基于小波神经网络的铝电解槽状态预测

• 作者: 廖孝勇 林景栋 王丰
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 小波包 小波神经网络 槽状态预测
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 优化控制技术及应用
• 页码范围: 290-293
• 分类号: TP27
• 字数: 3811字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7848.2012.02.027

摘要

针对目前国内对铝电解槽运行状况诊断存在的难度大、效率低等问题,着眼于与实时工况相区别而反应电解槽电解能力和稳定运行的电解槽状态的研究,设计了一种以小波包算法提取槽状态信息和建立了用非线性Morlet小波基取代传统神经元非线性激励函数的紧致型小波神经网络的槽状态预测模型.利用小波变换的时域局部化性质和神经网络的自学习能力,对铝电解槽的槽状态进行分析预测,克服了传统神经网络收敛速度慢,容易陷入局部最优等缺点.通过Matlab对状态预测算法进行编程.结果显示,相比传统的神经网络预测模型,铝电解槽的槽状态顸测更加准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林景栋	重庆大学自动化学院	56	419	11.0	17.0
2	廖孝勇	重庆大学自动化学院	33	357	11.0	18.0
3	王丰	重庆大学自动化学院	1	12	1.0	1.0