基于小波神经网络的铝电解槽状态预测

林景栋，王　丰，廖孝勇
重庆大学自动化学院，重庆

摘　　　要：针对目前国内对铝电解槽运行状况诊断存在的难度大、效率低等问题，着眼于与实时工况相区别而反应电解槽电解能力和稳定运行的电解槽状态的研究，设计了一种以小波包算法提取槽状态信息和建立了用非线性Ｍｏｒｌｅｔ小波基取代传统神经元非线性激励函数的紧致型小波神经网络的槽状态预测模型。利用小波变换的时域局部化性质和神经网络的自学习能力，对铝电解槽的槽状态进行分析预测，克服了传统神经网络收敛速度慢，容易陷入局部较优等缺点。通过Ｍａｔｌａｂ对状态预测算法进行编程。结果显示，相比传统的神经网络预测模型，铝电解槽的槽状态预测更加准确。

关　键　词：小波包；小波神经网络；槽状态预测

１　引　言
铝电解是一个非线性、多变量耦合、时变和大时滞的工业过程体系，其过程伴随着复杂的物理化学反映，难以对其建立准确的数学模型。针对此种工业过程，对其所处运行状况的准确判断与预测是对其进行有效控制并保证其可靠运行的重要依据。目前， 国内外通过利用快速傅立叶变化（ＦＦＴ）、参数谱估计方法、小波包分解算法提取电解槽工况特征信息［１］，并结合模糊专家系统、神经网络［２］、聚类分析技术［３］、特征故障分类［４］等方法，能够发现铝电解槽的早期不良症状。但这些研究只是着眼于对电解槽实时运行工况的分析，而真正反映电解槽长期电解能力的槽状态却研究得较少。本文利用小波分析与神经网络相结合的方式，通过小波包算法提取电解槽瞬时电压中蕴含的槽状态信息作为神经网络的诊断输入样本，并利用小波神经网络较传统神经网络更强逼近和容错能力优点，对电解槽状态进行更加准确的诊断和预测。

登录网站后可下载文件

相关阅读:

• ...2012/03/13 13:59·基于小波和独立分量分析的煤矸界面识别