基于模糊神经网络的铝电解过程温度控制(可编辑)

《基于模糊神经网络的铝电解过程温度控制(可编辑)》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于模糊神经网络的铝电解过程温度控制摘要铝电解工业过程屮，电流效率是最重要的技术经济指标之一，而电解温度又是影响电流效率的最重耍因素，因此生产过程中对铝电解过程温度和过热度的准确控制非常重要。但由于铝电解是一个大时滞的工业过程，温度的控制效果不能实时的显现出来，对一般的控制算法提出了挑战。因此木文希望通过预测模型将某种控制参数的控制效果提前准确预测，就可以动态修正控制参数，从而达到系统要求的控制效果。本文基于广义动态模糊神经网络算法（GD-ENN）,利用电解槽正常运行的历史数据，构造铝电解预测系统，在给定铝电解槽所需电解温度，通过铝水平和分子比，对铝电解中的出铝量和氟化铝添加量进行预测

2、。此算法通过对高电流效率、低能耗的电解槽的运行规律进行自适应分析，训练出对应的决策规则，运用到效率低的电解槽，可以实现铝电解槽温度和过热度控制，提高铝电解电流效率。通过对某铝电解厂实际数据进行仿真实验，证明了该算法在铝电解控制中的有效性。该算法的优点在于不需要铝电解领域的专家知识，利用铝电解梢实际样本便可对系统自动建模及抽取模糊规则。所得到的系统模型具有结构紧凑的特点，避免了过拟合现象，给铝电解控制量决策带来了极大的方便。另外，将网络校验模块添加至广义动态模糊神经网络屮，组成一个预测控制系统。通过将网络预测值与工厂实际值比较，决定是否修正模糊神经网络。若比较值不符合期望，将数据加入数据

3、库中，当数据组数超过30组时，重新训练网络。若比较值达到要求，则说明预测网络良好，可继续使用。关键字:最后，通过VisualC++软件与Access数据库，并通过MATLAB实现混合编程，开发了一款上位机预测控制系统，主要实现了预测网络的离线训练，并具有可预测功能，以及历史数据查询及其曲线显示功能。电流效率广义动态模糊神经网络算法出铝量氟化铝添加量预测控制系统ThecontrolofthetemperatureofAluminumElectrolysisProcessbasedonthegeneraldynamicfuzzyneuralnetworkAbstractTnthealumi

4、numelectrolysisindustry，thecurrentefficiencyisoneofthemostimportanttechnical-economicindicators，whileelectrolysistemperatureisalsothemostimportantfactortoinfluencethecurrentefficiency，hencethedeterminationofAluminumtappingvolumeandA1F3additionisveryimportanttocontrolthetemperatureofaluminumprodu

5、ctioncelIsandtheoverheatedtemperatureprecisely.Sincealuminumelectrolyzingisalarge-lagindustrialprocess,theeffectofcontrollingtemperaturecannotbeappearedinstantly,whichproposesahugechallengetotraditionalcontrolalgorithm.Inthisthesis,thegeneraldynamicfuzzyneuralalgorithmpredictsthecontroleffectofs

6、omespecificparametersinadvancesoastomodifythecontrolparameterdynamicallyandachievethecontrolperformancethesystemacquired.Thearticleisbasedongeneraldynamicfuzzyneuralnetwork,constructinganaluminumelectrolyticpredictionsystemtoforecastthealuminumtappingvolumeandA1F3additionatagiventemperatureofalu

7、minumproductioncellsthatweneed.Throughtheadaptiveanalysisofoperationlawofhighcurrentefficiencyandlow-energyelectrolyticcell,thesystemtrainedthecorrespondingrulesandappliedtotheinefficientelectrolyticcellalgorithmically,soast