李界家，吳成東
沈陽建筑大學信息與控制工程學院，遼寧沈陽

東北大學信息科學與工程學院，遼寧沈陽

摘　　　要：鋁電解過程是一個非線性、多耦合、時變和大時滯過程，受強電場、強磁場、強熱場交互干擾，形成了復雜多變的槽況特征，故障種類繁多，發生頻繁，有效地故障預報和診斷，對電解系列平穩供電，節約電能、提高鋁的產量和質量有重要意義。根據鋁電解過程故障特點，提出了基于主成分分析的集成神經網絡鋁電解多故障診斷方法，建立分層故障診斷模型結構，包括子神經網絡層和決策融合神經網絡層，子神經網絡模塊采用了改進型的Ｅｌｍａｎ神經網絡，強化信息的記憶功能，并通過主成分分析優化了神經網絡結構；決策融合神經網絡通過各子網絡傳遞的相關信息，進一步驗證對子神經網絡診斷結果和復合故障進行綜合決策。仿真結果表明，具有良好的診斷效果，驗證了該故障診斷方法的可行性和有效性。

關　鍵　詞：鋁電解；故障診斷；決策；融合

１　引　言
鋁電解過程是非線性、多耦合、時變和大時滯過程，其工作電流通常在幾萬或幾十萬Ａ，強電場、強磁場、強熱場交互干擾，現場環境十分惡劣。尤其在電解過程中，槽內物料平衡與能量平衡狀態的不斷變化及其相互影響，形成了復雜多變的槽況特征。所以，故障種類多，難以檢測，有些故障一旦發生，將會造成很大的損失。如鋁電解中的陽極效應，一旦發生將會給鋁電解生產造成很大影響，影響整個電解系列的平穩供電。因此，及時對故障進行診斷，以較大限度地提高診斷的準確率，對電解槽平穩供電，節約電能、提高鋁的產量和質量有重要意義。鋁電解過程故障種類多，故障因素也多。由于鋁電解過程的非線性特性，所以，通常采用單個神經網絡的故障診斷方法，但用這種方法，對多種故障及兩種或兩種以上的復合故障診斷比較困難。特別是復合故障的網絡結構難以確定，即使能夠確定，但網絡的節點過多，結構龐大，造成訓練困難，很難保證故障診斷的準確率。鑒于上述原因，本文從信號的有效組合出發，按故障的性質和過程參數的相關性，建立了鋁電解集成神經網絡故障診斷模型，具有分層故障診斷功能，子網絡可對各單一故障進行診斷，并將各子網絡的輸出送入到決策融合神經網絡重新融合，并通過各子網絡傳遞的相關信息，對子網絡診斷結果和診斷復合故障進行決策。從功能來看，信息融合級子網絡從不同側面完成對故障的診斷，信息融合級子網絡的診斷結果送入決策融合級子網絡進行融合，較終得出診斷結果。

登錄網站后可下載文件