè)的現(xiàn)狀及發(fā)展戰(zhàn)略[A];中國有色金屬學(xué)會(huì)第三屆學(xué)術(shù)會(huì)議論文集——戰(zhàn)略研究綜述部分[C];1997年

3 朱瑩;許樹克;;鋁電解清潔生產(chǎn)與污染控制[A];中國環(huán)境科學(xué)學(xué)會(huì)2009年學(xué)術(shù)年會(huì)論文集（第一卷）[C];2009年

4 梁學(xué)民;;領(lǐng)先世界的中國鋁電解技術(shù)[A];2009（重慶）中西部第二屆有色金屬工業(yè)發(fā)展論壇論文集[C];2009年

5 李R，

本文編號(hào)：1044190