强跟踪平方根UKFNN的铝电解槽工耗动态演化模型

摘要：

铝电解过程具有多变量、强耦合、强干扰、参数时变等特征,故其模型开发是一个技术难点。根据该过程的特点,本文提出强跟踪平方根无迹Kalman 神经网络(Strong tracking square root unscented Kalman filter neural network, STR-UKFNN),并用其建立铝电解槽工艺能耗的动态演化模型。该方法利用误差协方差矩阵的平方根代替UKFNN 算法中的协方差阵,避免误差协方差矩阵可能出现负定而导致滤波发散,并在UKFNN 算法中引入渐消因子和弱化因子,实时调整滤波增益,提高模型收敛速度和其对突变状态的跟踪能力。通过某铝厂170 kA 预焙槽的日报样本验证表明,该方法提高了能耗模型的精度和对电解槽突变状态的实时跟踪能力,有助于指导铝电解过程操作参数的优化。

关键词：铝电解、无迹卡尔曼滤波、神经网络、强跟踪滤波、动态演化建模

分类号：TP2;V44

资助基金：国家自然科学基金51075418,51374268,61174015;重庆市自然科学基金CSTC2012JJA1475;重庆市教委科学技术研究项目KJ121410;重庆科技学院校内科研基金CK2011B04, CK2011Z01资助Supported by National Natural Science Foundation of China51075418,51374268,61174015;Natural Science Foundation of ChongqingCSTC2012JJA1475;Science Technology Re-search Project of CQJWKJ121410;Campus Research Foundation of Chongqing University of Science and TechnologyCK2011B04, CK2011Z01

在线出版日期：2014-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：522-530