基于改进多重极限学习机的槽电压优化方法
来源期刊:控制工程2020年第4期
论文作者:徐辰华 平嘉鸣 林小峰 黄清宝 李智
文章页码:758 - 764
关键词:电解铝;槽电压;多重极限学习机;遗传算法;
摘 要:为了降低电解铝生产的电能消耗,提出了一种基于遗传算法的多重极限学习机(Genetic Algorithm-Multiple Extreme Learning Machine, GA-MELM)的电解铝生产过程槽电压优化方法,以寻找最优的生产槽电压和对应的生产条件。首先采用核主元分析法确定影响电解槽槽电压的关键参数,建立槽电压的多重极限学习机软测量模型。然后利用遗传算法对电解铝槽电压模型进行寻优,获得槽电压优化值和对应的优化操作参数。通过实际的生产数据进行仿真实验,结果表明,采用GA-MELM方法能够较准确的对电解铝槽电压进行预测和优化,从而为实际电解铝生产降低能耗提供有效的理论指导。
徐辰华,平嘉鸣,林小峰,黄清宝,李智
广西大学电气工程学院
摘 要:为了降低电解铝生产的电能消耗,提出了一种基于遗传算法的多重极限学习机(Genetic Algorithm-Multiple Extreme Learning Machine, GA-MELM)的电解铝生产过程槽电压优化方法,以寻找最优的生产槽电压和对应的生产条件。首先采用核主元分析法确定影响电解槽槽电压的关键参数,建立槽电压的多重极限学习机软测量模型。然后利用遗传算法对电解铝槽电压模型进行寻优,获得槽电压优化值和对应的优化操作参数。通过实际的生产数据进行仿真实验,结果表明,采用GA-MELM方法能够较准确的对电解铝槽电压进行预测和优化,从而为实际电解铝生产降低能耗提供有效的理论指导。
关键词:电解铝;槽电压;多重极限学习机;遗传算法;