论文部分内容阅读
复杂工业过程具有参数多、耦合性强、不确定性、性能指标波动大等特征，致使工业生产企业在全球竞争中面临着资源、能源与环境的严重制约和挑战。而复杂工业过程建模与优化是其提高性能指标和实现节能降耗的关键技术之一。本课题旨在利用数据挖掘等理论方法，建立具有适应生产过程变化的复杂系统动态演化模型及决策参数稳健优化方法，并以铝电解实际生产过程为例开展以下三个方面工作：第一，铝电解工艺过程的决策变量选择。选择出最佳决策变量集是建立精确模型的前提。本文提出结合KPLS (Kernel Partial Least Square)和FR (False Nearest Neighborsand Randomization Method)的工业过程变量选择方法，首先将原始空间通过核映射的方法转化到偏最小二乘空间；同时提出在该空间运用FR的变量选择策略,选择出最佳决策变量集，剔除在统计意义上不显著的变量。第二，建立铝电解槽工艺能耗动态演化模型。建立精准的过程模型是实现优化的前提。本文提出强跟踪平方根无迹Kalman神经网络(Strong Tracking Square RootUnscented Kalman Filter Neural Network,STR-UKFNN),并用其建立铝电解槽工艺能耗的动态演化模型。该方法利用误差协方差阵的平方根代替UKFNN算法中的协方差阵,避免误差协方差阵可能出现负定而导致滤波发散,并在UKFNN算法中引入渐消因子和弱化因子,实时调整滤波增益,提高模型收敛速度和其对突变状态的跟踪能力。第三，铝电解过程工艺能耗决策参数的稳健优化。铝电解过程所受的不确定因素干扰对最优参数的设计和实现能产生不良影响。本文提出结合动态建模和稳健优化策略的工业过程最优参数设计方案，在STR-UKFNN精确能耗模型的基础上，采用改进的强度Pareto稳健多目标优化方法进行最优参数的设计，得出在系统受不确定因素干扰时，能够保证系统具有稳健最优输出的工艺决策参数，达到改善铝电解过程能耗指标的目的。综上所述，该研究提出了：(1)结合KPLS和FR的工艺参数选择方法；(2)基于STR-UKFNN的动态演化模型建立方法；(3)基于动态模型的强度Pareto多目标稳健优化方法。本文所研究的复杂工业过程建模优化方案为工业过程性能指标改善和实现节能减排提供了有效途径。