基于改进GNG的电解铝生产杂质预警与控制

铝电解工业中,铝液中杂质元素含量过高会严重影响铝液质量,Fe和Si含量的预警和控制对保证铝液质量有着重大意义。针对铝液中的杂质含量过高,缺乏用于实时监督的准确预警模型的问题,提出了一种基于加权欧式距离的GNG增量学习模型,构建了阈值机制实现对工业数据流实时监督和预警。通过K-means算法、经典GNG算法与改进GNG算法进行网络拓扑图比较分析。最后,结合铝液中Fe和Si含量的时间序列数据进行动态特征分析,实验结果表明,改进GNG算法对Fe和Si含量数据的实时监督和预警具有可靠性与准确性。