[发明专利]一种基于神经网络的铝电解槽三维炉膛形状实时预测方法和系统

说明书

本发明公开了一种基于神经网络的铝电解槽三维炉膛形状实时预测方法和系统，该方法包括：1)获取铝电解槽建模参数；2)根据建模参数构建铝电解槽传热有限元模型；将不同试验参数进行排列组合，构成试验组；将试验组中的每一组试验参数分别输入铝电解槽传热有限元模型，进行仿真计算，得到每一组试验参数对应的炉膛形状和槽壳温度；3)以槽壳温度、电解质水平和铝水平为输入变量，以炉膛形状为输出变量，构建BP神经网络；4)基于步骤2)中的仿真结果训练BP神经网络；5)实时测量和获取槽壳温度、电解质水平和铝水平；输入步骤4)中训练好的BP神经网络，得到最终预测的炉膛形状。本发明能够准确快速的预测铝电解槽三维炉膛形状。

技术领域

本发明属于铝电解槽领域，特别是涉及一种基于神经网络的铝电解槽三维炉膛形状实时预测方法和系统。

背景技术

在铝电解槽中，电流通过有一定阻抗的熔融电解质产生焦耳热，维持电解槽的高温运行。而熔融电解质在接触侧壁时冷却凝固，形成一圈炉帮和伸腿，能保护侧壁不受高温熔体侵蚀。维持适宜的炉膛形状，能够减小铝液中的水平电流，提高槽内磁流体稳定性，有利于生产过程的稳定运行。而不合理的炉膛形状会导致槽内稳定性恶化，降低电流效率，严重的甚至会发生漏槽，从而直接影响电解安全生产和各项技术经济指标。

槽内熔体温度接近1000℃且带有高腐蚀性，现今铝电解生产过程中，还很难对炉膛形状进行直接有效的观测。工业生产中，常常是在换极的时候伸入专用的工具，测定几个位置点，来推测其余位置的炉膛形状。由于换极周期较长，测量全槽炉膛形状所需时间接近一个月，进行测量时，上一次测量位置的炉膛形状往往已经发生变化，且这种方法测点有限，测得的炉帮形状准确性较差，只能辅助现场操作人员判断槽内情况。

现有技术中，专利申请“铝电解槽炉帮形状在线监测系统”(申请号：201110439642.8)中，公开了一种铝电解槽炉帮形状在线监测系统，在电解槽(1)槽壳上的电解槽炉帮(2)连接测温探头(3)，测温探头(3)与上位工控机(6)电连接。该专利申请可连续监控电解槽温度，但既没有公开进行铝电解槽炉帮形状计算分析的具体方法，更没有对计算结果进行验证，无法确定槽内炉膛形状是否规整、是否有漏槽的风险。

因此，有必要设计一种新的铝电解槽三维炉膛形状实时预测方法和系统。

发明内容

本发明所解决的技术问题是，针对现有技术的不足，提供一种基于神经网络的铝电解槽三维炉膛形状实时预测方法和系统，使用仿真计算结果数据来训练BP神经网络，从而可以根据槽壳温度快速准确地预测槽内炉膛形状。

本发明的技术解决方案如下：

一种基于神经网络的铝电解槽三维炉膛形状实时预测方法，包括以下步骤：

1)获取铝电解槽建模参数，包括各内衬材料属性数据与结构参数、外界换热条件、工艺参数；

2)根据步骤1获取的建模参数构建铝电解槽传热有限元模型；将不同试验参数的不同取值进行排列组合，构成试验组；将试验组中的每一组试验参数分别输入铝电解槽传热有限元模型，进行仿真计算，得到每一组试验参数对应的炉膛形状和槽壳温度数据，用于后续训练；

3)构建BP神经网络；

选取槽壳温度、电解质水平和铝水平作为所述BP神经网络的输入变量；

选取炉膛形状作为所述BP神经网络的输出变量；

4)训练BP神经网络，得到调试好的BP神经网络；

vi.从步骤2)的仿真结果中获取槽壳温度数据；从槽控机获取电解质水平和铝水平数据；并将所有的槽壳温度数据、电解质水平和铝水平数据划分为第一训练集和第一测试集；

vii.从步骤2)的仿真结果中获取炉膛形状；并将所有的炉膛形状划分为第二训练集和第二测试集；