一、智能控制在铝电解槽中的应用（论文文献综述）
苏义鹏[1]（2021）在《复杂电解质体系下铝电解工艺控制技术研究》文中认为科学技术的不断发展使得我国的铝电解工艺得到不断的升级和进步,但是当前我国的铝电解工艺依旧存在一些问题。基于此,本文将具体介绍铝电解工艺,分析铝电解工艺发展现状和复杂电解质体系对铝电解的影响,并探究复杂电解质下铝电解工艺的优化控制措施,希望能够对相关人员的研究工作有帮助,促进铝电解工艺的进一步优化和发展,推动社会整体发展水平的进一步提升。
张振兵[2]（2020）在《基于数据驱动的氧化铝浓度控制》文中研究表明铝电解工业是一个高耗能、高污染型的流程工业,随着当今计算机技术以及信息技术在铝电解工业当中的应用,促使铝电解技术的发展更加信息化、智能化。通过了解电解槽的生产工艺和参数数据特点,以及对电解槽运行过程中数据的分析,得知铝电解槽氧化铝浓度合理的控制对铝电解生产过程提高电流效率、降低能量消耗有重要作用。为便于对电解槽中的氧化铝浓度进行有效预测,采用数据驱动的神经网络预测算法对电解槽中的氧化铝浓度进行预测。利用专家知识选择对氧化铝浓度有较大影响的电流、工作电压、下料量、出铝量、铝水平、电阻、分子比和电解质水平这8个参数数据。对参数数据缺失值进行拉格朗日插值处理以及异常值进行箱型图检测以及降噪处理,然后选择这8个处理后的参数数据作为BP神经网络氧化铝浓度预测模型的输入,氧化铝浓度作为预测模型的输出,建立了氧化铝浓度预测的BP神经网络预测模型。为了提高BP神经网络预测的精度和训练速度,采用L-M优化算法对神经网络训练进行优化。将工业生产采集的数据作为训练数据,分为训练集（70%）、验证集（15%）以及测试集（15%）。经过计算,得到BP神经网络预测模型验证和测试的均方误差分别为:0.013581、0.013021。通过工业生产数据检验,该模型的预测精度为0.1,得到了满足工业生产要求的Al2 O3浓度的神经网络预测模型。最后根据BP神经网络预测模型预测出的氧化铝浓度,结合氧化铝浓度变化原理和生产实际,提出了通过调整电解槽基准下料间隔来调节氧化铝浓度值,保证氧化铝浓度在期望的范围[1.5%,2.0%]区间中。
孔淑麒[3]（2020）在《铝电解槽状态预测算法研究》文中研究说明铝电解是一个非常复杂的工业过程,并且会有大量的数据在这个生产过程中产生,通过对这些数据的深入分析和挖掘,找到潜在的信息,分析其与槽状态变化的联系,对槽状态进行了聚类分析。然后在聚类的基础上,对槽状态进行了预测,预测结果方便专业人员及时发现槽状态的改变,为后续的决策提供参考依据,能够提前作出决策减少损失,同时也提高了智能控制在铝电解行业的发展应用。主要有以下几项工作:1、介绍了铝电解槽生产数据的采集和归一化处理的过程,然后利用pearson相关系数对所用到的九个特征进行了相关性分析。最后通过聚类方法对铝电解槽状态聚类,本文介绍了一种DPCA-GMM算法,针对GMM（Gaussian Mixture Model）算法无法自适应聚类个数K的问题,提出了先通过DPCA（Clustering by fast search and find of density peaks）算法确定其最优聚类数目K,并将该算法判断的K值应用于GMM算法。实验证明这一改进减少了当应用GMM算法时随机选取聚类个数K带来的不确定性。通过对铝电解槽状态的聚类,可以用来区分铝电解槽的正常状态和异常状态。2、针对铝电解槽状态的预测问题,提出了一种K-LSTM算法,该算法是在传统的LSTM算法的基础上,针对铝电解槽状态变化不频繁所带来的样本不平衡问题,在存在该问题的遗忘门中,采取设置权重的途径来消除样本不平衡。实验证明该算法能够有效地对铝电解槽状态作出预测。与传统的LSTM算法和基于注意力机制的EA-LSTM算法相比准确性有了很大的提高。3、应用文中提出的DPCA-GMM算法和K-LSTM算法,设计并实现了铝电解槽状态智能分析系统,该系统可以可视化展示铝电解槽的生产数据,包括多维分析、相关性分析,以及对槽状态聚类分析的结果展示和槽状态预测的结果展示,使铝电解槽管理更加方便直观。
