基于PSO-BP的大型預(yù)焙陽極鋁電解槽電解溫度預(yù)測模型的研究.pdf

1、在大型預(yù)焙陽極鋁電解生產(chǎn)過程中，電解溫度是影響電解槽電流效率最直接、最重要的因素。由于鋁電解槽中熔融態(tài)的電解質(zhì)具有高溫、強(qiáng)腐蝕性等特點(diǎn)，采用常規(guī)的熱電偶測溫方法存在設(shè)備使用壽命短、不能長期連續(xù)測量、使用和維護(hù)成本高等問題；改進(jìn)的動(dòng)態(tài)測溫方法測量誤差大，數(shù)據(jù)滯后太多，未能在工業(yè)現(xiàn)場得以推廣應(yīng)用。論文針對(duì)此問題，將基于BP神經(jīng)網(wǎng)絡(luò)的軟測量技術(shù)引入到鋁電解槽電解溫度的預(yù)測中，以實(shí)現(xiàn)鋁電解溫度的在線檢測。
　　 論文定性分析了電解槽工作

2、電壓、出鋁、換極、氟化鹽添加、氧化鋁下料、環(huán)境溫度、陽極效應(yīng)、保溫材料等因素對(duì)電解溫度的影響，并對(duì)其中的主要因素進(jìn)行了半定量試驗(yàn)分析，確定了電解溫度檢測模型的輔助變量。用BP神經(jīng)網(wǎng)絡(luò)搭建了鋁電解槽電解溫度的預(yù)測模型，并在MATLAB上進(jìn)行了仿真分析。
　　 針對(duì)基于BP神經(jīng)網(wǎng)絡(luò)的電解溫度預(yù)測模型存在的收斂速度慢、穩(wěn)定性差和泛化能力弱的問題，采用局部模式下帶慣性權(quán)重因子的粒子群優(yōu)化算法對(duì)電解溫度預(yù)測模型進(jìn)行了優(yōu)化。