本文關(guān)鍵詞：關(guān)于鋁電解過程節(jié)能模型優(yōu)化仿真研究

  更多相關(guān)文章： 鋁電解 節(jié)能模型 無跡卡爾曼濾波 神經(jīng)網(wǎng)絡(luò) 隨機(jī)化 耦合性

【摘要】：鋁電解過程能耗大,建立精確的節(jié)能模型是降低能耗的重要前提。由于上述過程參數(shù)多,耦合性強(qiáng),很難定性/定量地分析出它們與節(jié)能目標(biāo)之間的關(guān)系及重要性,致使模型建立困難。提出一種結(jié)合無跡卡爾曼神經(jīng)網(wǎng)絡(luò)(Unscented Kakman Filter Neural Network,UKFNN)和改進(jìn)型隨機(jī)化測(cè)驗(yàn)的節(jié)能模型優(yōu)化分析方法。首先利用UKFNN建立鋁電解過程的動(dòng)態(tài)節(jié)能模型。然后利用UKFNN釋義圖和連接權(quán)法,計(jì)算各參數(shù)的貢獻(xiàn)率。最后,利用改進(jìn)的動(dòng)態(tài)隨機(jī)化測(cè)驗(yàn)對(duì)節(jié)能模型連接權(quán)進(jìn)行顯著性檢驗(yàn),剔除冗余參數(shù),并與優(yōu)化前的節(jié)能模型比較。仿真結(jié)果表明,優(yōu)化后模型性能優(yōu)良。上述方法為分析節(jié)能模型參數(shù)關(guān)系和優(yōu)化節(jié)能模型提供了一種有效途徑。
【作者單位】： 重慶科技學(xué)院電氣與信息工程學(xué)院;重慶大學(xué)自動(dòng)化學(xué)院;
【關(guān)鍵詞】： 鋁電解 節(jié)能模型 無跡卡爾曼濾波 神經(jīng)網(wǎng)絡(luò) 隨機(jī)化 耦合性
【基金】：國家自然科學(xué)基金(51374268,51375520) 重慶市教委科學(xué)技術(shù)項(xiàng)目(KJ1401301) 重慶科技學(xué)院校內(nèi)科研基金項(xiàng)目(CK2015Z26) 重慶市重大應(yīng)用技術(shù)開發(fā)項(xiàng)目(cstc2013yykf C0034) 重慶高校優(yōu)秀成果轉(zhuǎn)化項(xiàng)目(KJZH14218)
【分類號(hào)】：TF821;TP183
【正文快照】： _ 1 51胃 鋁電解槽是一個(gè)典型的多變量、非線性、強(qiáng)耦合復(fù)雜系統(tǒng),任何參數(shù)變化都是相互關(guān)聯(lián),任何狀態(tài)的出現(xiàn)都是各種 平衡共同作用的結(jié)果。鋁電解工藝能量利用率僅48%左右,節(jié)能潛力很大[1]。因此,研究鋁電解過程節(jié)能模型參數(shù)的動(dòng) 態(tài)響應(yīng)與耦合關(guān)系,對(duì)節(jié)能降耗具有重要意義。

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李R，

本文編號(hào)：952373