李双雪[4]（2020）在《电解铝出铝全流程智能控制关键技术研究》文中研究说明我国是世界上最大的电解铝生产国,约占全球的二分之一,预计2020年全国的电解铝产量可达4000万吨。出铝全流程控制是电解铝生产的关键工艺过程,主要包括出铝和配铝两大环节,目前出铝和配铝控制存在管理粗放,过于依赖人工经验等问题。针对于此,本文完成了以下三方面的工作:首先对电解铝的生产流程做了详细的系统分析,描述了工艺流程,阐明了生产中的信息流和物流流转。在此基础上,对电解铝的出铝和配铝进行了全面的分析,为后续的研究提供了工艺解释和场景描述,引出了出铝和配铝的重要性。目前电解生产出铝计划制定,主要依靠技术人员基于每日基础数据利用经验判断下达每台槽出铝计划,各个厂家有不同的经验计算方式,出铝量没有统一的计算模型,操作人员变更会影响生产稳定。针对于此,本文分析了历史经验数据,对可能影响出铝任务制定的生产工艺参数进行数据相关性系统分析,筛选出影响因素最高的前日出铝量、下料次数、铝水平、电解质水平、槽温、过欠比共6项参数,建立6个输入节点,1个输出节点的出铝量预测模型,以MLP神经网络算法训练模型,学习优秀人工经验中蕴含的知识,实现了出铝量的计算机智能决策。针对电解铝后续的出铝工艺,提出配铝优化算法,以天车出铝路径最短为目标函数,分析了免疫克隆算法在解决配铝问题上的局限性,并针对基本免疫克隆算法存在的收敛速度慢,易陷入局部最优等问题,提出采用模拟退火算法思想对其进行优化改进的思想,同时对高杂质电解槽采取了直接梯度拆分策略,提高了配铝算法的性能。针对以上工作,采用电解铝工厂的实际数据完成了计算测试,结果证明了本文方法的有效性。本文方法为电解铝出铝全流程的智能控制提供了参考方案。
李永腾[5]（2019）在《氧化铝浓度控制系统的设计研究》文中研究说明氧化铝浓度的控制一直是电解铝生产过程的关键,本文以**电铝公司的电解铝生产过程中氧化铝浓度的控制为研究背景,将智能特征建模理论、单神经元自适应控制和神经网络软测量等方法应用到氧化铝浓度的控制系统中,达到了一定的控制效果。传统氧化铝浓度控制的方法基本有两种:一是在设计中构建数学模型,从而实现精确控制,但生产过程复杂多变,导致难以建立准确的数学模型来控制氧化铝的浓度。二是智能控制技术,将现场试凑作为氧化铝浓度控制实现的主要途径,但试凑受高温、大电流、恶劣环境等诸多不利因素影响,难以实现高效控制。本课题设计的智能特征建模理论,建立集上述两种控制方式优点于一体的模型,可以科学地综合模糊与精确模型、定性与定量模型,从而提高控制精度,使氧化铝浓度的控制更优化。本课题以智能的控制理论为基础,通过智能模型、单神经元自适应PID控制、Elman神经网络、最小二乘法等相关理论进行分析,针对氧化铝浓度和表观电阻之间的关系进行综合分析,根据分析得到的数据,构建氧化铝浓度的智能模型,模型包括搭建加料与表观电阻间的控制模型、工作区域的模型、表观电阻与氧化铝浓度的特征模型、定性估计模型、综合集成模型等。根据模型设计了整套控制系统,进行了仿真,与原来方法比较,此方法在控制氧化铝的浓度上较以前的方法效果更优。对于整个系统,由于被控对象本身的许多不确定特性,需要实时在线辨识控制模型参数,故控制系统的工作量为增加,控制系统的实时性也随之降低。后期将投入更多的时间对这些问题进行深入地研究。
桂卫华,岳伟超,谢永芳,张红亮,阳春华[6]（2018）在《铝电解生产智能优化制造研究综述》文中研究指明铝电解行业具有战略基础地位,面临着诸多挑战性难题,包括原料来源复杂使得工况难以稳定优化运行、多目标协同优化难度大、控制决策智能化水平和数据利用率低以及铝电解企业在内外环境的不确定性影响下难以实时做出正确决策等.为了解决上述问题,本文提出构建一种集铝电解智能分布式感知系统、系列槽智能协同优化控制系统、大型槽智能优化控制系统、智能安全运行监控系统和虚拟制造系统于一体的铝电解智能优化制造系统的方法.同时提出了铝电解制造系统的未来发展目标和愿景功能,并给出了相关研究方向.最后给出了技术发展规划,提出中短期规划和中长期规划"两步走"战略,并对铝电解生产智能优化制造系统发展前景作出展望.
