铸铝电解槽电压过程控制仿真研究

摘要：

在电解铝的实际生产过程中,由于不能实时监控槽电压的变化情况,容易发生电压摆动的问题.为了实时监控槽电压的变化以及预防电解槽的电压摆,提出了基于主成分分析(PCA)的极限学习机(ELM)多神经网络结构模型,用于铝电解生产过程槽电压预测.一方面,将极限学习机方法同主成分分析方法相结合,将高维输入变量压缩处理为低维主元变量,简化极限学习机模型,提高主成分分析极限学习机(PCA-ELM)算法的泛化性能.另一方面,将多个PCA-ELM子神经网络按照连接权值综合起来,建立铝电解生产过程槽电压的预测模型,进一步提高多神经网络模型的预测能力和预测精度.通过实际数据仿真结果表明,多神经网络预测模型能够准确的实时监控槽电压以及预防电压摆.

关键词：电压摆、主成分分析、极限学习机、多神经网络、槽电压

所属期刊栏目：33

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金61364007;广西自然科学基金2014GXNSFAA118391;广西教育厅科研项目YB2014003;广西大学博士基金项目XBZ110672

在线出版日期：2016-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：358-362