基于KPCA和SVM的铝电解槽漏槽事故预警方法

针对铝电解槽运行数据复杂多维、结构非线性且故障样本量相对正常运行样本量少的问题,提出了一种基于数据驱动的漏槽事故预警模型。模型采用简单经典的分类算法支持向量机,避免小样本数据带来的过拟合问题。并用交叉验证训练测试方法和麻雀搜索算法对参数寻优,提高分类器的性能。同时为了更好地挖掘铝电解运行数据中的特征信息采用核主成分分析法将数据降到8维,模型运行速度提高了65.51 s。另外在设置分类标签时结合实际情况选取了三个变化显著的特征参数作为辅助分类条件从而扩充了故障样本。最后对该漏槽事故预警模型进行性能验证,实验表明模型F1分数达到了0.995,AUC值达到了0.998。

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。

基于FLUENT数值模拟的袋式除尘器喷管最佳喷吹高度研究

以滤袋壁面峰值压力作为评价滤袋清灰强度的标准,采用FLUENT软件数值模拟优化袋式除尘器喷管的最佳喷吹高度。结果表明:对于长度为3m的短滤袋,在喷吹压力和喷管类型为(0.3 MPa,2型)和(0.4 MPa,1型)时,最佳喷吹高度为200mm;对于长度为5m的长滤袋,在喷吹压力和喷管类型为(0.4MPa,2型)和(0.3MPa,3型)时,最佳喷吹高度为250mm;实物测试系统实验验证表明,实际测量的压力和模拟得到的压力之间的相对误差均小于2%,模拟成功。

袋式除尘器喷管喷吹口径优化

喷管喷吹均匀是为了使同一排滤袋清灰力度均匀。针对袋式除尘器喷管喷吹气流均匀性的问题,国内外学者对各喷嘴出口气流质量流量的均匀性十分关注。采用流体力学fluent软件对喷管内流场进行模拟,提出了同一排滤袋清灰强弱分布受到各喷嘴出口气流的动量通量分布的影响,而不是质量流量的看法。对引射空间流场进行模拟,验证了这一看法。结果表明,为了达到喷管喷吹均匀,应使各喷嘴出口气流动量通量分布均匀。采用动量通量修正和重复迭代的方法对喷管喷吹口径进行优化设计,获得了较好的动量通量均匀性。

基于SDAE和随机森林的铝电解槽阳极效应预测方法研究

阳极效应故障是铝电解生产过程中最为常见的故障现象,阳极效应的发生会降低电解效率,极大增加能耗,同时对环境和设备均有危害,而铝电解生产环境恶劣,槽况参数繁多,各种因素交叉影响,使得阳极效应预测成为铝电解行业的重点研究问题。本文结合铝电解槽槽况数据大数据量、复杂多维、非线性等特征,提出了一种基于深度学习的阳极效应预测模型,构建了堆叠降噪自动编码器,直接从海量原始数据中挖掘关键故障特征信息。同时利用随机森林依据提取后的关键特征进行样本分类预测,能有效地解决阳极效应预测中存在的样本分布不均衡问题,提高了模型的鲁棒性和泛化性。同时在模型的优化上,采用Adam优化算法,相比于传统的优化算法,其在非稳态和在线问题上有很好的表现,大幅提高了模型运行效率。采用mini-batch梯度下降法,有效解决了每个隐含层都会出现covariate-shift问题,并在此过程中通过梯度检验来对模型的反向传播过程进行校准。最后对该阳极效应预测模型进行性能验证,实验表明,该模型效应预测准确率和F1分数分别达到96.78%和0.9501。提前预报时间可达30 min。