张旻,张荣进,董伟强,李天喆[7]（2017）在《铝加工中电解节电智能控制系统的研究》文中进行了进一步梳理铝电解过程非常复杂,各物理场之间相互耦合。在分析其基础上提出一种铝电解槽热平衡智能控制系统,该智能控制系统通过对电解质初晶温度的实时监测和铝电解质炉温自动控制,实现在一定范围内降低铝电解槽过热度,最大程度地降低每吨原铝的用电生产成本,减少能源消耗与浪费,实现铝电解过程中的热平衡。
李越[8]（2017）在《铝电解过程的建模与控制》文中进行了进一步梳理作为全球最大的电解铝生产和消费国,我国铝电解产业目前依然存在着低电流效率、高电能消耗、生产率较低等问题,如何在保持电解过程稳定的同时降低能耗、控制生产成本是铝电解生产企业的目标。本文以工业铝电解槽为背景,针对铝电解槽建模、铝电解过程的控制、铝电解半实物仿真平台的开发等进行了研究,主要工作如下:介绍了工业电解铝的原理、经济技术指标及重要工艺参数等内容,并以此为基础,采用机理分析的方式建立了电压平衡方程和能量平衡方程,由此得到铝电解槽模型,该模型能够反映极距与电解槽电压、电解系列电流的变化关系。设计了铝电解过程控制系统。选取槽电阻和系列电流作为控制目标以保证生产过程中的能量平衡并提高电解槽的平稳性,根据铝电解槽模型的特点确定了PID控制策略并引入无扰动切换思想,给出控制系统的总体结构并基于Matlab/Simulink平台进行仿真研究,控制效果良好。开发了铝电解半实物仿真平台控制装置,利用西门子S7-300系列PLC和铝电解槽模型搭建了铝电解槽电阻控制系统,并基于西门子视窗控制中心WinCC完成了控制系统监控界面的设计,能够实现对铝电解过程控制系统的实时监控,方便操作人员的管理。
李汉奇[9]（2016）在《铝电解极距控制方法的研究》文中认为我国铝电解产业已形成全球最大的生产和消费规模。目前,我国电解铝产能过剩,企业亏损,作为高能耗工业,降低电力资源的成本是市场竞争的关键。东北大学直流负载半实物仿真及负荷检测与综合控制装置以工业铝电解槽为背景,由“负荷监测与综合控制单元”（综合控制柜）和“直流负载半实物仿真平台”（微型电解槽）两部分组成,为在实验室中对铝电解过程进行研究、建模、仿真、监控提供了可能。本文首先对铝电解过程的工艺、控制进行调研和文献检索,对铝电解的相关背景资料进行总结,深入研究了铝电解生产过程的原理,认真分析了铝电解各个工艺参数与工艺指标之间的关系。本文采用受电流波动影响较小的电解槽等效电阻作为被控对象,分析了槽电压的构成,建立了槽电阻与极距间的控制模型。电解铝过程是一个具有参数时变、时滞、惯性和非线性的复杂对象,恒定参数的传统PID控制器无法满足需求,本文设计了基于改进的单神经元学习算法的PID极距控制器,针对传统PID控制器的缺点进行改善,对多变的对象参数有了更好的适应性,减少了控制器参数调节的工作量。最后,基于东北大学直流负载半实物仿真及负荷检测与综合控制装置,对电解铝极距控制系统解决方案进行设计和实现,采用LAD语言编写了改进的单神经元PID算法的程序,通过WinCC实现对控制系统的监控。
黄超[10]（2016）在《铝电解过程优化控制研究》文中认为铝电解生产行业是一个高耗能、高污染的行业,对铝电解生产过程实施优化控制管理显得尤为重要。氧化铝浓度和电解温度是铝电解过程中的两个关键指标,由于高温、大电流、强腐蚀性和强磁场等现象的存在,二者均不能在线连续测量。但是,二者又都需要被控制在一定的范围内,否则,将对预焙铝电解槽乃至整个电解系统产生不利影响。论文首先分析了现代铝电解生产工艺的基本原理和流程,介绍了生产过程中的相关工艺参数,并重点分析研究了铝电解生产过程中的物料平衡与能量平衡。其次,针对铝电解过程不易建立精确数学模型的特性,基于模糊神经网络,设计了氧化铝浓度的智能控制算法。该算法采用BP学习算法,能够有效跟踪控制铝电解生产过程中的氧化铝浓度。