基于深度学习的铝电解槽生产决策算法研究

发布时间：2023-05-12 21:49

　　对铝电解生产决策进行优化可以产生巨大经济效益,但由于铝电解生产过程具有非线性、大滞后、多变量耦合等特点,仅靠工艺人员通过人工分析很难做出最优决策。各大铝电解厂在多年的铝电解槽生产控制和管理过程中,收集了大量的生产控制、测量、化验、决策数据,使用这些历史数据训练机器学习系统是解决铝电解决策优化的重要途径。深度学习是一种最近取得了突破性进展的机器学习方法,其以在海量样本中学习到高质量特征为特点,广泛应用于机器视觉、自然语言处理、机器人控制等领域。本文采用基于内部节点装袋算法的深度学习模型来预测电解槽在不同状态下的最优出铝量决策,使得电解槽的累计产量最大化。论文主要研究内容如下:1.对某铝厂电解生产原始数据进行了预处理及可视化分析。首先分析了原始数据的缺失、异常情况,然后通过序列提取、异常值处理、缺失值处理对数据进行了清洗,且通过各类图表展示了数据清洗效果。最后分析了数据各特征的分布,以及它们之间的关联,并使用XGBoost对各特征进行了评分。2.使用马尔科夫决策过程(Markov Decision Process,MDP)对铝电解槽生产过程进行了数学描述,使得研究工作从复杂的铝电解工艺中脱...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题背景与意义
    1.2 国内外研究现状
    1.3 研究内容
    1.4 文章结构
    1.5 本章小结
第二章 相关知识与技术介绍
    2.1 铝电解工艺
        2.1.1 铝电解原理
        2.1.2 铝电解技术参数
    2.2 深度学习
        2.2.1 深度学习基础
        2.2.2 常用深度模型
        2.2.3 深度模型的训练
    2.3 强化学习
        2.3.1 强化学习基础
        2.3.2 有模型强化学习
        2.3.3 免模型强化学习
        2.3.4 深度强化学习
    2.4 内部节点装袋算法
    2.5 本章小结
第三章 数据的预处理与可视化分析
    3.1 原始数据分析
    3.2 数据预处理
        3.2.1 序列提取
        3.2.2 异常值处理
        3.2.3 缺失值处理
    3.3 可视化分析
        3.3.1 数据分布
        3.3.2 数据相关性分析
        3.3.3 特征重要性评价
    3.4 本章小结
第四章 基于深度学习的铝电解决策算法研究
    4.1 铝电解决策的MDP结构
    4.2 深度模型架构设计
    4.3 基于KNN的铝电解槽仿真算法
    4.4 基于有监督学习的模型训练
        4.4.1 槽况标记算法
        4.4.2 模型训练细节
    4.5 基于强化学习的模型训练
        4.5.1 基于仿真器的DDPG强化学习算法
        4.5.2 模型训练细节
    4.6 仿真分析
        4.6.1 基准模型介绍
        4.6.2 模型性能对比
    4.7 本章小结
第五章 基于深度学习的铝电解决策系统
    5.1 系统概述
    5.2 设计与开发
        5.2.1 系统功能模块设计
        5.2.2 相关开发技术
        5.2.3 系统技术构架
        5.2.4 运行环境
    5.3 系统功能展示
        5.3.1 数据预处理模块
        5.3.2 可视化分析模块
        5.3.3 槽况标记模块
        5.3.4 出铝量决策模块
    5.4 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



本文编号：3814695