【摘要】：在工業(yè)生產(chǎn)中,采用電解法制鋁,在槽內(nèi)進(jìn)行鋁的制備的同時(shí),測(cè)量陰極軟母線處的電壓并進(jìn)行分析,來(lái)反應(yīng)鋁在工業(yè)生產(chǎn)中槽內(nèi)陰極的狀態(tài),并且及時(shí)有效的進(jìn)行狀態(tài)診斷對(duì)于鋁廠能否正常生產(chǎn)以及經(jīng)濟(jì)效益的好壞有十分重要的影響。需要把從鋁廠電解槽內(nèi)采集到的陰極軟母線處的電壓信號(hào)進(jìn)行處理,將處理后的數(shù)據(jù)作為小波包函數(shù)的輸入,進(jìn)行特征信號(hào)的提取,采用計(jì)算最小能量熵的方法確定小波基函數(shù),根據(jù)生成的最優(yōu)小波包樹(shù)的形狀來(lái)確定小波包的分解層數(shù),將小波去噪和小波包去噪進(jìn)行對(duì)比,通過(guò)信噪比和均方誤差進(jìn)行比較,選擇小波包去噪對(duì)原始數(shù)據(jù)進(jìn)行處理。去噪后的數(shù)據(jù)用小波包進(jìn)行特征提取后與對(duì)應(yīng)時(shí)間段故障情況進(jìn)行匹配,將分解后的特征信號(hào)和對(duì)應(yīng)故障情況作為后續(xù)故障診斷神經(jīng)網(wǎng)絡(luò)的輸入和輸出。結(jié)合神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行鋁電解槽的故障診斷,選取BP神經(jīng)網(wǎng)絡(luò)作為診斷工具并建立三層神經(jīng)網(wǎng)絡(luò)模型,將小波包提取后的特征值構(gòu)建數(shù)據(jù)集,并按照3:1的比例進(jìn)行劃分,得到訓(xùn)練集和測(cè)試集兩部分?jǐn)?shù)據(jù),經(jīng)過(guò)診斷后發(fā)現(xiàn)傳統(tǒng)的BP法在訓(xùn)練集上效果并不好,收斂速度慢且在梯度下降過(guò)程中易產(chǎn)生反復(fù)振蕩,為了避免最速下降法在學(xué)習(xí)過(guò)程中存在的缺陷,使用改進(jìn)BP算法,在訓(xùn)練算法中采取添加動(dòng)量因子、在學(xué)習(xí)過(guò)程中自適應(yīng)改變學(xué)習(xí)率、結(jié)合牛頓法進(jìn)行優(yōu)化等方法,分別進(jìn)行實(shí)驗(yàn)對(duì)照,比較幾種方法的改進(jìn)效果,最終采用L-M優(yōu)化BP算法,測(cè)試集狀態(tài)診斷準(zhǔn)確率得以提升,取2號(hào)槽另一樣本數(shù)據(jù)進(jìn)行測(cè)驗(yàn),網(wǎng)絡(luò)具有一定泛化能力。在MATLAB軟件平臺(tái)上設(shè)計(jì)軟件系統(tǒng),包括登錄界面、關(guān)機(jī)界面、數(shù)據(jù)查看界面、曲線顯示界面、小波包分解界面,實(shí)現(xiàn)了故障診斷的基本功能。
【圖文】：

圖１－１技術(shù)路線整體框圖逡逑論文主要工作逡逑通過(guò)前面對(duì)目前鋁電解槽領(lǐng)域診斷方法的介紹及分析，為了得到更好的率，本文將基于信號(hào)處理和基于人工智能兩種故障診斷方法結(jié)合起來(lái)，

圖２－１三層小波分解結(jié)果圖逡逑一步分解，信號(hào)Ｓ被分解為兩個(gè)頻段，，第一次分解后的低頻行第二步分解時(shí)，分解后第一層高頻段Ａ被保留，不再進(jìn)段４部分，同上一步一樣，４又被分解為新的低頻段p漢透

本文編號(hào)：2704182