本發(fā)明屬于鋁電解槽領(lǐng)域，特別是涉及一種基于神經(jīng)網(wǎng)絡(luò)的鋁電解槽三維爐膛形狀實時預(yù)測方法和系統(tǒng)。

背景技術(shù)：

在鋁電解槽中，電流通過有一定阻抗的熔融電解質(zhì)產(chǎn)生焦耳熱，維持電解槽的高溫運行。而熔融電解質(zhì)在接觸側(cè)壁時冷卻凝固，形成一圈爐幫和伸腿，能保護側(cè)壁不受高溫熔體侵蝕。維持適宜的爐膛形狀，能夠減小鋁液中的水平電流，提高槽內(nèi)磁流體穩(wěn)定性，有利于生產(chǎn)過程的穩(wěn)定運行。而不合理的爐膛形狀會導(dǎo)致槽內(nèi)穩(wěn)定性惡化，降低電流效率，嚴重的甚至?xí)l(fā)生漏槽，從而直接影響電解安全生產(chǎn)和各項技術(shù)經(jīng)濟指標(biāo)。

槽內(nèi)熔體溫度接近1000℃且?guī)в懈吒g性，現(xiàn)今鋁電解生產(chǎn)過程中，還很難對爐膛形狀進行直接有效的觀測。工業(yè)生產(chǎn)中，常常是在換極的時候伸入專用的工具，測定幾個位置點，來推測其余位置的爐膛形狀。由于換極周期較長，測量全槽爐膛形狀所需時間接近一個月，進行測量時，上一次測量位置的爐膛形狀往往已經(jīng)發(fā)生變化，且這種方法測點有限，測得的爐幫形狀準確性較差，只能輔助現(xiàn)場操作人員判斷槽內(nèi)情況。

現(xiàn)有技術(shù)中，專利申請“鋁電解槽爐幫形狀在線監(jiān)測系統(tǒng)”(申請?zhí)枺?01110439642.8)中，公開了一種鋁電解槽爐幫形狀在線監(jiān)測系統(tǒng)，在電解槽(1)槽殼上的電解槽爐幫(2)連接測溫探頭(3)，測溫探頭(3)與上位工控機(6)電連接。該專利申請可連續(xù)監(jiān)控電解槽溫度，但既沒有公開進行鋁電解槽爐幫形狀計算分析的具體方法，更沒有對計算結(jié)果進行驗證，無法確定槽內(nèi)爐膛形狀是否規(guī)整、是否有漏槽的風(fēng)險。

因此，有必要設(shè)計一種新的鋁電解槽三維爐膛形狀實時預(yù)測方法和系統(tǒng)。

技術(shù)實現(xiàn)要素：

本發(fā)明所解決的技術(shù)問題是，針對現(xiàn)有技術(shù)的不足，提供一種基于神經(jīng)網(wǎng)絡(luò)的鋁電解槽三維爐膛形狀實時預(yù)測方法和系統(tǒng)，使用仿真計算結(jié)果數(shù)據(jù)來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，從而可以根據(jù)槽殼溫度快速準確地預(yù)測槽內(nèi)爐膛形狀。

本發(fā)明的技術(shù)解決方案如下：

一種基于神經(jīng)網(wǎng)絡(luò)的鋁電解槽三維爐膛形狀實時預(yù)測方法，包括以下步驟：

1)獲取鋁電解槽建模參數(shù)，包括各內(nèi)襯材料屬性數(shù)據(jù)與結(jié)構(gòu)參數(shù)、外界換熱條件、工藝參數(shù)；

2)根據(jù)步驟1獲取的建模參數(shù)構(gòu)建鋁電解槽傳熱有限元模型；將不同試驗參數(shù)的不同取值進行排列組合，構(gòu)成試驗組；將試驗組中的每一組試驗參數(shù)分別輸入鋁電解槽傳熱有限元模型，進行仿真計算，得到每一組試驗參數(shù)對應(yīng)的爐膛形狀和槽殼溫度數(shù)據(jù)，用于后續(xù)訓(xùn)練；

