摘要：电流效率是铝电解生产过程最重要的经济技术指标,提高电流效率不仅可以降低能耗,还可以提高电解槽的产铝量。对电流效率进行实时监测,可以为现场工人提供操作决策依据。由于铝电解的电流效率难以用仪表进行精确测量,因此研究利用软测量技术来解决这一问题是必然选择。由于铝电解存在不同的槽况,利用单模型对电流效率进行测量会增加模型复杂度、信息丢失。针对这一问题,本文提出了利用多支持向量机模型来解决铝电解电流效率软测量建模问题。本文研究的工作主要包括：首先,综述了铝电解工艺参数测量的研究现状,针对电流效率测量存在的问题,提出用支持向量机的方法建立在线软测量模型；分析了槽电压、电解质温度、分子比等工艺参数和槽况对电流效率的影响,并采集这些参数的检测数据进行预处理,选择这些参数作为软测量模型的辅助输入变量。然后,采用数据挖掘技术中的聚类算法对样本数据进行分类,根据铝电解槽数据的特点,选择模糊C-均值聚类算法对其聚类。由于FCM算法容易陷入局部最优解,为了解决这一问题,本文提出了种改进的模糊C-均值聚类算法,将欧几里得距离公式重新定义,通过改变平滑参数的大小来调整聚类效果。仿真结果表明,改进的FCM算法使数据样本划分更加合理。最后,对聚类后的各子类样本数据分别建立支持向量机子模型,使每个子模型包含不同的槽况信息。当输入一个数据时,分别计算各类子模型的电流效率值,再利用模糊隶属度进行加权融合得到铝电解电流效率的测量值。通常情况下,样本点所在槽况的子模型权重值比较大,其他子模型的权重值较小。仿真结果表明,本文所提出的多支持向量机软测量模型能够更加准确、快速地估计电流效率值,大大提高了测量精度。图25幅,表13个,参考文献62篇。