鋁電解是一個(gè)非常復(fù)雜的工業(yè)過程,并且會(huì)有大量的數(shù)據(jù)在這個(gè)生產(chǎn)過程中產(chǎn)生,通過對(duì)這些數(shù)據(jù)的深入分析和挖掘,找到潛在的信息,分析其與槽狀態(tài)變化的聯(lián)系,對(duì)槽狀態(tài)進(jìn)行了聚類分析。然后在聚類的基礎(chǔ)上,對(duì)槽狀態(tài)進(jìn)行了預(yù)測(cè),預(yù)測(cè)結(jié)果方便專業(yè)人員及時(shí)發(fā)現(xiàn)槽狀態(tài)的改變,為后續(xù)的決策提供參考依據(jù),能夠提前作出決策減少損失,同時(shí)也提高了智能控制在鋁電解行業(yè)的發(fā)展應(yīng)用。主要有以下幾項(xiàng)工作:1、介紹了鋁電解槽生產(chǎn)數(shù)據(jù)的采集和歸一化處理的過程,然后利用pearson相關(guān)系數(shù)對(duì)所用到的九個(gè)特征進(jìn)行了相關(guān)性分析。最后通過聚類方法對(duì)鋁電解槽狀態(tài)聚類,本文介紹了一種DPCA-GMM算法,針對(duì)GMM(Gaussian Mixture Model)算法無法自適應(yīng)聚類個(gè)數(shù)K的問題,提出了先通過DPCA(Clustering by fast search and find of density peaks)算法確定其最優(yōu)聚類數(shù)目K,并將該算法判斷的K值應(yīng)用于GMM算法。實(shí)驗(yàn)證明這一改進(jìn)減少了當(dāng)應(yīng)用GMM算法時(shí)隨機(jī)選取聚類個(gè)數(shù)K帶來的不確定性。通過對(duì)鋁電解槽狀態(tài)的聚類,可以用來區(qū)分鋁電解槽的正常狀態(tài)和異常狀態(tài)。2、針對(duì)鋁電解槽狀態(tài)...

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究目的及意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 論文研究工作
    1.5 本文技術(shù)路線圖
    1.6 論文組織結(jié)構(gòu)
    1.7 本章小結(jié)
第二章 相關(guān)知識(shí)與技術(shù)介紹
    2.1 鋁電解槽相關(guān)知識(shí)
    2.2 聚類算法相關(guān)知識(shí)
        2.2.1 密度峰值算法
        2.2.2 高斯混合模型聚類
    2.3 LSTM算法
    2.4 數(shù)據(jù)可視化
    2.5 本章小結(jié)
第三章 鋁電解槽數(shù)據(jù)分析研究
    3.1 數(shù)據(jù)采集及預(yù)處理
        3.1.1 數(shù)據(jù)采集
        3.1.2 數(shù)據(jù)預(yù)處理
    3.2 槽狀態(tài)數(shù)據(jù)相關(guān)性分析
    3.3 槽狀態(tài)聚類分析
        3.3.1 聚類分析方法
        3.3.2 聚類方法研究
        3.3.3 聚類算法流程
        3.3.4 聚類分析實(shí)驗(yàn)及結(jié)果
    3.4 本章小結(jié)
第四章 基于K-LSTM的槽狀態(tài)預(yù)測(cè)算法
    4.1 數(shù)據(jù)采集
    4.2 K-LSTM算法描述
        4.2.1 算法設(shè)計(jì)
        4.2.2 算法實(shí)現(xiàn)
    4.3 實(shí)驗(yàn)及結(jié)果分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)
        4.3.2 實(shí)驗(yàn)方法
        4.3.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
第五章 鋁電解槽狀態(tài)智能分析系統(tǒng)
    5.1 系統(tǒng)業(yè)務(wù)流程分析及說明
    5.2 系統(tǒng)設(shè)計(jì)
        5.2.1 MySQL數(shù)據(jù)庫(kù)設(shè)計(jì)
        5.2.2 數(shù)據(jù)項(xiàng)定義
        5.2.3 數(shù)據(jù)立方體
        5.2.4 數(shù)據(jù)庫(kù)表說明
        5.2.5 系統(tǒng)功能設(shè)計(jì)
    5.3 系統(tǒng)運(yùn)行環(huán)境
    5.4 多維分析模塊實(shí)現(xiàn)
        5.4.1 基本圖表分析
        5.4.2 對(duì)比分析
    5.5 聚類分析模塊實(shí)現(xiàn)
        5.5.1 聚類個(gè)數(shù)K可視化
        5.5.2 聚類結(jié)果可視化
    5.6 預(yù)測(cè)模塊實(shí)現(xiàn)
    5.7 本章小結(jié)
第六章 結(jié)論與展望
    6.1 主要結(jié)論
    6.2 研究展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號(hào)：3783277