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:CN201510753959.7
申 请 日:20151106
申 请 人:重庆科技学院
申请人地址:400023 重庆市沙坪坝区大学城东路20号
公 开 日:20181009
公 开 号:CN105321000B
代 理 人:陈千
代理机构:50216 重庆为信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BP神经网络与MOBFOA算法的铝电解工艺参数优化方法,包括以下几个步骤:一:统计对电流效率、吨铝能耗以及全氟化物排放量影响大的参数作为决策变量X;二:利用BP神经网络建立铝电解生产过程模型;三:运用MOBFOA算法对决策变量在其取值范围内进行优化;四:按照最优决策变量进行现场控制。有益效果:利用非线性映射能力强的BP神经网络建立铝电解生产过程模型;优化方法指导菌群跳出局部最优,可快速获得最佳的生产过程参数,达到了高效、降耗、减排的目的。
主 权 项:1.一种基于BP神经网络与MOBFOA算法的铝电解工艺参数优化方法,其特征在于包括以下步骤:S1:选择对电流效率、吨铝能耗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,…,xM],M为所选参数的个数;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;对应的吨铝能耗z1,z2,...,zN和对应的全氟化物排放量w1,w2,…,wN作为数据样本,以每一个决策变量Xi作为输入,分别以对应的电流效率yi、吨铝能耗zi以及全氟化物排放量wi作为输出,运用BP神经网络对样本进行训练、检验,建立铝电解槽生产过程模型;S3:利用多目标细菌觅食优化算法,即MOBFOA算法,对步骤S2所得的三个生产过程模型进行优化,得到一组最优决策变量Xbest及其对应的电流效率ybest、吨铝能耗zbest以及全氟化物排放量wbest,优化时,通过计算Pareto熵并根据Pareto熵对外部档案进行更新和实现自适应步长调整,以保证在种群多样性前提下快速收敛和引导菌群快速移动并避免陷入局部最优;S4:按照步骤S3所得的最优决策变量Xbest中的控制参数来控制步骤S2中所选定的铝电解工业现场,使其达到节能、降耗和减排的目的;步骤S3中的MOBFOA算法包括以下步骤:S31:将决策变量X的值视为细菌位置,根据决策变量X中各个参数的范围随机生成L个细菌构成菌群初始位置;S32:初始化系统参数,包括细菌群体大小Nn,趋向次数Nc,趋向行为执行中前进次数Ns,繁殖次数Nre,驱散次数Ned,执行驱散行为的概�
关 键 词:铝电解生产 过程模型 决策变量 算法 非线性映射能力 工艺参数优化 生产过程参数 最优决策变量 电流效率 全氟化物 现场控制 铝电解 排放量 减排 降耗 菌群 优化 能耗 跳出 统计
IPC专利分类号:G06Q10/04(20120101);G06N3/08(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...