最后,针对存在开放性、非线性、大滞后以及多变量互关联等特性的铝电解过程,分析了影响预焙铝电解槽物料平衡与能量平衡主要因素的相互关联关系。基于行为策略方法和链系统控制方法,建立了铝电解过程的多级分布式关联模型,该系统模型由氧化铝浓度和电解温度两个二级关联系统和六个三级关联子系统构成。提出了铝电解过程中关于氧化铝浓度和电解温度的多级分布式控制方案,给出了该系统的多级分布式预估算法和控制算法,确定了各级子系统之间的关联协调机制。各个子系统分工合作、协同运行,获得全局控制功能。仿真结果表明,应用该控制方法后,铝电解动态过程中的氧化铝浓度与电解温度得到了有效控制。通过对铝电解过程中氧化铝浓度、电解温度等的优化控制,可以提高铝电解生产效率,进一步促进节能减排。
二、智能控制在铝电解槽中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、智能控制在铝电解槽中的应用（论文提纲范文）
（1）复杂电解质体系下铝电解工艺控制技术研究（论文提纲范文）
| 1 铝电解工艺发展现状 |
| 2 铝电解工艺概述 |
| 2.1 铝电解工艺流程 |
| 2.2 铝电解工艺参数 |
| 2.3 铝电解生产过程 |
| 3 复杂电解质体系对铝电解的影响 |
| 3.1 钒含量对铝电解的影响 |
| 3.2 锂和钾对铝电解的影响 |
| 4 复杂电解质体系下铝电解工艺的优化控制措施 |
| 4.1 优化选择低温电解工艺 |
| 4.2 优化选择阳极效应系数 |
| 4.3 优化选择氧化铝的浓度 |
| 4.4 优化升级铝电解槽结构 |
| 4.5 优化选择铝电解原材料 |
| 5 结论 |
（2）基于数据驱动的氧化铝浓度控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 氧化铝浓度控制方法 |
| 1.3 数据驱动理论与发展 |
| 1.4 国内外研究现状及趋势分析 |
| 1.5 课题的主要研究内容 |
| 1.6 课题的章节安排 |
| 第二章 氧化铝浓度控制方案 |
| 2.1 铝电解简介 |
| 2.1.1 电解质性质 |
| 2.1.2 氧化铝的溶解以及性质 |
| 2.1.3 铝电解工艺参数 |
| 2.2 系统总体方案 |
| 2.3 开发工具简介 |
| 2.4 氧化铝浓度控制方式 |
| 2.5 本章小结 |
| 第三章 数据分析与处理 |
| 3.1 数据选取 |
| 3.2 数据分析与预处理 |
| 3.2.1 数据分析与模型评价方法 |
| 3.2.2 缺失值的处理 |
| 3.2.3 异常值处理 |
| 3.3 数据处理结果 |
| 3.4 数据规范化 |
| 3.5 本章小结 |
| 第四章 氧化铝浓度的神经网络预测 |
| 4.1 神经网络预测模型 |
| 4.1.1 神经网络介绍 |
| 4.1.2 BP神经网络 |
| 4.1.3 BP神经网络模型激活函数 |
| 4.1.4 神经网络预测模型各层节点数选择 |
| 4.2 网络训练与网络测试 |
| 4.2.1 网络训练模型构建 |
| 4.2.2 BP神经网络优化算法选择 |
| 4.2.3 BP神经网络网络训练 |
| 4.2.4 网络测试 |
| 4.3 神经网络氧化铝浓度预测结果 |
| 4.4 本章小结 |
| 第五章 氧化铝浓度的控制 |
| 5.1 氧化铝浓度控制下料控制原理 |
| 5.2 氧化铝下料方案 |
| 5.3 氧化铝下料实例 |
| 5.4 本章总结 |
| 第六章 总结 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（3）铝电解槽状态预测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.4 论文研究工作 |
| 1.5 本文技术路线图 |
| 1.6 论文组织结构 |
| 1.7 本章小结 |
| 第二章 相关知识与技术介绍 |