3)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)；

選取槽殼溫度、電解質(zhì)水平和鋁水平作為所述BP神經(jīng)網(wǎng)絡(luò)的輸入變量；

選取爐膛形狀作為所述BP神經(jīng)網(wǎng)絡(luò)的輸出變量；

4)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，得到調(diào)試好的BP神經(jīng)網(wǎng)絡(luò)；

vi.從步驟2)的仿真結(jié)果中獲取槽殼溫度數(shù)據(jù)；從槽控機獲取電解質(zhì)水平和鋁水平數(shù)據(jù)；并將所有的槽殼溫度數(shù)據(jù)、電解質(zhì)水平和鋁水平數(shù)據(jù)劃分為第一訓(xùn)練集和第一測試集；

vii.從步驟2)的仿真結(jié)果中獲取爐膛形狀；并將所有的爐膛形狀劃分為第二訓(xùn)練集和第二測試集；

viii.將所述第一訓(xùn)練集中的槽殼溫度數(shù)據(jù)、電解質(zhì)水平和鋁水平數(shù)據(jù)以及所述第二訓(xùn)練集中的爐膛形狀數(shù)據(jù)作為所述BP神經(jīng)網(wǎng)絡(luò)的輸入輸出數(shù)據(jù)進行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，直至所述BP神經(jīng)網(wǎng)絡(luò)收斂【均方誤差小于10^-3判定為收斂】；

ix.將所述第一測試集中的槽殼溫度數(shù)據(jù)、電解質(zhì)水平和鋁水平數(shù)據(jù)輸入所述收斂后的BP神經(jīng)網(wǎng)絡(luò)，輸出預(yù)測的爐膛形狀數(shù)據(jù)；

x.將所述預(yù)測的爐膛形狀數(shù)據(jù)與第二測試集中的爐膛形狀數(shù)據(jù)比較，檢驗預(yù)測效果；若預(yù)測準確率高于90％，則將當(dāng)前的BP神經(jīng)網(wǎng)絡(luò)作為調(diào)試好的BP神經(jīng)網(wǎng)絡(luò)，進入下一步；若預(yù)測準確率低于90％，則返回步驟ⅰ，重新劃分訓(xùn)練集和測試集并進行訓(xùn)練；

5)在鋁電解槽側(cè)部和底部槽殼布置溫度傳感器，實時測量槽殼溫度數(shù)據(jù)；同時從槽控機獲取電解質(zhì)水平和鋁水平數(shù)據(jù)；將實時測量的槽殼溫度數(shù)據(jù)及電解質(zhì)水平和鋁水平數(shù)據(jù)輸入步驟4)中調(diào)試好的BP神經(jīng)網(wǎng)絡(luò)，得到最終預(yù)測的爐膛形狀數(shù)據(jù)。

上述的步驟2中建立的鋁電解槽傳熱有限元模型和求解方法，可以選用徐宇杰，李劼，尹誠剛，等人在《鋁電解槽電-熱場強耦合建模計算方法》中提出的模型和求解方法。

優(yōu)選的，上述的步驟2中試驗參數(shù)為以下參數(shù)中的一種或多種：電解質(zhì)水平、鋁水平、極距高度、電流強度、覆蓋料厚度、外界空氣溫度。

優(yōu)選的，上述的步驟3構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，包括：

確定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，包括隱含層層數(shù)，輸入層、隱含層、輸出層各層節(jié)點數(shù)；

