基于BP神经网络与MOBFOA算法的铝电解工艺参数优化方法

摘要

本发明公开了一种基于BP神经网络与MOBFOA算法的铝电解工艺参数优化方法，包括以下几个步骤：一：统计对电流效率、吨铝能耗以及全氟化物排放量影响大的参数作为决策变量X；二：利用BP神经网络建立铝电解生产过程模型；三：运用MOBFOA算法对决策变量在其取值范围内进行优化；四：按照最优决策变量进行现场控制。有益效果：利用非线性映射能力强的BP神经网络建立铝电解生产过程模型；优化方法指导菌群跳出局部最优，可快速获得最佳的生产过程参数，达到了高效、降耗、减排的目的。

主权项

一种基于BP神经网络与MOBFOA算法的铝电解工艺参数优化方法，其特征在于包括以下步骤：S1：选择对电流效率、吨铝能耗以及全氟化物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；对应的吨铝能耗z₁，z₂，…，z_N和对应的全氟化物排放量w₁,w₂,…,w_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、吨铝能耗z_i以及全氟化物排放量w_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MOBFOA算法，对步骤S2所得的三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、吨铝能耗z_best以及全氟化物排放量w_best，优化时，通过计算Pareto熵并根据Pareto熵对外部档案进行更新和实现自适应步长调整，以保证在种群多样性前提下快速收敛和引导菌群快速移动并避免陷入局部最优；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、降耗和减排的目的。