| 2.1 铝电解槽相关知识 |
| 2.2 聚类算法相关知识 |
| 2.2.1 密度峰值算法 |
| 2.2.2 高斯混合模型聚类 |
| 2.3 LSTM算法 |
| 2.4 数据可视化 |
| 2.5 本章小结 |
| 第三章 铝电解槽数据分析研究 |
| 3.1 数据采集及预处理 |
| 3.1.1 数据采集 |
| 3.1.2 数据预处理 |
| 3.2 槽状态数据相关性分析 |
| 3.3 槽状态聚类分析 |
| 3.3.1 聚类分析方法 |
| 3.3.2 聚类方法研究 |
| 3.3.3 聚类算法流程 |
| 3.3.4 聚类分析实验及结果 |
| 3.4 本章小结 |
| 第四章 基于K-LSTM的槽状态预测算法 |
| 4.1 数据采集 |
| 4.2 K-LSTM算法描述 |
| 4.2.1 算法设计 |
| 4.2.2 算法实现 |
| 4.3 实验及结果分析 |
| 4.3.1 实验数据 |
| 4.3.2 实验方法 |
| 4.3.3 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 铝电解槽状态智能分析系统 |
| 5.1 系统业务流程分析及说明 |
| 5.2 系统设计 |
| 5.2.1 MySQL数据库设计 |
| 5.2.2 数据项定义 |
| 5.2.3 数据立方体 |
| 5.2.4 数据库表说明 |
| 5.2.5 系统功能设计 |
| 5.3 系统运行环境 |
| 5.4 多维分析模块实现 |
| 5.4.1 基本图表分析 |
| 5.4.2 对比分析 |
| 5.5 聚类分析模块实现 |
| 5.5.1 聚类个数K可视化 |
| 5.5.2 聚类结果可视化 |
| 5.6 预测模块实现 |
| 5.7 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（4）电解铝出铝全流程智能控制关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 出铝全流程控制技术国内外研究现状 |
| 1.2.1 电解铝出铝控制 |
| 1.2.2 电解铝配铝优化 |
| 1.3 主要研究内容及章节安排 |
| 第2章 电解铝出铝全流程系统分析 |
| 2.1 引言 |
| 2.2 电解铝生产工艺流程概述 |
| 2.2.1 铝电解的反应原理 |
| 2.2.2 铝电解生产的工艺流程分析 |
| 2.2.3 铝电解生产的管理事务流程分析 |
| 2.3 电解铝出铝全流程 |
| 2.3.1 电解槽出铝工艺分析原理 |
| 2.3.2 电解槽配铝工艺分析 |
| 2.4 本章小结 |
| 第3章 电解槽出铝数据相关性分析 |
| 3.1 引言 |
| 3.2 电解槽出铝工艺相关参数数据处理 |
| 3.2.1 电解槽出铝相关参数数据预分析 |
| 3.2.2 数据预处理 |
| 3.3 出铝量与出铝工艺参数的数据相关性分析 |
| 3.3.1 数据相关性分析在出铝量制定中的应用 |
| 3.3.2 可视化图表分析出铝工艺参数之间的关系 |
| 3.3.3 相关系数分析出铝工艺参数之间的关系 |
| 3.4 本章小结 |
| 第4章 基于人工神经网络出铝量预测 |
| 4.1 引言 |
| 4.2 电解槽单槽出铝问题分析 |
| 4.2.1 电解槽单槽出铝问题描述 |
| 4.2.2 电解槽单槽出铝问题分析 |
| 4.3 基于MLP神经网络的出铝量预测建模及分析 |
| 4.3.1 MLP神经网络基本原理 |
| 4.3.2 构建单槽出铝量预测模型 |
| 4.3.3 单槽出铝量神经网络模型的训练与预测结果 |
| 4.3.4 模型评估 |
| 4.4 本章小结 |
| 第5章 基于免疫克隆算子的配铝调度算法 |
| 5.1 引言 |
| 5.2 配铝问题描述 |
| 5.3 配铝关键问题分析 |
