基于深度学习的300 kA铝电解槽阳极效应预测

作     者：尹刚 陈根 何文 颜非亚 罗斌 李锐 YIN Gang;CHEN Gen;HE Wen;YAN Fei-ya;LUO Bin;LI Rui

作者机构：重庆大学资源与安全学院煤矿灾害动力学与控制国家重点实验室重庆400044 博眉启明星铝业有限公司眉山620010 贵阳铝镁设计研究院有限公司贵阳550000 四川省四维环保设备有限公司遂宁629000 

基　　金：国家自然科学基金资助项目(50728504) 

出 版 物：《中国有色金属学报》 (The Chinese Journal of Nonferrous Metals)

年 卷 期：2021年第31卷第1期

页      码：161-170页

摘      要：本文对铝电解槽阳极效应机理和故障参数进行研究,提出了一种基于深度学习的阳极效应预测方法,能适应不同维度、不同数据特征的槽况参数,直接从海量原始数据中挖掘故障特征信息,大幅缩减效应响应时间,具有很好的鲁棒性和抗干扰能力,同时在模型调试优化上,采用Batch normalization算法和梯度检验,提高了模型收敛速度和稳定性。结果表明:该模型效应预测准确率和F1分数分别达到94.65%和0.9317,提前预报时间可达16 min,并通过现场实验验证,达到实际生产要求。

主 题 词：铝电解 300 kA 阳极效应预测 深度学习 算法优化 

学科分类：12[管理学] 080603[080603] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0806[工学-电气类] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11817/j.ysxb.1004.0609.2021-36526

馆 藏 号：203102126...