[发明专利]基于多尺度深度卷积网络的氧化铝综合生产指标决策方法

说明书

本发明提供一种基于多尺度深度卷积网络的氧化铝综合生产指标决策方法，涉及氧化铝综合生产决策技术领域。该方法主要由几个子模型组成：反映底层生产过程指标对氧化铝综合生产指标影响的多尺度深度拼接卷积网络预报子模型；反映氧化铝上层调度指标对氧化铝综合生产指标影响的全连接神经网络预报子模型；反映过去时刻氧化铝综合生产指标对当前氧化铝综合生产指标影响的全连接神经网络预报子模型；及协同优化子模型参数的多尺度信息神经网络集成模型；该方法通过这种集成的预报模型结构同时利用浅层网络的记忆能力与深层网络的特征提取能力，实现对氧化铝生产指标的精确决策。

技术领域

本发明涉及氧化铝综合生产决策技术领域，尤其涉及一种基于多尺度深度卷积网络的氧化铝综合生产指标决策方法。

背景技术

铝及其合金具有许多优良的性能，同时，铝的资源很丰富，因此铝工业自问世以来发展十分迅速。大型化的设备有利于工艺过程的自动检测和控制，以微机和计算机为基础的生产控制和管理系统为氧化铝厂提高劳动生产率、降低原材料消耗和节能提供了巨大的潜力。

尽管相关企业在氧化铝冶炼技术方面进行了项目改良和升级，但是，依旧存在原料质量差、项目能耗高以及产品质量不足的问题，产品多数都是中间状态的氧化铝就会对整体技术应用管理造成影响，制约产品结构。

传统氧化铝生产过程中，很多控制指标主要依赖管理者、调度员、工程师等知识型工作者人工凭经验进行设定，生产系统不能运行在优化条件下。

同时，对于氧化铝生产产生的大量数据，利用传统机器学习算法，很难对大量数据中存在的信息进行有效挖掘。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于多尺度深度卷积网络的氧化铝综合生产指标决策方法，实现对氧化铝综合生产的管理决策。

为解决上述技术问题，本发明所采取的技术方案是：基于多尺度深度卷积网络的氧化铝综合生产指标决策方法，包括以下步骤：

步骤1、采氧化铝生产过程中产生的生产指标数据，利用样本划分算法将采集到的生产指标数据划分为训练集、验证集和测试集，通过数据预处理算法将数据进行预处理，得到能够进行建模的数据；

步骤2、构建反映底层生产过程指标对氧化铝综合生产指标影响的多尺度深度拼接卷积网络预报子模型；

将一段时间内与最终氧化铝综合生产指标密切相关的氧化铝生产过程指标的采样值组成信息矩阵，表示如下：

Y_d＝[v(k_v),v(k_v-1),v(k_v-2),…,v(k_v-n_k)]

其中，Y_d为反映底层生产过程指标影响的多尺度深度拼接卷积网络预报子模型的输入，其中隐含了底层过程生产指标对最终氧化铝综合生产指标的影响的特征信息，其大小为l_p×n_k，l_p为底层过程生产指标个数，n_k为一段时间内底层过程生产指标的采样次数，v(k_v)为任一底层过程生产指标，k_v代表某一采样时刻；

所述底层生产过程指标包括：入磨AO、A/S，调矿NK，调矿固含，石灰有效钙，原矿浆固含、原矿浆细度，溶出赤泥A/S，溶出赤泥N/S，外排A/S，溶出ak，溶出固含，精液Nk，精液ak，精液浮游物，粗液浮游物，循环母液Nc/Nt、Nk，循环效率，种分母液浮游物，种分末槽ak，分解率，平盘滤饼附水、附碱，平母浮游物，分解母液ak及赤泥滤饼含水量；

所述反映底层生产过程指标对氧化铝综合生产指标影响的多尺度深度拼接卷积网络预报子模型包括3个多尺度卷积层、3个池化层、1个普通卷积层、1个全连接层和输出变换层；