专利详细信息
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:CN201810192955.X
申 请 日:20180309
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:20201009
公 开 号:CN108445756B
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AR支配关系的铝电解节能减排智能控制方法。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AR‑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、变异等复杂操作,只有最简单的位置更新步骤,并且引入量子特性,使得粒子具有强全局搜索能力,容易保证种群进化过程中偏好最优取值的完整性,满足决策者偏好需求。利用该方法获得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。
主 权 项:1.一种基于AR支配关系的铝电解节能减排智能控制方法,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和吨铝能耗有影响的控制参数构成决策变量X=[x1,x2,···,xM],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,···,XN及其对应的电流效率y1,y2,···,yN,槽电压z1,z2,···,zN,以及全氟化物排放量s1,s2,···,sN和吨铝能耗c1,c2,···,cN为数据样本,以每一组决策变量Xi作为输入,分别以对应的电流效率yi、槽电压zi以及全氟化物排放量si和吨铝能耗ci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AR支配的偏好多目标量子粒子群算法,结合MQPSO算法,形成AR-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AR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Xbest及其对应的电流效率ybest、槽电压zbest以及全氟化物排放量sbest和吨铝能耗cbest;所述AR-PMQPSO算法包括以下步骤:S31:根据AR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: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,···,xn,令外部存档集Q为空;S312:决策者设定偏好角度α与偏好目标参考点r(yp,zp,sp,cp),所述偏好目标参考点包括电流效率、槽电压
关 键 词:偏好 铝电解生产 电流效率 槽电压 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 复杂操作 节能减排 进化过程 量子特性 全氟化物 生产过程 位置更新 智能控制 引入 多目标 铝电解 排放量 期望 建模 算法 粒子 种群 优化 保证
IPC专利分类号:G05B13/04(20060101)
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...