基于广义回归网络的铝电解阳极效应预报

应用广义回归神经网络对当前预焙槽铝电解阳极效应预报问题进行了研究。在简述广义回归神经网络的基本结构基础上,利用广义回归神经网络对铝电解槽阳极效应进行系统辨识建模。重点探讨了建模过程中模型样本结构的选择,实验分析了样本容量对模型预报准确率的影响。取自某铝厂400 k A大型预焙槽的单槽运行现场数据样本对模型进行训练和检验,结果表明该方法阳极效应预报准确率平均在90%以上,预报提前量可以达到半个小时。现场多台电解槽的建模测试结果进一步论证了该模型和样本结构的合理性和有效性,由此证实该方法在保证较高预报准确率同时,具有较好的普适性。

预焙铝电解槽阳极效应的智能预报方法

开发了以槽电阻斜率和累积斜率为主要判据、以物料平衡估算值以及电阻针振强度为辅助判据的阳极效应智能预报方法 .该方法的步骤是 :首先获取用于阳极效应预报的信息 ,包括槽电阻采样、槽电阻低通滤波、槽电阻斜率与累积斜率计算、槽电阻针振强度计算以及物料平衡估算 (即估算一定时间内累计加入电解槽内的氧化铝量与该时间内理论消耗量之差 ) ;然后据此进行阳极效应预报 ,即利用当前解析周期内的电阻斜率与累积斜率推理确定当前预报阳极效应的可信度 ,依据近期槽电阻针振强度的变化趋势以及物料累计偏差的取值情况对可信度进行调整 ,依据可信度值对阳极效应预报的进程标志进行处理 .测试结果表明 ,该方法的阳极效应预报成功率达 90 %以上 .

基于Elman神经网络阳极效应故障预报方法

目的用神经网络预测控制对铝电解阳极效应故障进行建模,采用相对应的故障检测策略对铝电解槽是否发生阳极效应进行预报.方法在分析铝电解生产过程的基础上,提出El-man神经网络的阳极效应故障预报方法,采用Elman神经网络建立故障预报模型,通过预测槽电阻值来预报阳极效应.结果 Elman神经网络结构简单、误差小、准确率高,在未知生产过程模型的情况下,建立的故障预报系统能够快速准确地实现对铝电解阳极效应故障的预报.结论该方法能够对铝电解中的故障做出正确的诊断,具有较强的自适应性和鲁棒性,有较强的函数逼近能力和收敛速度.因此,该模型大大提高了故障预报精度和实时性,避免了故障的发生,提高了铝电解的生产效率,实现了安全生产,降低了能源消耗,故障诊断准确率在90%以上.

基于深度学习的300 kA铝电解槽阳极效应预测

本文对铝电解槽阳极效应机理和故障参数进行研究,提出了一种基于深度学习的阳极效应预测方法,能适应不同维度、不同数据特征的槽况参数,直接从海量原始数据中挖掘故障特征信息,大幅缩减效应响应时间,具有很好的鲁棒性和抗干扰能力,同时在模型调试优化上,采用Batch normalization算法和梯度检验,提高了模型收敛速度和稳定性。结果表明:该模型效应预测准确率和F1分数分别达到94.65%和0.9317,提前预报时间可达16 min,并通过现场实验验证,达到实际生产要求。

炭阳极气泡振动信号的谱分析与阳极效应预报

本文提出一种新的阳极效应预报方法 ,该方法根据故障检测原理 ,采用谱估计和时频分析等现代信号理论 ,可对阳极效应有效地进行预报 ,不仅可以提高铝的产量和质量 ,而且对节能和保证整个电解系列平稳安全生产 。

有序神经网络及在阳极效应预报中的应用

提出了利用有序神经网络研究铝电解槽阳极效应的预报问题。概述了铝电解槽及其阳极效应的基本情况,针对铝电解槽控制难题和传统方法的不足,选择有序神经网络用于阳极效应概率预报。描述了有序神经网络的基本结构、与传统单隐层BP神经网络的区别以及由此带来的网络映射性能的改善,并使用梯度下降原则推导了有序神经网络的学习算法。使用铝电解槽的现场数据对有序神经网络进行训练并检验,结果表明有序神经网络可以比传统神经网络更及时、准确地对铝电解槽阳极效应进行预报。

模糊系统在阳极效应故障诊断中的应用

为了提高生产效率、降低成本,通过对铝电解过程中的阳极效应故障进行有效的检测和预报,减少阳极效应的发生。通过对阳极效应发生机理和故障发生时相关特征量变化趋势的分析,基于模糊逻辑理论,建立了模糊系统故障检测模型,实现了对阳极效应的检测和预报。实验运行结果表明,利用模糊系统对阳极效应的故障诊断预报的方法行之有效,提前了预报时间,提高了预报的准确率。利用模糊系统对阳极效应进行故障诊断的方法,可有效地降低铝电解中阳极效应发生率,降低能耗,具有良好的应用前景。

