工业大数据与领域知识协同驱动的铝电解槽热平衡控制方法

The advanced intelligent decision and control system of aluminum electrolysis cell must be based on big data and domain knowledge to provide support for the control technology and industrial upgrading of aluminum electrolysis, and to achieve the goals of green and highly efficient production, energy conservation and emission reduction. This project proposes collaborative control method based on industrial big data and domain knowledge, which aims to solve the problems in the following: The thermal balance control system for aluminum electrolysis cell cannot automatically, comprehensively and quickly perceive all kinds of data, information and knowledge related to the heat balance control of aluminum electrolysis cell, and it also cannot effectively fuse multi-source and heterogeneous big data, therefore, it is impossible to make the aluminum electrolysis cell produce under the condition of high efficiency, energy saving and less emission. The key to study the self - healing control of heat balance in aluminum electrolysis cell mainly includes: Multi-source and dynamic information fusion method for thermal equilibrium state identification of aluminum electrolysis cells based on mechanism, data and knowledge; Modeling method of heat balance in aluminum electrolytic cells based on industrial big data and domain knowledge collaboration; The method of heat balance model of aluminum electrolytic cell establishment based on industrial big data and domain knowledge collaboration; Study on methods of dynamic performance analysis and on-line feedback correction of heat balance. A new multi-objective optimization method for process parameters of aluminum electrolysis cell based on dynamic thermal balance control strategy will be established, thereby, prompt China's aluminum electrolysis industry to develop towards refinement, greening and intellectualization, and promote the strategic upgrade of industrial manufacturing level of aluminum electrolysis production.

先进的铝电解槽智能决策与控制系统必将以大数据和领域知识为基础，才能为铝电解的控制技术与产业升级提供支持，并实现绿色高效生产和节能减排。本项目针对当前铝电解槽的热平衡控制系统不能自动、全面、快速地感知与铝电解槽热平衡控制相关的各种数据、信息和知识，且不能够有效融合多源异构大数据、进而也不可能使铝电解槽在高效、节能和少排的状态下生产等问题，提出了基于工业大数据和领域知识协同控制的方法。研究铝电解槽热平衡自愈控制的关键主要包括：基于机理、数据、知识多源动态信息融合的铝电解槽热平衡状态辨识方法；基于工业大数据和领域知识协同的铝电解槽热平衡建模方法；铝电解槽热平衡动态性能分析及在线反馈校正方法研究。构建基于动态热平衡控制策略的铝电解槽工艺参数多目标优化新方法，从而促使我国铝电解工业向精细化、绿色化、智能化方向发展，促进铝电解生产工业制造水平的战略升级。

铝电解槽是一个多相多场耦合、紧平衡和临界稳定的复杂系统。为了实现铝电解槽热平衡的精细化控制，迫切需要铝电解槽控系统从海量的数据中提取有价值的信息，并结合固化的工艺知识和经验知识，形成一种基于数据与知识协同驱动的铝电解槽热平衡精细化控制方法。为了让铝电解数据采集机器人能够高效的获取铝电解槽的运行状态数据，本项目研究了基于Dueling DQN的铝电解数据采集机器人路径规划方法。为了获取有效的铝电解槽况辨识的视频特征数据，提出了一种基于多通道卷积核与多特征融合的铝电解火眼视频特征数据提取方法，有效的减少了火眼背景图像对铝电解槽况辨识的干扰。针对铝电解的工况参数控制问题，提出了基于多特征趋势预测的铝电解槽况辨识与调整方法，并基于模糊Petri网络模型的知识推理方法，应用于铝电解工况参数的控制。铝电解槽火眼彩色图像是铝电解槽工况识别的关键，由于火眼图像非均匀分布的光照背景和斜光束辐射，使得图像分割困难。为此，本项目提出了一种联合双通道卷积核(DCCK)和多帧特征融合(MFF)方法来实现动态火眼视频图像分割。针对铝电解槽工况辨识问题，提出了一种基于信息协同熵的区间直觉模糊多特征融合的铝电解工况识别的方法，该方法能够有效识别铝电解槽的工况状态。针对铝电解槽氟化铝添加量的控制问题，本项目提出了一种基于多参数趋势预测(TPMP)的控制方法，该方法能够将铝电解质中的AlF3控制在一个合理水平，减少铝电解异常工况的发生。该项目将基于数据特征知识与领域知识协同推理计算方法应用于铝电解槽况辨识中，并设计基于数据特征知识的槽况自动识别验证系统，从而实现铝电解槽况的自动识别。铝电解槽热平衡动态性能分析及在线反馈校正方法研究。构建基于动态热平衡控制策略的铝电解槽工艺参数多目标优化新方法，从而促使我国铝电解工业向精细化、绿色化、智能化方向发展，促进铝电解生产工业制造水平的战略升级。