铝电解槽是铝电解生产的主要设备,铝电解槽运行是否正常,不仅关系到电解铝的经济技术指标,而且影响铝电解槽的寿命以及日常生产。铝电解槽是一个非线性、多耦合、时变和大时滞的工业过程体系,在铝电解过程中,形成了复杂多变的槽况特征,如阳极效应、阳极病变、冷槽、热槽和不稳定槽等,故障种类多,难以检测,而且有些故障一旦发生,将会造成巨大的经济损失,影响安全生产。因此,本文对铝电解槽槽况进行故障诊断研究并开发了铝电解槽故障诊断软件系统。本文首先对铝电解生产原理和故障模式进行了介绍和分析,从槽电阻信号入手,建立以频谱能量为特征向量的故障样本和BP神经网络模型。由于BP神经网络对初值的要求高,存在容易陷入局部最小值、收敛速度慢等缺陷和不足,本文利用遗传算法的全局最优搜索能力,对BP神经网络的初始权值和阈值进行优化。这样能够有效的加快学习速度,并增强了诊断识别的泛化能力。本文通过MATLAB对故障诊断算法进行编程,并由COM Builder编译生成COM组件,提供给Visual C++进行调用。其次,用Viusal C++ 6.0和SQL Server 2000设计开发了铝电解槽故障诊断软件系统,该系统主要分为故障诊断子系统和数据传输子系统。本文介绍了所选用的开发软件和开发环境,并从软件的总体结构设计、故障诊断子系统和数据传输子系统的设计,到其他主要功能模块,如数据实时显示和动态曲线显示模块、历史数据查询模块、报表生成和打印模块、在线帮助模块等的设计和开发,进行了详细地说明和论述,并生成了故障诊断软件系统的应用程序安装包。最后,通过比较,没有经过优化的BP神经网络经历3131次训练达到指定精度,运行时间为388.282413s,经过遗传算法优化的BP神经网络经历2571次训练达到指定精度,运行时间为221.996945s,训练次数减少了18%,收敛时间缩短了43%。通过30组测试样本的测试,故障诊断的正确率在80%左右。通过给定的测试环境和测试方案,对故障诊断软件进行了功能测试和应用,结果显示,对发生故障的诊断基本正确。