發(fā)布時(shí)間：2021-08-26 09:44

　　針對(duì)鋁電解過程參數(shù)在線或快速檢測難的問題,基于500kA預(yù)焙鋁電解槽生產(chǎn)數(shù)據(jù),提出粒子群優(yōu)化的在線極限學(xué)習(xí)機(jī)軟測量模型。采用在線貫序極限學(xué)習(xí)機(jī)（OS-ELM）增強(qiáng)對(duì)系統(tǒng)動(dòng)態(tài)跟蹤能力,同時(shí)利用粒子群算法優(yōu)化極限學(xué)習(xí)機(jī)的結(jié)構(gòu),以達(dá)到減少隨機(jī)參數(shù)誤差的目的,并在速度更新公式中加入動(dòng)態(tài)的慣性權(quán)值和學(xué)習(xí)因子來平衡全局搜索和局部搜索能力,避免種群陷入早熟收斂。實(shí)驗(yàn)結(jié)果驗(yàn)證該方法對(duì)氧化鋁濃度及電解質(zhì)溫度的擬合度較好,對(duì)確保鋁電解過程物料平衡及熱平衡具有重要意義。 

【文章來源】：傳感器與微系統(tǒng). 2020,39(09)CSCD

【文章頁數(shù)】：4 頁

【部分圖文】：

PSO-OSELM算法流程圖

1)電解質(zhì)溫度軟測量將本文方法用于電解質(zhì)溫度預(yù)測，并交叉驗(yàn)證隱含層節(jié)點(diǎn)數(shù)和PSO迭代次數(shù)對(duì)模型的影響。隨機(jī)選取255組歷史數(shù)據(jù)作為訓(xùn)練樣本，每種超參數(shù)調(diào)節(jié)各實(shí)驗(yàn)20次，結(jié)果取平均值，對(duì)比結(jié)果如表1所示。隱含層節(jié)點(diǎn)數(shù)為55，最大迭代次數(shù)為60次時(shí)，電解槽溫度軟測量結(jié)果如圖2和圖3。圖3 電解槽溫度預(yù)測值

圖2 PSO算法尋優(yōu)效果圖由交叉驗(yàn)證結(jié)果，模型準(zhǔn)確度主要受隱含層節(jié)點(diǎn)數(shù)影響，隨隱含層節(jié)點(diǎn)數(shù)增加，均方根誤差減小，擬合度更高;迭代次數(shù)的增加導(dǎo)致模型訓(xùn)練時(shí)間增加，對(duì)結(jié)果準(zhǔn)確性影響較小。由于氧化鋁濃度及電解質(zhì)溫度變化較緩慢平穩(wěn)，因此網(wǎng)絡(luò)輸入權(quán)值和閾值不需要經(jīng)常調(diào)整，在系統(tǒng)開機(jī)前采用PSO-ELM得到網(wǎng)絡(luò)輸入層最優(yōu)權(quán)值和閾值，系統(tǒng)開機(jī)后采用OS-ELM對(duì)參數(shù)實(shí)時(shí)預(yù)測，并定期對(duì)模型進(jìn)行校正，可以避免PSO算法迭代時(shí)間過長影響生產(chǎn)。

【參考文獻(xiàn)】：
期刊論文
[1]基于MIV-Elman神經(jīng)網(wǎng)絡(luò)的海洋生物酶發(fā)酵軟測量[J]. 孫麗娜,鄧玲黎,劉駿,黃永紅.  傳感器與微系統(tǒng). 2018(12)
[2]基于最小二乘支持向量機(jī)的氧化鋁濃度預(yù)測[J]. 崔桂梅,楊海靳,劉丕亮,于凱.  系統(tǒng)仿真學(xué)報(bào). 2018(05)
[3]雙彎管法煤粉質(zhì)量流量檢測[J]. 趙延軍,程守光,王鵬,馬翠紅.  傳感器與微系統(tǒng). 2015(05)
[4]基于FNN-UKF神經(jīng)網(wǎng)絡(luò)的氧化鋁濃度動(dòng)態(tài)預(yù)測模型[J]. 易軍,李太福,侯杰,姚立忠,田應(yīng)甫.  四川大學(xué)學(xué)報(bào)(工程科學(xué)版). 2013(01)



本文編號(hào)：3364010