| 5.4 基于改进免疫克隆算法的配铝优化方法 |
| 5.4.1 免疫克隆算法基本原理 |
| 5.4.2 基于模拟退火改进的免疫克隆算法设计 |
| 5.4.3 配铝优化问题求解 |
| 5.5 算例设计与结论分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间所发表的学术论文目录 |
（5）氧化铝浓度控制系统的设计研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 1.1 课题研究背景 |
| 1.1.1 铝工业发展概述 |
| 1.1.2 国内外铝电解工业发展现状 |
| 1.2 研究目的及意义 |
| 1.2.1 铝电解课题之研究目的 |
| 1.2.2 铝电解控制系统研究的思路 |
| 1.3 本课题的主要内容 |
| 第二章 铝电解生产控制系统过程分析 |
| 2.1 铝电解生产控制系统特性 |
| 2.2 铝电解生产控制系统技术参数 |
| 2.3 电解控制系统的主要任务 |
| 第三章 智能控制理论研究 |
| 3.1 智能特征模型理论基础 |
| 3.2 运用最小二乘法进行参数估计 |
| 3.3 递推中最小二乘法的参数估计方法(RLS) |
| 3.4 单神经元自适应PID控制 |
| 3.5 神经网络理论基础 |
| 第四章 Elman神经网络的氧化铝浓度测量模型 |
| 4.1 神经网络Elman的基本结构 |
| 4.2 Elman递归网络结构改进及算法优化 |
| 4.3 测量模型泛化能力的影响因素 |
| 4.4 训练神经网络样本 |
| 4.5 神经网络训练及检验泛化能力 |
| 4.6 Elman神经网络测量模型的在线修正 |
| 第五章 基于智能特征测量模型的氧化铝浓度控制 |
| 5.1 搭建智能测量浓度的模型 |
| 5.1.1 搭建加料与表观电阻间的控制模型 |
| 5.1.2 工作区域的搭建 |
| 5.1.3 搭建表观电阻与氧化铝浓度的特征模型 |
| 5.1.4 搭建定性估计模型 |
| 5.1.5 模型综合集成 |
| 5.2 基于特征模型的控制系统设计 |
| 5.2.1 引导控制器设计 |
| 5.2.2 精确控制器的设计 |
| 5.2.3 监督控制器的设计 |
| 5.2.4 输出量预估的区间 |
| 5.2.5 整个控制系统的组成 |
| 5.3 实验结果对比 |
| 结语 |
| 参考文献 |
| 致谢 |
（6）铝电解生产智能优化制造研究综述（论文提纲范文）
| 1 铝电解生产运行控制系统发展现状 |
| 1) 氧化铝浓度预测与控制 |
| 2) 铝电解生产过程操作决策优化 |
| 3) 阳极电流采集与应用 |
| 4) 阳极效应预报与控制 |
| 5) 铝电解槽故障识别与诊断 |
| 6) 氟盐添加量决策与分子比控制 |
| 7) 铝电解槽过热度估计与状态识别 |
| 2 铝电解生产运行控制系统存在的问题 |
| 2.1 原料、能源供应波动给控制技术带来巨大挑战 |
| 1) 原料来源复杂给控制技术带来巨大挑战 |
| 2) 外部不确定性增加控制决策难度 |
| 2.2 智能化水平不高和数据利用率低给控制技术带来的挑战 |
| 3 构建铝电解智能优化制造系统的必要性与可能性分析 |
| 4 铝电解智能优化制造系统的构成和愿景目标 |
| 4.1 铝电解智能优化制造系统的构成 |
| 4.1.1 铝电解槽分布式智能感知系统 |
| 4.1.2 大型铝电解槽智能优化控制系统 |
| 4.1.3 大型铝电解槽系列智能协同优化控制系统 |
| 4.1.4 铝电解生产智能优化决策系统 |
| 4.1.5 铝电解运行安全监控与自优化系统 |
| 4.1.6 铝电解生产虚拟制造系统 |
| 4.2 铝电解智能优化制造系统的目标与愿景 |
| 5 技术发展规划与展望 |
| 5.1 技术发展规划 |