確定神經(jīng)元連接權(quán)值和神經(jīng)元閾值。

優(yōu)選的，所述步驟4)中還包括：

分別對所述第一訓(xùn)練集和第一測試集中的槽殼溫度數(shù)據(jù)、電解質(zhì)水平和鋁水平數(shù)據(jù)進行歸一化處理；

分別對所述第二訓(xùn)練集和第二測試集中的爐膛形狀數(shù)據(jù)進行歸一化處理；

基于歸一化后的數(shù)據(jù)進行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練。

優(yōu)選的，所述步驟5)中，先對實時測量槽殼溫度數(shù)據(jù)、從槽控機獲取電解質(zhì)水平和鋁水平數(shù)據(jù)進行歸一化處理；再輸入步驟4)中調(diào)試好的BP神經(jīng)網(wǎng)絡(luò)，得到最終預(yù)測的爐膛形狀數(shù)據(jù)；最后對輸出的最終預(yù)測的爐膛形狀數(shù)據(jù)進行反歸一化處理，得到預(yù)測后的爐膛形狀數(shù)據(jù)。

優(yōu)選的，上述的方法中，所述的溫度傳感器為以下的一種或多種：熱電偶、熱敏電阻、電阻溫度檢測器、IC溫度傳感器。

對溫度傳感器測量的槽殼溫度數(shù)據(jù)進行插值處理，以求取缺失數(shù)據(jù)以及非正常數(shù)據(jù)的替代值。

一種基于神經(jīng)網(wǎng)絡(luò)的鋁電解槽三維爐膛形狀實時預(yù)測系統(tǒng)，包括：

參數(shù)獲取單元，獲取鋁電解槽各內(nèi)襯材料屬性數(shù)據(jù)與結(jié)構(gòu)參數(shù)、外界換熱條件、工藝參數(shù)；

仿真單元，用于根據(jù)步驟1獲取的建模參數(shù)構(gòu)建鋁電解槽傳熱有限元模型；將不同試驗參數(shù)的不同取值進行排列組合，構(gòu)成試驗組；將試驗組中的每一組試驗參數(shù)分別輸入鋁電解槽傳熱有限元模型，進行仿真計算，得到每一組試驗參數(shù)對應(yīng)的爐膛形狀和槽殼溫度數(shù)據(jù)，用于后續(xù)訓(xùn)練；

神經(jīng)網(wǎng)絡(luò)構(gòu)建單元，用于構(gòu)建BP神經(jīng)網(wǎng)絡(luò)；

輸入輸出變量選取單元，用于選取槽殼溫度、電解質(zhì)水平和鋁水平作為所述BP神經(jīng)網(wǎng)絡(luò)的輸入變量；選取爐膛形狀作為所述BP神經(jīng)網(wǎng)絡(luò)的輸出變量；

第一劃分單元，用于從的仿真結(jié)果中獲取槽殼溫度數(shù)據(jù)；從槽控機獲取電解質(zhì)水平和鋁水平數(shù)據(jù)；并將所有的槽殼溫度數(shù)據(jù)、電解質(zhì)水平和鋁水平數(shù)據(jù)劃分為第一訓(xùn)練集和第一測試集；；

第二劃分單元，用于從仿真結(jié)果中獲取爐膛形狀；并將所有的爐膛形狀劃分為第二訓(xùn)練集和第二測試集；

訓(xùn)練單元，將所述第一訓(xùn)練集中的槽殼溫度數(shù)據(jù)、電解質(zhì)水平和鋁水平數(shù)據(jù)以及所述第二訓(xùn)練集中的爐膛形狀數(shù)據(jù)作為所述BP神經(jīng)網(wǎng)絡(luò)的輸入輸出數(shù)據(jù)進行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，直至所述BP神經(jīng)網(wǎng)絡(luò)收斂；

處理單元，將所述第一測試集中的槽殼溫度數(shù)據(jù)、電解質(zhì)水平和鋁水平數(shù)據(jù)輸入所述收斂后的BP神經(jīng)網(wǎng)絡(luò)，輸出預(yù)測的爐膛形狀數(shù)據(jù)；

