端边云协同的氧化铝生产过程苛性碱浓度智能预报方法

摘要：

苛性碱溶液浓度是氧化铝生产过程中的重要运行指标,由于苛性碱溶液的温度和浓度频繁波动,导致目前的浓度检测仪表检测精度低,只能采用人工化验获得苛性碱浓度值,化验结果的严重滞后导致无法实现苛性碱浓度的自动控制,影响氧化铝产品质量.在分析苛性碱溶液浓度控制过程动态特性的基础上建立了由线性模型和未知非线性动态系统描述的苛性碱浓度预报模型,将参数辨识与自适应深度学习相结合,提出端边云协同的氧化铝生产过程苛性碱浓度智能预报方法,并采用氧化铝生产企业的实际生产数据对本文所提方法进行应用验证.应用结果表明,所提的苛性碱浓度智能预报方法可以实时、准确预报苛性碱浓度,为实现苛性碱浓度的闭环运行优化控制创造了条件.

关键词：苛性碱浓度、未知非线性动态系统、端边云、自适应深度学习、长短周期记忆

所属期刊栏目：49

分类号：O231;TP212.13;TL38+4

资助基金：辽宁省科技重大专项计划;国家自然科学基金;国家自然科学基金;一体化过程控制学科创新引智基地2.0资助

在线出版日期：2023-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：964-973