小腦模型網(wǎng)絡(luò)在氧化鋁高壓溶出和沉降分離中的應(yīng)用研究.pdf

1、氧化鋁生產(chǎn)工藝是一個(gè)復(fù)雜連續(xù)的化工工業(yè)生產(chǎn)過(guò)程,高壓溶出和沉降分離是氧化鋁生產(chǎn)過(guò)程中很關(guān)鍵的兩個(gè)工序?？列员戎凳歉邏喝艹鲞^(guò)程一項(xiàng)重要的技術(shù)指標(biāo),稀釋固含則是沉降分離工序重要的控制參數(shù),它們不僅對(duì)氧化鋁生產(chǎn)具有重要的指導(dǎo)作用,而且反映了氧化鋁工業(yè)的產(chǎn)品質(zhì)量。然而,目前苛性比值與稀釋固含的檢測(cè)是通過(guò)化學(xué)分析直接計(jì)算得到,測(cè)量結(jié)果存在較大的滯后,不能實(shí)時(shí)反映生產(chǎn)工況。因此,本文基于小腦模型(Cerebella Model Articulati

2、on Controller,CMAC)神經(jīng)網(wǎng)絡(luò)建立苛性比值與稀釋固含的軟測(cè)量模型,通過(guò)CMAC網(wǎng)絡(luò)構(gòu)造可測(cè)輔助變量與主導(dǎo)變量的關(guān)系模型,間接估計(jì)主導(dǎo)變量,實(shí)現(xiàn)對(duì)苛性比值與稀釋固含的在線實(shí)時(shí)檢測(cè)。
　　論文主要工作內(nèi)容如下:
　　第一、針對(duì)Albus提出的CMAC網(wǎng)絡(luò)概念映射算法存在映射地址空間分布不均勻的缺陷,引入基于啟發(fā)式方法的最優(yōu)偏移矢量算法,使地址空間分布更加統(tǒng)一均勻,提高CMAC網(wǎng)絡(luò)建模的精度和泛化性能;
　　

3、第二、針對(duì)傳統(tǒng)CMAC網(wǎng)絡(luò)的學(xué)習(xí)算法—最小均方(Least Mean Square,LMS)算法本身存在收斂速度和穩(wěn)態(tài)性能之間的矛盾,采用基于雙曲正割函數(shù)的變步長(zhǎng)LMS自適應(yīng)算法作為CMAC網(wǎng)絡(luò)學(xué)習(xí)算法,兼顧收斂速度和穩(wěn)態(tài)失調(diào)兩個(gè)指標(biāo),提高CMAC網(wǎng)絡(luò)建模的魯棒性和穩(wěn)定性;
　　第三、分析氧化鋁高壓溶出和沉降分離過(guò)程的工藝機(jī)理,選取苛性比值與稀釋固含軟測(cè)量模型的可測(cè)輔助變量,并采用部分最小二乘法對(duì)輔助變量降維,簡(jiǎn)化苛性比值與稀釋固

4、含軟測(cè)量模型的輸入空間,降低軟測(cè)量模型的復(fù)雜性,提高模型的收斂速度和精度;
　　第四、設(shè)計(jì)并編碼實(shí)現(xiàn)了基于小腦模型網(wǎng)絡(luò)的苛性比值與稀釋固含軟測(cè)量系統(tǒng),實(shí)現(xiàn)對(duì)苛性比值與稀釋固含的在線實(shí)時(shí)檢測(cè),并對(duì)采用傳統(tǒng)CMAC網(wǎng)絡(luò)的軟測(cè)量系統(tǒng)與采用改進(jìn)CMAC網(wǎng)絡(luò)的軟測(cè)量系統(tǒng)進(jìn)行性能對(duì)比,結(jié)果表明改進(jìn)后的CMAC網(wǎng)絡(luò)建立的軟測(cè)量系統(tǒng)預(yù)測(cè)的苛性比值與稀釋固含和實(shí)際生產(chǎn)值非常接近,準(zhǔn)確率更高,且預(yù)測(cè)的穩(wěn)定性更好。
　　基于對(duì)氧化鋁高壓溶出和沉降