檢驗單元，將所述預(yù)測的爐膛形狀數(shù)據(jù)與第二測試集中的爐膛形狀數(shù)據(jù)比較，檢驗預(yù)測效果；若預(yù)測準確率高于90％，則將當(dāng)前的BP神經(jīng)網(wǎng)絡(luò)作為調(diào)試好的BP神經(jīng)網(wǎng)絡(luò)；若預(yù)測準確率低于90％，則控制第一劃分單元和第二劃分單元重新劃分訓(xùn)練集和測試集再進行訓(xùn)練；

溫度檢測和處理單元，包括布置在鋁電解槽側(cè)部和底部槽殼的溫度傳感器，用于實時測量槽殼溫度數(shù)據(jù)；并對對溫度傳感器測量的槽殼溫度數(shù)據(jù)進行插值處理，以求取缺失數(shù)據(jù)以及非正常數(shù)據(jù)的替代值；

預(yù)測單元：將實時測量的槽殼溫度數(shù)據(jù)及電解質(zhì)水平和鋁水平數(shù)據(jù)輸入調(diào)試好的BP神經(jīng)網(wǎng)絡(luò)，得到最終預(yù)測的爐膛形狀數(shù)據(jù)。

優(yōu)選的，上述系統(tǒng)的仿真單元中試驗參數(shù)為以下參數(shù)中的一種或多種：電解質(zhì)水平、鋁水平、極距高度、電流強度、覆蓋料厚度、外界空氣溫度。

優(yōu)選的，上述系統(tǒng)的神經(jīng)網(wǎng)絡(luò)構(gòu)建單元，包括：

第一確定模塊，用于確定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，包括隱含層層數(shù)，輸入層、隱含層、輸出層各層節(jié)點數(shù)；

第二確定模塊，用于確定神經(jīng)元連接權(quán)值和神經(jīng)元閾值。

優(yōu)選的，上述系統(tǒng)還包括：

第一歸一化處理模塊，用于分別對槽殼溫度數(shù)據(jù)、電解質(zhì)水平和鋁水平數(shù)據(jù)進行歸一化處理；

第二歸一化處理模塊，用于分別對爐膛形狀數(shù)據(jù)進行歸一化處理；

反歸一化處理模塊，用于對輸出的最終預(yù)測的爐膛形狀數(shù)據(jù)進行反歸一化處理，得到預(yù)測后的爐膛形狀數(shù)據(jù)。

有益效果：

本發(fā)明方法與現(xiàn)行的爐膛形狀測量方法相比具備如下優(yōu)點：

(1)基于調(diào)試完成的BP神經(jīng)網(wǎng)絡(luò)來預(yù)測爐膛形狀，可以根據(jù)測試的結(jié)果，結(jié)合電解的實際運行狀態(tài)，快速準確地獲得鋁電解槽內(nèi)各個位置的爐膛形狀，從而確保鋁電解槽的安全生產(chǎn)。

(2)使用不同試驗參數(shù)排列組合的仿真計算結(jié)果對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，能夠提供足夠多的訓(xùn)練數(shù)據(jù)量，確保神經(jīng)網(wǎng)絡(luò)的收斂。

(3)采用插值方法求取溫度傳感器的缺失數(shù)據(jù)和非正常數(shù)據(jù)的替代值，可以得到較為精確的輸入輸出數(shù)據(jù)，有效的提高了預(yù)測精度。

附圖說明

圖1為本發(fā)明實施例提供的鋁電解槽三維爐膛形狀實時預(yù)測方法的流程示意圖；

圖2為根據(jù)不同試驗參數(shù)的不同取值確定的部分鋁電解槽傳熱有限元模型的溫度分布情況；圖2(a)～(d)分別為根據(jù)4組參數(shù)確定的模型的溫度分布情況，其中A、B、C、D、E、F、G、H、I分別代表不同的溫度值(℃)，分別等于117.362、217.084、316.806、416.528、516.25、615.972、715.695、815.417、915.139；

圖3為電解槽溫度傳感器安置位置示意圖；

圖4為本發(fā)明實施例提供的鋁電解槽三維爐膛形狀實時預(yù)測系統(tǒng)的示意圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明作進一步說明,但本發(fā)明的保護范圍不受實施例所限。