| 1) 中短期规划 (2017年～2025年) |
| 2) 中长期规划 (2025年～2050年) |
| 5.2 发展展望 |
（7）铝加工中电解节电智能控制系统的研究（论文提纲范文）
| 1 引言 |
| 2 铝电解控制技术原理 |
| 3 铝电解槽热平衡智能控制系统 |
| 3.1 智能控制系统 |
| 3.2 铝电解初晶温度测量 |
| 4 结论 |
（8）铝电解过程的建模与控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.1.1 金属铝冶炼概述 |
| 1.1.2 铝电解过程简介 |
| 1.1.3 论文研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 铝电解过程建模研究现状 |
| 1.2.2 铝电解过程控制研究现状 |
| 1.3 本文主要工作及章节安排 |
| 第2章 铝电解槽模型的建立 |
| 2.1 经济技术指标和工艺参数 |
| 2.1.1 经济技术指标 |
| 2.1.2 工艺参数 |
| 2.2 电压平衡方程 |
| 2.2.1 极间电压 |
| 2.2.2 极外电压 |
| 2.3 能量平衡方程 |
| 2.4 本章小结 |
| 第3章 铝电解过程控制系统设计 |
| 3.1 控制目标选取 |
| 3.1.1 槽电阻 |
| 3.1.2 系列电流 |
| 3.2 控制策略分析 |
| 3.2.1 无扰动切换思想 |
| 3.2.2 PID控制算法 |
| 3.3 执行机构模型的建立 |
| 3.3.1 阳极升降机构模型 |
| 3.3.2 稳流调节机构模型 |
| 3.4 铝电解过程控制系统总体结构 |
| 3.5 本章小结 |
| 第4章 铝电解过程控制系统仿真研究 |
| 4.1 仿真环境简介 |
| 4.2 仿真模型的建立 |
| 4.3 控制系统仿真研究 |
| 4.3.1 槽况正常 |
| 4.3.2 槽况异常 |
| 4.4 本章小结 |
| 第5章 铝电解过程控制系统的实现 |
| 5.1 控制系统硬件设计 |
| 5.1.1 系统结构 |
| 5.1.2 硬件配置 |
| 5.2 控制系统软件设计 |
| 5.2.1 程序设计 |
| 5.2.2 监控界面 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（9）铝电解极距控制方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文的选题背景和意义 |
| 1.2 我国电解铝行业现状 |
| 1.3 我国电解铝技术与自动化水平现状 |
| 1.4 电解铝控制技术综述 |
| 1.5 本文的主要工作 |
| 第2章 电解铝生产工艺与控制模型 |
| 2.1 金属铝的概况与冶炼历史 |
| 2.2 电解铝生产工艺 |
| 2.2.1 电解铝过程基本原理 |
| 2.2.2 电解槽 |
| 2.2.3 电解铝生产工艺参数 |
| 2.2.4 电解铝生产技术指标和控制目标 |
| 2.3 电解铝过程的控制模型 |
| 2.3.1 槽电压的构成与分配 |
| 2.3.2 槽电阻控制模型 |
| 2.4 本章小结 |
| 第3章 极距控制策略的研究与设计 |
| 3.1 传统PID控制算法 |
| 3.2 人工神经网络PID控制算法 |
| 3.2.1 神经网络概述 |
| 3.2.2 神经网络函数及其学习方法 |
| 3.2.3 神经网络与PID控制的结合 |
| 3.3 单神经元PID控制器的改进与仿真 |
| 3.3.1 改进的单神经元PID控制器 |
| 3.3.2 改进的单神经元PID控制器的仿真 |
| 3.4 本章小结 |
| 第4章 极距控制系统及其实现 |
| 4.1 控制系统设计 |
| 4.1.1 极距控制器设计 |
| 4.1.2 系统结构与功能设计 |
