基于小波神经网络的铝电解槽状态预测

摘要：

针对目前国内对铝电解槽运行状况诊断存在的难度大、效率低等问题,着眼于与实时工况相区别而反应电解槽电解能力和稳定运行的电解槽状态的研究,设计了一种以小波包算法提取槽状态信息和建立了用非线性Morlet小波基取代传统神经元非线性激励函数的紧致型小波神经网络的槽状态预测模型.利用小波变换的时域局部化性质和神经网络的自学习能力,对铝电解槽的槽状态进行分析预测,克服了传统神经网络收敛速度慢,容易陷入局部最优等缺点.通过Matlab对状态预测算法进行编程.结果显示,相比传统的神经网络预测模型,铝电解槽的槽状态顸测更加准确.

关键词：小波包、小波神经网络、槽状态预测

所属期刊栏目：19

分类号：TP27(自动化技术及设备)

资助基金：重庆市自然科学基金资助项目CSTC2009BB3209

在线出版日期：2012-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：290-293