實施例1

一種基于神經(jīng)網(wǎng)絡(luò)的鋁電解槽三維爐膛形狀實時預(yù)測方法，其特征在于，包括以下步驟：

1)獲取某420kA鋁電解槽建模參數(shù)，包括各內(nèi)襯材料屬性數(shù)據(jù)與結(jié)構(gòu)參數(shù)、外界換熱條件、工藝參數(shù)，如表1所示；

表1某420kA電解槽關(guān)鍵參數(shù)

2)根據(jù)步驟1獲取的建模參數(shù)構(gòu)建鋁電解槽傳熱有限元模型。同時，為了能夠涵蓋生產(chǎn)中出現(xiàn)的大部分情況，便于后續(xù)用于訓(xùn)練，需要計算不同試驗條件下的爐膛形狀。因此，將不同試驗參數(shù)進行排列組合，構(gòu)成試驗組；將試驗組中的每一組試驗參數(shù)分別輸入鋁電解槽傳熱有限元模型，進行仿真計算，得到每一組試驗參數(shù)對應(yīng)的爐膛形狀和槽殼溫度數(shù)據(jù)；

上述的建立的鋁電解槽傳熱有限元模型和求解方法，選用徐宇杰，李劼，尹誠剛，等人在《鋁電解槽電-熱場強耦合建模計算方法》中提出的模型和求解方法。

本實施例中選取的試驗參數(shù)為電流強度、覆蓋料厚度，將電流強度、覆蓋料厚度的不同取值輸入鋁電解槽傳熱有限元模型，確定的鋁電解槽傳熱有限元模型試驗組的一部分如圖2所示：

表1試驗參數(shù)(電流強度、覆蓋料厚度)的排列組合示意

3)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)；

包括：

確定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，包括隱含層層數(shù)，輸入層、隱含層、輸出層各層節(jié)點數(shù)；

確定神經(jīng)元連接權(quán)值和神經(jīng)元閾值。

選取槽殼溫度、電解質(zhì)水平和鋁水平作為所述BP神經(jīng)網(wǎng)絡(luò)的輸入變量；

選取爐膛形狀作為所述BP神經(jīng)網(wǎng)絡(luò)的輸出變量；

i.并將所述槽殼溫度、電解質(zhì)水平和鋁水平劃分為第一訓(xùn)練集和第一測試集；將爐膛形狀數(shù)據(jù)劃分為第二訓(xùn)練集和第二測試集；

ii.分別對所述第一訓(xùn)練集和第一測試集中的輸入變量進行歸一化處理；分別對所述第二訓(xùn)練集和第二測試集中的爐膛形狀數(shù)據(jù)進行歸一化處理；

在神經(jīng)網(wǎng)絡(luò)訓(xùn)練前，為了防止因凈輸入絕對值過大而使神經(jīng)元輸出飽和，進而使權(quán)值調(diào)整進入誤差曲面平坦區(qū)，需要對訓(xùn)練集和測試集的數(shù)據(jù)進行歸一化處理，對每個訓(xùn)練集和測試集的數(shù)據(jù)x_i，i＝1,2,…,n，采用如下歸一化公式：

得到歸一化后的數(shù)據(jù)，將輸入層和輸出層數(shù)據(jù)映射到[0,1]之間，這種無量綱化方法，解決了量綱和數(shù)值大小差別所引起的問題。

