氧化铝生产过程苛性比值与溶出率智能集成预测模型研究

摘要

苛性比值与溶出率是氧化铝高压溶出过程中两个重要的经济技术指标.它们不仅决定了氧化铝溶出的效果及碱耗,而且对氧化铝的后续生产具有极大的影响.然而,目前苛性比值与溶出率的检测严重滞后、波动范围大且难以及时调整,从而导致整个生产流程的实时控制陷入被动.为此,研究如何运用智能集成建模方法建立苛性比值与溶出率的预测模型从而实现苛性比值与溶出率的在线检测,对实现氧化铝生产过程的稳产高产、提高企业竞争力都具有重要意义.本文以中国铝业公司河南分公司氧化铝生产过程为背景,着重研究了苛性比值与溶出率的智能集成预测模型的建立和应用.首先,在分析氧化铝高压溶出过程机理的基础上,确定了影响苛性比值与溶出率的主要因素,提出了苛性比值与溶出率的机理模型;然后,提出了基于主元分析的多神经网络模型,用来补偿机理模型的偏差,从而建立机理模型与神经网络的集成模型;接着又提出了具有自校正样本库的基于聚类分析的匹配模型,用来预测苛性比值与溶出率;最后在深入分析机理模型与神经网络集成模型、匹配模型两者的优点与不足的基础上,提出了采用基于专家知识和统计学知识的智能协调器对两者的输出进行协调,从而建立苛性比值与溶出率的智能集成预测模型.智能集成预测模型的现场运行结果表明该模型具有较高精度,能很好地实现苛性比值与溶出率的在线预测.

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权的说明

第一章绪论

1.1课题的来源及意义

1.2氧化铝生产工艺简介

1.3智能集成建模研究现状

1.4研究内容和方法

1.5论文结构

第二章氧化铝高压溶出过程的机理分析及建模

2.1高压溶出过程

2.2苛性比值与溶出率

2.3高压溶出过程主要化学反应

2.4影响苛性比值与溶出率的因素分析

2.5苛性比值与溶出率机理模型

第三章机理模型与神经网络集成模型

3.1数据预处理

3.1.1输入数据集降维处理

3.1.2输入数据的校正

3.2苛性比值与溶出率神经网络预测模型

3.2.1神经网络特点

3.2.2多神经网络结构设计

3.2.3多神经网络的训练

3.3机理模型与神经网络的集成

3.4仿真结果

第四章基于聚类分析的苛性比值与溶出率匹配模型

4.1预测参数样本集的聚类方法

4.2苛性比值与溶出率匹配模型

4.3实验结果

第五章苛性比值与溶出率智能集成预测模型

5.1智能集成模型框架

5.2智能协调器

5.3模型修正

5.4仿真结果

5.5现场运行结果与分析

第六章结论与展望

参考文献

致谢

攻读学位期间主要研究成果