基于PSO优化的LS-SVM氧化铝浓度预测

发布时间：2021-03-11 11:56

　　针对铝电解生产过程分布式氧化铝浓度在线测量无法应用于浓度控制问题,提出了基于PSO优化的LS-SVM氧化铝浓度快速预测方法。首先,通过分析氧化铝浓度的机理模型和铝电解现场工艺流程,得到与分布式氧化铝浓度相关的可在线测量的相关变量;然后,将PSO与LS-SVM相结合,在只有极间电压和阳极导杆电流的输入下,利用PSO进行参数优化并自动寻优,以满足精度和实时性要求。最后,通过现场200 kA系列铝电解槽的3组阳极导杆的数据采集与实验,验证了所提方法的有效性。与已有方法相比,所提算法仅需阳极导杆分布电流和极间电压（阳极导杆到阴极钢棒之间的电压）两项参数,即可实现氧化铝浓度的实时预测,在180 MHz微处理器下运行需要约250 ms,预测的均方值误差（MSE）为0.0330,满足现场实际生产过程氧化铝浓度控制的实时性和精度要求。 

【文章来源】：轻金属. 2020,(10)北大核心

【文章页数】：8 页

【文章目录】：
1 研究目的
2 工业铝电解过程
3 研究方法
    3.1 SVM算法基本原理
        （1）多项式核函数
        （2）径向基核函数
        （3）Sigmoid核函数
    3.2 LS-SVM算法原理
    3.3 粒子群算法
    3.4 PSO优化的LS-SVM算法
4 研究结果
    4.1 实验数据采集
        （1）阳极导杆电流采集
        （2）极间电压采集
        （3）氧化铝浓度采集
    4.2 氧化铝浓度预测
        （1）确定核函数。
        （2）利用PSO优化核函数参数。
        （3）采用支持向量机进行训练。
        （4）对氧化铝浓度进行预测。
5 结 论


【参考文献】：
期刊论文
[1]基于最小二乘支持向量机的氧化铝浓度预测[J]. 崔家瑞,张政伟,李擎,崔家山.  兵器装备工程学报. 2018(12)
[2]基于PLC和传感网络的在线检测系统研究[J]. 黄若愚,曹斌,李猛.  有色冶金设计与研究. 2018(03)
[3]400kA系列铝电解槽区域氧化铝浓度时空分布研究[J]. 曹阿林,郭林,李靖靖.  有色金属(冶炼部分). 2018(06)
[4]基于数据的铝电解槽氧化铝浓度预测[J]. 崔桂梅,杨海靳,刘丕亮,于凯.  计算机仿真. 2018(02)
[5]基于噪声模型的铝电解槽阳极导杆电流采集器[J]. 崔家瑞,宋宝栋,李擎,杨旭,杨越.  实验室研究与探索. 2017(10)
[6]铝电解过程中R-C曲线的理论分析[J]. 曹阿林,曹斌,易小兵,李劼.  有色金属(冶炼部分). 2013(12)
[7]基于FNN-UKF神经网络的氧化铝浓度动态预测模型[J]. 易军,李太福,侯杰,姚立忠,田应甫.  四川大学学报(工程科学版). 2013(01)
[8]基于正交变换的氧化铝浓度预测[J]. 林景栋,李岭,张鹏.  武汉工程大学学报. 2010(09)
[9]GM（1,1）模型在铝电解氧化铝浓度估计中的应用研究[J]. 张红亮,李劼,张文根,陈湘涛,邹忠.  仪器仪表学报. 2008(04)



本文编号：3076417