文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201810193062.7

申 请 日：20180309

发 明 人：易军 白竣仁 陈雪梅 李倩 周伟 吴凌

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20200929

公 开 号：CN109100995B

代 理 人：王玉芝;田东阳

代理机构：50223 重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明公开了一种基于决策者偏好信息的铝电解节能减排优化方法。首先，利用递归神经网络对铝电解生产过程进行建模，然后决策者设定期望目标值，引入R‑dominance偏好支配方法，结合多目标量子粒子群算法对生产过程模型进行优化，得到最满足决策者期望的最优决策变量，以及对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。MQPSO算法不需要进行交叉、变异操作，只有最简单的位置更新步骤，因此编码过程简单，并且具有强全局搜索能力，容易实现种群进化过程中偏好最优取值的完整性，满足决策者需求。利用该方法确定铝电解生产过程中工艺参数的最优值，可有效提高电流效率，降低槽电压，减少温室气体排放量和吨铝能耗，达到节能减排的目的。

主 权 项：1.一种基于决策者偏好信息的铝电解节能减排优化方法，其特征在于，包括如下步骤：S1：选择对电流效率、槽电压以及全氟化物排放量有影响的控制参数构成决策变量X＝[x₁,x₂,···,x_M]，M为所选控制参数的个数；S2：选定铝电解工业现场，采集N组决策变量X₁,X₂,···,X_N及其对应的电流效率y₁,y₂,···,y_N，槽电压z₁,z₂,···,z_N，以及全氟化物排放量s₁,s₂,···,s_N和吨铝能耗c₁,c₂,···,c_N为数据样本，以每一组决策变量X_i作为输入，分别以对应的电流效率y_i、槽电压z_i以及全氟化物排放量s_i和吨铝能耗c_i作为输出，利用递归神经网络对样本进行训练、检验，建立四个铝电解槽生产过程模型；S3：利用基于R支配的偏好多目标量子粒子群算法，结合MQPSO算法，形成R-PMQPSO算法，根据决策者预先设定的期望值作为参考点，建立基于R支配的严格偏序关系，对步骤S2所得的四个生产过程模型进行优化，得到一组最满足决策者期望的决策变量X_best及其对应的电流效率y_best、槽电压z_best以及全氟化物排放量s_best和吨铝能耗c_best；所述R-PMQPSO算法包括以下步骤：S31：根据R支配的偏好关系，评价每个粒子的适应度，并根据优劣对个体最优值和全局最优值进行替换；S32：更新种群；步骤S31包括以下步骤：S311：初始化系统参数，包括种群规模R，最大迭代次数T，随机生成n个粒子x₁,x₂,···,x_n，令外部存档集Q为空；S312：决策者设定偏好目标参考点r(y_p,z_p,s_p,c_p)，所述偏好目标参考点包括电流效

关 键 词：铝电解生产 电流效率  节能减排 槽电压 偏好  能耗  量子粒子群算法 温室气体排放量 递归神经网络  全局搜索能力  最优决策变量  编码过程  变异操作  进化过程  偏好信息  全氟化物  生产过程  位置更新  多目标  铝电解 排放量 期望  建模  算法  优化  种群  引入  

IPC专利分类号：G05B19/418(20060101)