電流效率作為鋁電解過程的重要參數(shù),獲得實時準確的測量結果對實現(xiàn)過程的有效控制至關重要�；跀�(shù)據(jù)挖掘的思想,提出基于優(yōu)化核極限學習機（KELM）的鋁電解電流效率預測模型。通過分析鋁電解機理,獲得影響電流效率的過程參數(shù),采用核主元分析法對試驗數(shù)據(jù)進行降維,并用聚類算法剔除數(shù)據(jù)異常點,建立基于KELM的鋁電解電流效率模型。使用鯨魚優(yōu)化算法與模擬退火的混合算法（WOASA）優(yōu)化KELM模型的關鍵參數(shù),從而提高模型的精度和泛化能力。通過實際生產數(shù)據(jù)進行仿真試驗,將本文的方法與原始KELM、PSO-KELM、GWO-KELM、CGWO-KELM算法進行對比,結果證明了該預測模型的有效性,可以實現(xiàn)鋁電解過程電流效率的準確預測。 

【文章頁數(shù)】：6 頁

【文章目錄】：
1 模型數(shù)據(jù)準備
    1.1 數(shù)據(jù)降維
    1.2 離群點剔除
    1.3 模型精度指標
2 電流效率預測模型
    2.1 電流效率預測模型建立
    2.2 WOASA優(yōu)化KELM
3 仿真結果分析
    3.1 數(shù)據(jù)處理對模型影響分析
    3.2 WOASA-KELM模型驗證
4 結束語


【參考文獻】：
期刊論文
[1]人工智能在過程工業(yè)綠色制造中的機遇與挑戰(zhàn)[J]. 毛帥,王冰,唐漾,錢鋒.  Engineering. 2019(06)
[2]基于強化模糊認知圖實現(xiàn)數(shù)據(jù)與知識協(xié)作的氟化鋁添加量決策方法[J]. 岳偉超,桂衛(wèi)華,陳曉方,曾朝暉,謝永芳.  Engineering. 2019(06)
[3]鋁電解生產智能優(yōu)化制造研究綜述[J]. 桂衛(wèi)華,岳偉超,謝永芳,張紅亮,陽春華.  自動化學報. 2018(11)
[4]自動化科學與技術發(fā)展方向[J]. 柴天佑.  自動化學報. 2018(11)
[5]基于優(yōu)化核極限學習機的中期電力負荷預測[J]. 任瑞琪,李軍.  測控技術. 2018(06)
[6]基于DBSCAN算法的城軌車站乘客聚集特征分析[J]. 李曉璐,于昕明,郗艷紅,楊晨光,張溪,張彭,朱廣宇.  控制與決策. 2019(01)
[7]低分子比鋁電解生產對電流效率的影響[J]. 陳善永,陳建軍.  中國有色金屬. 2017(S1)
[8]鋁電解槽瞬時電流效率測試方法研究[J]. 曹永峰,周云峰,侯光輝,羅麗芬,王俊偉,劉卓.  輕金屬. 2017(05)
[9]鋁電解過程電流效率智能集成預測模型[J]. 孔磊,王卓,王紫千,劉釗.  控制工程. 2015(04)
[10]基于數(shù)據(jù)融合的鋁電解電流效率因素最佳匹配[J]. 孔磊,王卓.  計算機仿真. 2015(05)



本文編號：3710437