基于神经网络的电解铝过程温度与分子比的预测研究

论文摘要

在铝电解过程中,温度和分子比是两个重要的参数,它们直接反应了铝电解槽的物料平衡和能量平衡的状态,为了提高电流效率,减少环境污染,延长电解槽的使用寿命,则必须保证铝电解槽能够尽可能的工作在最佳的状态下,因此,就必须得到温度与分子比的精确值。但由于在实际生产中,一般的人工测量和建立数学模型的方法存在很大的局限性。因此,本文提出了使用径向基神经网络模型预测温度与分子比的方法。本文开始分析了铝电解槽中一些主要参数的特征和在铝电解槽中温度和分子比的控制实施的方法,结果表明槽电压、氟化铝加料量、铝水平三个参数是对温度和分子比有重要的影响,同时考虑到系统的大时滞性,所以选择了前两天的槽电压、氟化铝加料量、铝水平三个参数的值和前一天的温度与分子比值作为网络的输入,将下一天的温度与分子比作为网络的输出,使用径向基函数作为隐层的节点的函数,建立了一个三层的八输入两输出的RBF神经网络预测模型。其次,利用现场采集到的数据,分别利用梯度下降法和聚类法对网络训练,仿真结果表明,梯度下降法预测的20天的温度标准差为3.4163,分子比的标准误差为0.053,而聚类法预测的20天的温度标准差为1.9145,分子比标准差为0.0158,说明了聚类法的精度更好,从而选定聚类法来设计开发了基于神经网络的铝电解过程中温度与分子比预测系统。最后,使用Visual C++软件和SQL Server 2000数据库,并采用在VC++环境下调用MATALB混合编程的方法,设计开发了基于神经网络的铝电解过程中温度与分子比预测系统,该系统主要的功能是预测温度与分子比的值和神经网络的在线训练,同时为了方便使用还具有用户登入和用户管理模块和槽号管理模块,以及历史数据查询模块和显示并动态曲线显示模块。经测试该系统能够正常的运行,各个功能都能实现。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 本课题的研究背景和意义
• 1.1.1 铝电解工业概述和铝电解原理
• 1.1.2 铝电解温度与分子比的重要性
• 1.2 国内外发展现状及趋势
• 1.3 本课题所研究的内容和论文结构
• 2 RBF神经网络的构建
• 2.1 神经网络的概括
• 2.1.1 神经网络的主要用途
• 2.1.2 一些常用的网络及其特点
• 2.2 选用RBF网络的可行性分析
• 2.2.1 径向基函数网络的特点
• 2.2.2 铝电解槽中温度与分子比的变化过程分析
• 2.2.3 RBF网络用于温度与分子比预测的可行性
• 2.3 RBF网络模型构建
• 2.3.1 径向基函数网络结构
• 2.3.2 输入的选取
• 2.3.3 隐层节点的选取
• 2.3.4 输出层的选取
• 2.4 本章小结
• 3 RBF网络训练算法及仿真
• 3.1 期望误差的选取以及网络泛化能力分析
• 3.1.1 期望误差的选取
• 3.1.2 网络的泛化能力分析
• 3.1.3 样本的选取
• 3.2 网络训练的步骤
• 3.3 两种常用的算法介绍
• 3.3.1 基于梯度下降法的迭代算法
• 3.3.2 聚类法
• 3.4 仿真结果分析
• 3.4.1 对迭代算法仿真
• 3.4.2 对简化的聚类法仿真
• 3.5 两种算法的比较分析
• 3.6 本章小结
• 4 预测系统设计
• 4.1 软件开发工具选取和程序编写的流程
• 4.1.1 软件开发工具的选取
• 4.1.2 系统分析和总体设计
• 4.1.3 在SQL Server数据库中建立表
• 4.2 连接VC++、SQL、MATALB
• 4.2.1 VC++访问SQL数据库的方法
• 4.2.2 VC++与MTALAB的通信方法
• 4.2.3 VC++、数据库、MATLAB的连接过程
• 4.3 系统各模块的介绍
• 4.3.1 登入模块及用户管理模块
• 4.3.2 槽号管理模块
• 4.3.3 网络训练模块
• 4.3.4 历史数据查询与图形绘制模块
• 4.3.5 在线预测模块
• 4.4 系统测试
• 4.5 本章小结
• 5 结论
• 参考文献
• 申请学位期间发表的学术论文
• 致谢