基于小波分析和神经网络的铝电解槽阴极状态诊断研究

发布时间：2020-06-09 04:45

【摘要】：在工业生产中,采用电解法制铝,在槽内进行铝的制备的同时,测量阴极软母线处的电压并进行分析,来反应铝在工业生产中槽内阴极的状态,并且及时有效的进行状态诊断对于铝厂能否正常生产以及经济效益的好坏有十分重要的影响。需要把从铝厂电解槽内采集到的阴极软母线处的电压信号进行处理,将处理后的数据作为小波包函数的输入,进行特征信号的提取,采用计算最小能量熵的方法确定小波基函数,根据生成的最优小波包树的形状来确定小波包的分解层数,将小波去噪和小波包去噪进行对比,通过信噪比和均方误差进行比较,选择小波包去噪对原始数据进行处理。去噪后的数据用小波包进行特征提取后与对应时间段故障情况进行匹配,将分解后的特征信号和对应故障情况作为后续故障诊断神经网络的输入和输出。结合神经网络的方法进行铝电解槽的故障诊断,选取BP神经网络作为诊断工具并建立三层神经网络模型,将小波包提取后的特征值构建数据集,并按照3:1的比例进行划分,得到训练集和测试集两部分数据,经过诊断后发现传统的BP法在训练集上效果并不好,收敛速度慢且在梯度下降过程中易产生反复振荡,为了避免最速下降法在学习过程中存在的缺陷,使用改进BP算法,在训练算法中采取添加动量因子、在学习过程中自适应改变学习率、结合牛顿法进行优化等方法,分别进行实验对照,比较几种方法的改进效果,最终采用L-M优化BP算法,测试集状态诊断准确率得以提升,取2号槽另一样本数据进行测验,网络具有一定泛化能力。在MATLAB软件平台上设计软件系统,包括登录界面、关机界面、数据查看界面、曲线显示界面、小波包分解界面,实现了故障诊断的基本功能。
【图文】：

图１－１技术路线整体框图逡逑论文主要工作逡逑通过前面对目前铝电解槽领域诊断方法的介绍及分析，为了得到更好的率，本文将基于信号处理和基于人工智能两种故障诊断方法结合起来，

图２－１三层小波分解结果图逡逑一步分解，信号Ｓ被分解为两个频段，，第一次分解后的低频行第二步分解时，分解后第一层高频段Ａ被保留，不再进段４部分，同上一步一样，４又被分解为新的低频段p汉透

本文编号：2704182