[发明专利]基于BP神经网络与自适应MBFO算法的铝电解节能减排方法

摘要

本发明提供了一种基于BP神经网络与自适应MBFO算法的铝电解节能减排方法，首先，利用BP神经网络对铝电解生产过程进行建模，然后，利用基于自适应步长的多目标细菌觅食优化算法对生产过程模型进行优化，得到各决策变量的一组最优解以及该最优解对应的电流效率和温室气体排放量，其中，在对生产过程模型进行优化时，根据菌群进化状态对趋向操作的步长进行动态调整，以确保种群的多样性和收敛性。该方法确定了铝电解生产过程中工艺参数的最优值，有效提高了电流效率，减少了温室气体排放量，真正达到节能减排的目的。

主权项

一种基于BP神经网络与自适应MBFO算法的铝电解节能减排方法，包括如下步骤：S1：选择对电流效率和温室气体排放量有影响的控制参数构成决策变量X＝[x₁,x₂,…,x_M]，M为所选参数的个数；S2：选定铝电解工业现场，采集N组决策变量X₁，X₂，…，X_N及其对应的电流效率y₁，y₂，…，y_N和温室气体排放量z₁，z₂，…，z_N作为数据样本，以每一个决策变量X_i作为输入，分别以对应的电流效率y_i和温室气体排放量z_i作为输出，运用BP神经网络对样本进行训练、检验，建立铝电解槽生产过程模型；S3：利用多目标细菌觅食优化算法，即MBFO算法，对步骤S2所得的两个生产过程模型进行优化，得到一组最优决策变量X_best及其对应的电流效率y_best和温室气体排放量z_best，优化时，根据菌群进化状态对趋向操作的步长进行动态调整，以确保种群的多样性和收敛性；趋向操作的步长动态调整如下：第i只细菌第t+1次迭代的步长为$C^{t+1}\left(i\right)=\left\{\begin{array}{cc}{C}^t\left(i\right)& d_i=+\mathrm{\∞}\\ F\left(C^t\right(i))& d_i\≠+\mathrm{\∞}\end{array}\right.,$步长调整函数为式中，C^t(i)为第i只细菌第t次迭代的步长，d_i为第i只细菌的拥挤距离，μ、λ∈(0,1)为步长调整因子，为第i只细菌第t次迭代的拥挤距离，L为细菌群体的大小；S4：按照步骤S3所得的最优决策变量X_best中的控制参数来控制步骤S2中所选定的铝电解工业现场，使其达到节能减排。