铝电解槽内部槽况特征复杂多变,人工难以判断槽况的变换趋势,难以及时进行检测和调控,因此对铝电解槽生产过程的监控和故障诊断就越来越为人们所重视。本文以铝电解槽运行过程为研究对象,从槽电阻信号入手,利用BP神经网络对铝电解槽槽况进行故障诊断,并在此基础上完成了诊断系统方案设计与实现。 论文对铝电解槽故障机理进行了分析,指出了槽电阻信号中高低频噪声的来源,利用快速傅立叶变换法、直接法和AR谱估计方法对铝电解槽槽电阻正常和异常信号进行了频谱分析,分析结果指出了正常和异常情况下槽电阻信号的典型特征,表明槽电阻信号的主频率在0～0.1Hz之间。在电解过程中,由于氧化铝下料和极距调整,在很低频率处始终有一个稳定的低频信号;当铝液波动较大时,在稍高频率处,会引起一个较明显的波峰;当阳极异常时,在稍高频率处,会引起两个较明显的波峰。 针对350kA大型预焙铝电解槽的三种不同槽况,本文建立了以频谱能量为特征向量的故障样本和相应的BP神经网络模型,并在其相关故障诊断样本训练过程中,分析了隐层节点数、学习率等因素的选取原则,采取三层BP神经网络,输入层有10个输入神经元(0～0.09Hz间每0.01频段能量占总能量的百分比及其归一化总能量),隐含层有8个神经元,输出层有3个神经元(正常槽况、铝液波动和阳极异常),并通过槽电阻的实际数据来检验模型的效果。实验结果表明本文所建立的诊断系统故障样本和BP神经网络模型能快速、较准确地对故障情况做出判断。 本文还用Visual C++,SQL Server 2000,MATLAB三者结合,设计了铝电解槽故障诊断系统软件。系统主要分为三大模块:监测模块、信号处理模块和诊断模块。实现了槽信号的实时曲线和历史显示,历史报表查询,槽电阻频谱分析和神经网络故障诊断功能。