其中，x_i(k)表示反歸一化后所得映射到原來數(shù)據(jù)范圍的數(shù)據(jù)；x_i′(k)表示歸一化后的數(shù)據(jù)；

iii.將歸一化處理后第一訓(xùn)練集中的輸入變量以及所述第二訓(xùn)練集中的爐膛形狀數(shù)據(jù)作為所述BP神經(jīng)網(wǎng)絡(luò)的輸入輸出數(shù)據(jù)進行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，直至均方誤差函數(shù)小于10^-3，所述BP神經(jīng)網(wǎng)絡(luò)收斂；

iv.將歸一化處理后第一測試集中的輸入變量輸入所述收斂后的BP神經(jīng)網(wǎng)絡(luò)，輸出預(yù)測的爐膛形狀數(shù)據(jù)；

v.將所述預(yù)測的爐膛形狀數(shù)據(jù)與歸一化處理后的第二測試集中的爐膛形狀數(shù)據(jù)比較，檢驗預(yù)測效果；若預(yù)測數(shù)據(jù)準確率高于90％，則進入下一步，低于90％則返回步驟4，重新進行劃分訓(xùn)練；

4)在鋁電解槽側(cè)部和底部槽殼布置溫度傳感器，如圖3所示，實時測量槽殼溫度數(shù)據(jù)；同時從槽控機獲取電解質(zhì)水平和鋁水平數(shù)據(jù)；對實時測量的槽殼溫度數(shù)據(jù)及電解質(zhì)水平和鋁水平數(shù)據(jù)進行歸一化處理后輸入上述調(diào)試好的BP神經(jīng)網(wǎng)絡(luò)，得到最終預(yù)測的爐膛形狀。對輸出的最終預(yù)測的爐膛形狀數(shù)據(jù)進行反歸一化處理，得到預(yù)測后的爐膛形狀數(shù)據(jù)。

可以利用如下的反歸一化處理公式將模型輸出映射到原來的數(shù)據(jù)范圍：

x_i(k)＝x′_i(k)[max(x_i)-min(x_i)]+min(x_i)

其中，x_i(k)表示反歸一化后所得映射到原來數(shù)據(jù)范圍的數(shù)據(jù)；x′_i(k)表示歸一化后的數(shù)據(jù)，

本實施例中，通過對數(shù)據(jù)的歸一化和反歸一化處理，可以得到更精確的預(yù)測數(shù)據(jù)，有效的提高了預(yù)測精度。

本實施例中選擇的溫度傳感器為熱電偶。由于信號采集異常、網(wǎng)絡(luò)通信故障等原因，可能導(dǎo)致溫度傳感器數(shù)據(jù)中某些數(shù)據(jù)缺失，或者某些數(shù)據(jù)變化異常，如過大或過小。對于這樣的異常數(shù)據(jù)，需要在定性分析的基礎(chǔ)上予以處理。本實施例中，采用插值方法求取溫度傳感器缺失數(shù)據(jù)以及非正常數(shù)據(jù)的替代值。

利用插值方法求取溫度傳感器缺失數(shù)據(jù)以及非正常數(shù)據(jù)的替代值，可以利用以下的公式進行：

x⁰(i)＝x⁰(k)+[x⁰(j)-x⁰(k)]*(i-k)/(j-k)

其中：x⁰(k)、x⁰(j)為已知正常數(shù)據(jù)，x⁰(i)為缺失數(shù)據(jù)或非正常數(shù)據(jù)的替代；

k<i<j；

i表示缺失數(shù)據(jù)或異常數(shù)據(jù)在數(shù)據(jù)序列中的序號，j、k表示已知數(shù)據(jù)在數(shù)據(jù)序列中的序號，缺失數(shù)據(jù)或異常數(shù)據(jù)使用前后正常已知數(shù)據(jù)的內(nèi)部插值來替代。

某時間點采集到的槽殼溫度數(shù)據(jù)如下表(插值處理后)：

表2插值處理后的槽殼溫度數(shù)據(jù)

將以上數(shù)據(jù)輸入調(diào)試好的BP神經(jīng)網(wǎng)絡(luò)模型，可得到爐膛形狀數(shù)據(jù)，如下表所示：

表3通過BP神經(jīng)網(wǎng)絡(luò)計算出的各位置爐膛厚度數(shù)據(jù)

表3數(shù)據(jù)說明，通過本發(fā)明提供的實時預(yù)測方法和系統(tǒng)，可以快速準確地得到鋁電解槽各個位置的實時爐膛厚度。