[發明專利]基于AI神經網絡深度自學習的鋁電解全息化閉環控制系統

有效

• 申請號: 202211206103.4
• 申請日: 2022-09-30
• 公開（公告）號: CN115323440B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 張文根;張帝;謝春暉;張輝
• 申請（專利權）人: 湖南力得爾智能科技股份有限公司
• 主分類號: C25C3/20
• 分類號: C25C3/20
• 代理公司: 長沙伊柏專利代理事務所(普通合伙) 43265
• 代理人: 羅莎

本發明涉及鋁電解自控制技術領域，尤其涉及一種基于AI神經網絡深度自學習的鋁電解全息化閉環控制系統，包括：數據獲取模塊、數據存儲模塊、自學習模塊、評估模塊、決策模塊、執行模塊以及控制模塊，所述控制模塊在數據存儲模塊中儲存的數據量小于預設值時，控制所述系統使用預設參數對系統進行調整，在數據存儲模塊中儲存的數據量達到預設值時，控制所述自學習模塊對數據存儲模塊中儲存的數據進行學習，并控制所述系統使用所述最優參數集合和警覺閾值集合對系統進行調整，本發明通過以上技術方案，有效降低了鋁電解生產過程中的能耗，提高了鋁電解生產效率。

技術領域

本發明涉及鋁電解自控制技術領域，尤其涉及一種基于AI神經網絡深度自學習的鋁電解全息化閉環控制系統。

背景技術

目前中國已成為世界鋁工業大國，是全球電解鋁第一大生產國，占全球產量的58%左右。自2002年以來，全球電解鋁增量基本來源于中國，尤其近五年中國電解鋁增量貢獻全球增量的90%以上。而鋁電解是一個復雜的工業生產過程，鋁電解槽內部復雜的物料化學變化以外部多種不確定作業因素導致槽內參數較多，參數間呈現出非線性、強耦合性等特點，難以實時測量、調整，給鋁電解生產過程控制優化帶來一定難度。目前的鋁電解法耗能巨大且效率低下，且鋁電解生產過程中會產生大量溫室氣體，環境污染嚴重。因此，在保證鋁電解槽平穩生產的前提下，如何提高電流效率、降低能耗、降低污染氣體排放量，以實現高效、節能、減排已成為鋁電解企業的生產目標。

中國專利公開號：CN105404142B公開了一種基于BP神經網絡與MBFO算法的鋁電解多參數控制方法，其公開的技術方案中，公開了一種基于BP神經網絡與MBFO算法的鋁電解多參數控制方法，首先，利用BP神經網絡對鋁電解過程進行建模，然后利用改進的多目標細菌覓食算法優化鋁電解生產過程模型參數，得到決策變量的最優解；其中改進的多目標細菌覓食算法關鍵在于利用Pareto熵的外部檔案更新策略更新菌群，使得菌群以較快速度朝著Pareto前沿移動。其實現的有益效果為，基于多目標細菌覓食算法優化鋁電解參數，有效提高鋁電解生產效率；使用Pareto熵的外部檔案更新策略更新菌群，使得能夠快速獲取鋁電解生產最優參數。

現階段，通過對國內外鋁電解槽控制技術的分析和研究，提出了大型鋁電解槽全息操作及控制技術的研制開發技術思路。然而，在現有技術中，亟須有效的全息化控制系統，以提高鋁電解生產效率。

發明內容

為此，本發明提供一種基于AI神經網絡深度自學習的鋁電解全息化閉環控制系統，用以克服現有技術中缺少有效的全息化控制系統，以提高鋁電解生產效率的問題。

為實現上述目的，本發明提供一種基于AI神經網絡深度自學習的鋁電解全息化閉環控制系統，包括：

數據獲取模塊，用以獲取一個加料周期的鋁電解過程中的參數數據，一個所述加料周期包括打殼下料階段、升溫階段以及電解階段，所述參數數據包括伸腿結殼厚度和氧化鋁濃度；

數據存儲模塊，其與所述數據獲取模塊相連，包括不合格品數據庫和常規數據庫，所述不合格品數據庫用以儲存不合格鋁產品的相關數據，所述常規數據庫用以儲存合格鋁產品的相關數據；

自學習模塊，其與所述數據存儲模塊相連，包括神經網絡學習模型，用以對所述數據存儲模塊中儲存的數據進行學習以構建最優參數集合和警覺閾值集合；

控制模塊，其分別與所述數據存儲模塊和自學習模塊相連，在數據存儲模塊中儲存的數據量小于預設值時，所述控制模塊控制所述系統使用預設參數對系統進行調整，在數據存儲模塊中儲存的數據量達到預設值時，所述控制模塊控制所述自學習模塊對數據存儲模塊中儲存的數據進行學習，并控制所述系統使用所述最優參數集合和警覺閾值集合對系統進行調整；

評估模塊，其分別與所述數據獲取模塊、自學習模塊和控制模塊相連，用以對所述數據獲取模塊獲取的數據進行評估；

決策模塊，其與所述評估模塊相連，用以根據所述評估模塊的評估結果對分子比和極距進行調整和優化；