基于小波包分解的铝电解阳极效应振动谱特征提取

阳极效应是铝电解过程中的一种常见现象,它的发生对整个电解系列产生很大影响。效应的发生影响了电解系列的各项技术指标,降低了铝的产量和质量,破坏了整个电解系列的平稳供电。参考Xue和Oye提出阳极效应检测方法,采用小波包与谱估计相结合的方法,对铝电解中阳极效应时阳极导杆振动信号进行小波包多层分解,以提取信号特定频段的频率特征。从仿真结果上看,此方法能较好地对阳极效应进行检测和定位,有利于更好地预测以及后期的系统实现。

阳极效应预报新方法在控制系统中的实现

针对铝电解中的阳极效应预报存在的问题．提出一种新的阳极效应预报方法．该方法简单易行、易于在计算机控制系统中实现，不仅可以提高铝的产量和质量，而且对节能和保证整个电解系列平稳安全生产，具有很重要的意义。

铝电解中非阳极效应过程全氟化碳的排放分析

通过傅里叶变换红外光谱仪研究某300 k A工业铝电解槽非阳极效应过程全氟化碳(PFC)的排放,探讨PFC产生的电位,研究氧化铝浓度对非效应PFC产生的影响,分析非效应和效应过程PFC中CF_4和C_2F_6 的比例关系。结果表明,非阳极效应PFC产生的主要原因是电解槽内氧化铝浓度偏低,氧化铝浓度低于2.78%时会产生非阳极效应PFC,在非阳极效应PFC主要是CF_4,没有发现C_2F_6 。通过改善氧化铝浓度分布情况,可消除非效应PFC的排放。

铝电解生产过程中阳极效应预报新方法研究

本文提出一种新的阳极效应预报方法 ,该方法根据故障检测原理 ,采用辨识及参数估计理论 ,可在计算机控制系统中有效地对其进行预报 ,不仅可以提高铝的产量和质量 ,而且对节能和保证整个电解系列平稳安全生产 ,具有很重要的意义。

500kA铝电解槽阳极效应“趋零化”控制技术

介绍了在酒钢集团甘肃东兴铝业有限公司嘉峪关一期45万吨500kA大型铝电解系列通过研究开发和实施应用以工艺技术条件的耦合匹配为平衡优化核心的阳极效应"趋零化"控制技术,实现阳极效应系数小于0.02次/(槽·日)、阳极效应持续时间小于90秒/次,取得了显著的经济与环保效益,并形成一条行之有效的阳极效应"趋零化"控制技术路线。

阳极效应的哲学意义—量变与质变

本文采用灾变数学中的Cusp理论概括了熔盐电解中阳极效应的一些规律,进而讨论了质变中的平衡态、滞后、质变的势阱,质变和量变的方式等哲学问题,提出了质变中飞跃越大则滞后也越大的命题。

浅谈铝电解生产中阳极效应的危害性

本文分析了铝电解生产中阳极效应的危害性。指出随着科技的不断发展,在生产中,只要槽况正常,就无需利用效应。“零效应”管理是铝电解生产今后发展的方向。

铝电解中阳极效应过程三步骤的研究

研究了实验室和工业铝电解中发生阳极效应时的电压波形,及其对同一系列中邻槽的影响。根据观测电压波形的结果,提出阳极效应过程三步骤的观点:诱导期、稳定期和熄回期。根据估算,一般阳极效应时高频波的频率在 10 000—20 000 Hz 之间,其影响程度随系列中槽数增多而减小。

铝电解生产中阳极效应的Cusp突变模型

采用突变数学中的Cusp模型描述了铝电解中阳极效应和生产过程,给出了电解过程的行为曲面和分叉集,在模型的基础上讨论了阳极效应发生和熄回的滞后及阳极反应的势阱。认为,阳极效应也是一种平衡态,它的发生和熄回有着严重的滞后。

铝电解阳极效应的不可逆过程特征

用不可逆过程热力学理论，对铝电解中阳极效应机理及其发生规律进行了分析、研究认为，阳极效应是一种远离平衡态的不可逆过程．具有耗散结构的特性．根据研究结果提出了抑制阳极效应发生的措施．

实现铝电解槽自熄灭阳极效应的方法探究及工业化应用研究

本文论述了某500k A电解槽阳极效应自熄灭方法及工业化应用探究,实现了阳极效应系数低于0.02次/槽.日,效应持续时间低于90s/槽.次,自动熄灭阳极效应的成功实践,取得了明显的经济、环境和社会效益。

铝电解阳极效应装置的问题及技术改进

在铝电解教学实验过程中需要人为产生阳极效应,加深学生对该现象的理解。针对传统效应发生装置的不足进行了改进及创新,实验由教师演示操作转变为学生自主动手操作,提高了实验效率和效果。

基于广义回归神经网络的阳极效应自动预测

针对当前阳极效应预测方法存在精度低、过拟合等缺陷,根据阳极效应的非线性、时变性等变化特点,设计了一种基于广义回归神经网络的阳极效应自动预测模型。首先采集阳极效应预测的样本,并对样本数据预处理,建立阳极效应预测的学习样本,然后将阳极效应的学习样本输入到广义回归神经网络进行学习,构建阳极效应自动预测模型,最后进行了具体的阳极效应预测仿真实验,并与其他模型进行了阳极效应预测的对比测试。结果表明,广义回归神经网络可以有效的拟合阳极效应变化特点,提高了阳极效应预测精度,而且预测误差明显要小于当前其他阳极效应预测模型,具有较高的实际应用价值。