专利名称：铝电解过程电解槽中氧化铝浓度的软测量方法
技术领域：
本发明涉及铝电解过程生产参数的测量技术，尤其涉及一种用于解决铝电解过程中难以用物理传感器在线实时测量电解槽中氧化铝浓度的软测量方法。
背景技术：
在铝电解工业中，氧化铝浓度是反映铝电解槽生产运行过程的重要状态参数，同时也是维持铝电解槽物料平衡的一个重要控制参数，根据现代铝电解工业生产“三低一高”的工艺调度要求，必须将氧化铝浓度控制在一个较低的浓度范围，但是由于目前针对氧化铝浓度直接测量的传感器成本高、容易损坏等经济、技术原因，导致一直缺乏在线直接测量氧化铝浓度的测量手段，这已经成为制约铝电解行业进一步提高控制效率，降低能耗的一个瓶颈。目前，软测量技术为解决此类问题提供了有效的途径，并被认为是富有成效和最具有吸引力的新方法，在不增加或少增加投资的条件下，软测量技术将会得到广泛应用，从而对过程控制和检测系统产生巨大的影响。软测量就是依据易测可测的过程变量(称为辅助变量，如速度、压力、温度等)与难以直接检测的待测变量(称为主导变量，如物料成分、产品质量等)的数学关系，根据某种最优准则，采用各种计算方法，用软测量模型实现对待测变量的测量或估计。目前，针对氧化铝浓度的软测量，主要还是槽电阻斜率计算法，即通过对槽电阻大小的分析可以推算出氧化铝的浓度，其关系曲线如图I所示。由于槽电阻R是由槽电压和系列电流强度计算所得，可以将图I所示的关系转换为槽电压与氧化铝浓度之间的关系，即将氧化铝浓度变化转化到一个较小的时间区间范围内，在此范围内依据槽电压或槽电阻斜率值及其对应的氧化铝浓度值，采用线性回归模型等线性理论的方法，建立氧化铝浓度的软测量模型，这种方法只能在很小的工作区域内有效的检测氧化铝浓度变化，而不能彻底解决整个工作区域的氧化铝浓度软测量问题，这是因为氧化铝浓度除了跟当前的槽电压或槽电阻变化有关外，还与当前或早些时候电解槽所处的电解槽状态，所采用的槽动作，和其他生产参数的波动等有关。另外，基于人工神经网络(Artificial Neural Network,简记为ANN)的氧化铝浓度软测量也有人采用过，基于人工神经网络的软测量可在不具备对象的先验知识的条件下，根据对象的输入输出关系直接建模，模型的在线校正能力强，并能适用于高度非线性和严重不稳定系统。但是，神经网络的学习训练样本的数量和质量、学习算法、网络的拓扑结构和类型等的选择对构成的软测量模型都有重大影响，而且训练样本特征向量的选择往往缺乏可靠的工艺依据，所以采用神经网络的氧化铝浓度软测量模型也有其局限性。综上所述，由于铝电解槽是一个非均一非稳态模型，涉及到的氧化铝浓度变化的各项因素相互耦合，所以结合工艺选取合适的氧化铝浓度模型的特征输入，采用一种准确、可靠的非线性软测量模型对建立氧化铝浓度软测量模型是至关重要的。

发明内容
有鉴于此，本发明的目的是提供一种准确、可靠的铝电解过程电解槽中氧化铝浓、度的软测量方法。
本发明的目的是通过以下技术方案实现的该铝电解过程电解槽中氧化铝浓度的软测量方法，包括以下步骤步骤一采集过程生产参数数据，包括采集槽电压、系列电流、加料间隔(NB)、出铝量的过程产生参数，并通过硬件设备建立存储各个参数数值的历史数据库；步骤二 设定一读取时间参数和读取时间段参数，每隔一段读取时间参数，就读取历史数据库该时刻的读取时间段参数以前的数据，对过程生产参数进行数据处理，建立训练样本集合和测试样本集合，样本集合的格式为Ixi, yj，其中Xi = {F (k), H (k), R (k), S (k), T (k), NB (k), L (k), Vs (k)}, Yi = {C (k)}, Xi e R8,Ii e R，其中，式中各参数的含义如下k表示样本i所处的某采样时刻，时刻k-时刻(k-ι)=读取时间参数；F(k)为槽电压波动次数，对采集到的读取时间段参数以内的所有槽电压数据信号Vk按照树结构用DB8小波分解信号到第八层，然后将(8，0)频段的信号进行重构得到读取时间段参数以内的(8，0)频段的槽电压信号V·，统计读取时间段参数以内(8，0)频段的槽电压信号波峰波谷个数，一个波峰波谷记为I次波动，一个波峰或者波谷为O. 5次波动；H(k)为高频能量百分比，将采集到读取时间段参数以内的槽电压记为Vk，计算槽电压信号总能量