| 4.1.3 硬件设计与I/O配置 |
| 4.2 软件程序设计 |
| 4.2.1 软件配置 |
| 4.2.2 结构化程序设计 |
| 4.2.3 人机界面设计 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 不足与展望 |
| 参考文献 |
| 致谢 |
（10）铝电解过程优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 铝冶炼发展史 |
| 1.2.2 铝电解过程控制研究现状 |
| 1.3 论文整体结构安排 |
| 2 铝电解生产过程分析 |
| 2.1 现代铝电解生产工艺的基本原理 |
| 2.2 现代铝电解生产工艺的基本流程 |
| 2.3 铝电解槽结构分析 |
| 2.3.1 阳极炭块组 |
| 2.3.2 碳阴极 |
| 2.3.3 侧壁 |
| 2.3.4 槽壳与导电母线 |
| 2.4 铝电解生产工艺参数分析 |
| 2.4.1 电解温度 |
| 2.4.2 氧化铝浓度 |
| 2.4.3 阳极效应系数与槽电压 |
| 2.4.4 分子比与极距 |
| 2.4.5 系列电流与电流效率 |
| 2.4.6 电解质水平与铝液水平 |
| 2.5 铝电解生产过程的能量平衡与物料平衡 |
| 2.5.1 能量平衡 |
| 2.5.2 物料平衡 |
| 2.6 本章小结 |
| 3 基于模糊神经网络的氧化铝浓度控制研究 |
| 3.1 模糊神经网络概述 |
| 3.1.1 模糊控制理论 |
| 3.1.2 人工神经网络 |
| 3.2 模糊神经网络在氧化铝浓度控制中的应用 |
| 3.2.1 氧化铝浓度控制的模糊神经网络方法 |
| 3.2.2 BP学习算法 |
| 3.2.3 仿真实验 |
| 3.3 本章小结 |
| 4 铝电解过程的优化控制研究 |
| 4.1 行为策略方法 |
| 4.1.1 行为方程 |
| 4.1.2 拆裂、分块建模与链接 |
| 4.1.3 互关联控制 |
| 4.2 链系统控制方法 |
| 4.2.1 因果链与链系统 |
| 4.2.2 子系统离散时间动态模型 |
| 4.2.3 孤立链系统 |
| 4.2.4 链系统控制方法 |
| 4.3 氧化铝浓度与电解温度的关联分析与建模 |
| 4.3.1 氧化铝浓度与电解温度的关联分析 |
| 4.3.2 氧化铝浓度与电解温度的建模研究 |
| 4.4 多级分布式模型的预估和控制研究 |
| 4.4.1 预估算法 |
| 4.4.2 控制算法 |
| 4.5 仿真实验 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
四、智能控制在铝电解槽中的应用（论文参考文献）
- [1]复杂电解质体系下铝电解工艺控制技术研究[J]. 苏义鹏. 中国金属通报, 2021(02)
- [2]基于数据驱动的氧化铝浓度控制[D]. 张振兵. 北方工业大学, 2020(02)
- [3]铝电解槽状态预测算法研究[D]. 孔淑麒. 北方工业大学, 2020(02)
- [4]电解铝出铝全流程智能控制关键技术研究[D]. 李双雪. 兰州理工大学, 2020(12)
- [5]氧化铝浓度控制系统的设计研究[D]. 李永腾. 青岛大学, 2019(02)
- [6]铝电解生产智能优化制造研究综述[J]. 桂卫华,岳伟超,谢永芳,张红亮,阳春华. 自动化学报, 2018(11)
- [7]铝加工中电解节电智能控制系统的研究[J]. 张旻,张荣进,董伟强,李天喆. 铜业工程, 2017(04)
- [8]铝电解过程的建模与控制[D]. 李越. 东北大学, 2017(06)
- [9]铝电解极距控制方法的研究[D]. 李汉奇. 东北大学, 2016(06)
- [10]铝电解过程优化控制研究[D]. 黄超. 郑州大学, 2016(02)