[发明专利]基于递归神经网络与角度偏好的铝电解建模与优化方法

摘要

本发明提供了一种基于递归神经网络与角度偏好的铝电解建模与优化方法。首先，利用递归神经网络对铝电解生产过程进行建模，然后决策者设定期望目标值，引入A‑dominance偏好支配方法，结合多目标量子粒子群算法对生产过程模型进行优化，得到最满足决策者期望的最优决策变量，以及对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。MQPSO算法不需要进行交叉、变异操作，只有最简单的位置更新步骤，因此编码过程简单，并且具有强全局搜索能力，容易实现种群进化过程中偏好最优取值的完整性，满足决策者需求。利用该方法确定铝电解生产过程中工艺参数的最优值，可有效提高电流效率，降低槽电压，减少温室气体排放量，达到节能减排的目的。

主权项

1.一种基于递归神经网络与角度偏好的铝电解建模与优化方法，其特征在于，包括如下步骤：S1：选择对电流效率、槽电压以及全氟化物排放量有影响的控制参数构成决策变量，决策变量X＝[x1,x2,···,xM]，M为所选控制参数的个数；S2：选定铝电解工业现场，采集N组决策变量X1,X2,···,XN及其对应的电流效率y1,y2,···,yN，槽电压z1,z2,···,zN，以及全氟化物排放量s1,s2,···,sN和吨铝能耗c1,c2,···,cN为数据样本，以每一组决策变量Xi作为输入，以对应的电流效率yi、槽电压zi以及全氟化物排放量si和吨铝能耗ci作为输出，利用递归神经网络对样本进行训练、检验，建立四个铝电解槽生产过程模型；S3：利用基于A支配的偏好多目标量子粒子群算法，根据决策者预先设定的期望值作为参考点，建立基于A支配的严格偏序关系，对步骤S2所得的四个生产过程模型进行优化，得到一组最满足决策者期望的决策变量Xbest及其对应的电流效率ybest、槽电压zbest以及全氟化物排放量sbest和吨铝能耗cbest；S4：按照步骤S3所得的最优决策变量Xbest中的控制参数来控制步骤S2中所选定的铝电解工业现场，使其达到节能减排降耗的目的。