论文部分内容阅读
目前,铝电解的生产主要是以‘氧化铝浓度’控制为主,因此‘氧化铝浓度’的准确判断是整个浓度控制的基础。但是,铝电解是一个非线性、多变量耦合、时变和大时滞的工业过程体系,其过程伴随着复杂的物理化学反映。因此,复杂多变的生产过程决定了电解槽运行过程中众多参数和变量具有强耦合、不确定性、不可连续测定性,难以对氧化铝浓度的识别和诊断建立准确的数学模型,其成为电解铝的生产难点。近年来,智能控制理论得到迅速发展,为解决上述问题提供了一种新的思路。在智能控制方法中,由于神经网络方法本身所具有的非线性映射能力强、能够学习和适应不确定性系统的动态特性以及允许多输入多输出的特性,使其在求解非线性和不确定性控制问题方面具有其它方法所不具备的优势与潜力。本文在深入分析铝电解问题及生产实时数据的基础上,提出了一种新的铝电解氧化铝浓度控制方法。针对特定的槽况、工况,本方法旨在对氧化铝浓度进行有效控制,使槽况、工况尽可能保持在较好、稳定的状态或向该方向发展。论文的主要工作和成果如下:(1)研究铝电解过程数据的时序性,结合神经网络、关联规则库、专家系统,提出了一种新的氧化铝浓度识别方法及控制方法。该方法详细阐述了控制模型中,神经网络模型与关联规则库、专家系统的关系,并将神经网络上升为一种控制模型,利用控制策略对生产过程中的可控参数(自变量)进行实时、量化控制,进而将氧化铝浓度控制在设定目标范围内,使生产始终保持在较好的状况,最终实现了对铝电解生产过程的优化控制。(2)分析目前已有的几种典型的数据流趋势分析方法,包括滑动窗口(SW)算法、外推式在线数据分割(OSD)算法及其优越性和局限性。最终对动态数据流趋势分析方法进行了改进,提出了可变滑动窗口分析方法。针对铝电解实时数据流,该方法提高了趋势分析精度,从而提高整个模型的控制精确性。(3)结合专家知识,分析氧化铝浓度影响因子,采用数据仓库和数据挖掘技术对铝电解生产数据进行在线分析,最终提取出氧化铝浓度判断规则库。本文提出的氧化铝浓度控制方法在中铝贵州分公司得到了有效的运用,于2009年1月投入实验性生产,有效、准确地控制了氧化铝浓度,进而达到节能降耗目的。