权利要求
1.铝电解过程电解槽中氧化铝浓度的软测量方法，其特征在于所述软测量方法包括以下步骤 步骤一采集过程生产参数数据，包括采集槽电压、系列电流、加料间隔(NB)、出铝量的过程产生参数，并通过硬件设备建立存储各个参数数值的历史数据库； 步骤二 设定一读取时间参数和读取时间段参数，每隔一段读取时间参数，就读取历史数据库该时刻的读取时间段参数以前的数据，对过程生产参数进行数据处理，建立训练样本集合和测试样本集合，样本集合的格式为Ixi, yj，其中 Xi = {F (k), H (k), R (k), S (k), T (k), NB (k), L (k), Vs (k)} ,Yi = {C (k)}, Xi e R8，力 e R,其中，式中各参数的含义如下 k表示样本i所处的某采样时刻，时刻k-时刻(k-Ι)=读取时间参数； F(k)为槽电压波动次数，对采集到的读取时间段参数以内的所有槽电压数据信号Vk按照树结构用DB8小波分解信号到第八层，然后将(8，0)频段的信号进行重构得到读取时间段参数以内的(8，O)频段的槽电压信号V·，统计读取时间段参数以内(8，O)频段的槽电压信号波峰波谷个数，一个波峰波谷记为I次波动，一个波峰或者波谷为O. 5次波动； H(k)为高频能量百分比，将采集到读取时间段参数以内的槽电压记为Vk，计算槽电压信号总能量
2.根据权利要求I所述的铝电解过程电解槽中氧化铝浓度的软测量方法，其特征在于在步骤四中，槽状态包括健康、基本健康、亚健康、临界健康、轻微病态、中度病态、严重病态共七种状态，针对不同槽状态下的训练采集得到样本集合，采用最小二乘支持向量机(LSSVM)训练得到不同槽状态对应的氧化铝浓度软测量模型，共7种，采用的最优函数如下
3.根据权利要求2所述的铝电解过程电解槽中氧化铝浓度的软测量方法，其特征在于核函数为径向基函数(RBF),表示为
4.根据权利要求I所述的铝电解过程电解槽中氧化铝浓度的软测量方法，其特征在于在步骤四中，对某一槽状态下的电解槽，氧化铝浓度软测量模型参数的算法如下 步骤I : 模型参数初始化；包括初始化群体数量η、最大迭代次数kmax、学习因子C1、学习因子C2、惩罚系数变化速度下界Vcmin、惩罚系数变化速度上界Vcmax、核函数宽度系数变化下界V σ _、核函数宽度系数变化下界V σ _、核函数宽度系数下界σ _、核函数宽度系数上界σ_、惩罚系数下界Cniin、惩罚系数上界Cniax、惯性权重ω ； 步骤2 :初始化群体中的所有粒子对应算法参数c和σ，即初始化粒子种群，初始种群通过Logistic映射来产生得到，具体方法是定义ξη，ξ12为(0，1)内的随机数，且ξη 关 ξ12，将 ξη，ξ12 代入 Logistic 映射，即:
5.根据权利要求I所述的铝电解过程电解槽中氧化铝浓度的软测量方法，其特征在于在步骤一中，读取时间参数为IOmin,读取时间段参数为2h。
全文摘要
本发明公开了一种铝电解过程电解槽中氧化铝浓度的软测量方法，具体包括以下步骤(1)过程生产参数数据采集；(2)过程生产参数数据预处理；(3)过程生产参数数据样本建立；(4)建立基于不同槽状态的多氧化铝浓度软测量模型及求取模型参数；(5)应用模型预估氧化铝浓度。本发明能够快速、准确、实时的检测氧化铝浓度的变化，实现对生产过程的优化控制。
文档编号G01N33/00GK102636624SQ20121013160
公开日2012年8月15日 申请日期2012年4月28日 优先权日2012年4月28日
发明者吕函珂, 林景栋, 林湛丁, 王丰, 王雪 申请人:重庆大学