铝是重要的金属材料,在国民经济建设中起着重要作用.中国是铝业大国,而铝的产量远远不能满足社会发展的需求.因此,提高铝的产量和质量至关重要.铝电解过程故障发生频繁,如阳极效应、热槽、冷槽等.这些故障的发生,对整个电解系列产生巨大影响,降低铝的产量和质量,消耗大量的电能,造成巨大的经济浪费.因此,有效地对铝电解生产过程的故障进行检测和预报,具有十分重要的意义.铝电解过程工艺复杂,电场、磁场和热场交互干扰,难以建立故障检测和预报的数学模型.该文在深入研究铝电解生产过程的故障特点及反应特性的基础上,提出了采用集成神经网络进行故障诊断的新方法.该课题的主要研究内容和结果如下:第一,叙述了故障诊断技术的发展过程,归纳总结了故障诊断的主要方法,并简要阐述了预测的基本理论和方法.对该文采用的智能诊断方法——集成神经网络诊断方法进行了深入的探讨,并将其应用到铝电解的故障诊断中.第二,介绍了铝电解工业过程,描述了该文进行诊断的阳极效应、热槽和冷槽等常见故障的特征,并说明了故障发生时,与其相关的特征量的变化趋势.第三,铝电解故障有时是单一故障,有时是两个或两个以上的故障同时发生.针对这一故障特点,建立了单一故障神经网络检测和预报子网、建立了复合故障神经网络检测和预报综合决策网.从而,可以实现对各种故障进行有效地诊断.第四,该文子神经网络采用了BP网络结构,为了提高故障诊断的准确性,利用遗传算法对神经网络模型进行了优化.中国铝电解工业近几年的发展很快,技术不断提高,但是铝电解故障检测和预报技术还比较落后.虽然有人曾在此方面作了一些研究,但还没有实际应用.该课题将集成神经网络技术和故障诊断技术相结合,极大地推广了神经网络技术的应用,促进了铝电解过程故障诊断技术的发展.该方法通用性强,易于推广,具有巨大的商业应用价值.