[发明专利]基于MOEA/D算法的铝电解生产优化方法

说明书

技术领域

本发明涉及最优控制领域，具体涉及一种基于MOEA/D算法的铝电解生产优化方法。

背景技术

环境友好型铝电解生产过程长期以来都是一个具有挑战性的问题。在电解铝工业中，最终目标是在电解槽平稳运行的基础上，提高电流效率、降低吨铝能耗以及减少全氟化物的排放量，然而这一目标是非常难以实现的，原因在于铝电解槽参数较多，参数间呈现出非线性、强耦合性，给铝电解生产过程建模带来了较大难度。BP神经网络具有很强的非线性映射能力，适用于解决非线性系统建模问题，为铝电解生产过程建模提供了新的思路。MOEA/D算法是一种经典的多目标进化算法，其运算速度快、适应能力强、求解具有复杂PS的多目标问题时具有较高的性能因而被广泛应用于多个领域。

发明内容

本申请通过提供一种基于MOEA/D算法的铝电解生产优化方法，以解决现有技术中铝电解生产过程中因无法获得最优工艺参数而导致的耗能巨大、效率低且严重污染环境的技术问题。

为解决上述技术问题，本申请采用以下技术方案予以实现：

一种基于MOEA/D算法的铝电解生产优化方法，其关键在于，包括如下步骤：

S1：统计铝电解生产过程中对电流效率、吨铝能耗和全氟化物排放量有影响的原始变量，并从中确定对电流效率、吨铝能耗和全氟化物排放量影响大的参数作为决策变量X；

S2：采集时间T内的决策变量X及其对应的电流效率、吨铝能耗和全氟化物排放量Y的样本，得到样本矩阵，利用BP神经网络进行训练、检验，建立铝电解生产过程模型；

S3：利用基于MOEA/D算法对生产过程模型进行优化，得到各决策变量的一组最优解以及该最优解对应的电流效率、吨铝能耗和全氟化物排放量；MOEA/D算法对生产过程模型进行优化的具体步骤包括：

S31：初始化；

S311：将待优化的多个目标分解为N个单目标，并对每个单目标赋予权重(λ₁,λ₂,…λ_N)；

S312：计算任意两个权重的欧氏距离，对于每个i＝1,2,…N，令B(i)＝{i₁,i₂,…i_T}，则是离λⁱ最近的T个权重；

S313：初始化种群x¹,...x^N，初始化目标函数最佳值z＝(z₁,...z_m)^T，z_i＝min{f_i(x¹),...f_i(x^N)}，设置外部存档EP为空；

S32：对单个待优化目标最优值进行重复计算，每次产生的新向量都会更加接近多目标优化的最优值；

S321：从B(i)中随机选取两个序列号为k,l子向量，运用遗传算子有x^k,x^l产生一个新的解y，并对y运用基于测试问题的修复和改进启发产生y'；

S322：更新z：对于j＝1,...m，如果z_i＜f_j(y')，则令z_i＝f_j(y')；

S323：更新邻域解：对于j∈B(i)，如果g^te(y'/λ^j,z)≤g^te(x^j/λ^j,z)，则令x^j＝y'，FV^j＝F(y^j)，其中g^te(x/λ^j,z)表示第j个子问题的目标函数，利用切比雪夫法将多目标优化分解为N个标量优化子问题，具体表达式为：FV为x的目标函数，FVⁱ＝F(xⁱ)，FVⁱ是xⁱ的F值；

S324：更新EP，从EP中移出所有被F(y')支配的向量，加入所有不被支配的F(y')；

S33：判断EP中的值是否满足条件，如果满足，则输出EP值，如果不满足，则返回S32。

进一步地，步骤S2中X_k＝[x_k1,x_k2,…,x_kM](k＝1,2,…,S)为输入矢量，S为训练样本个数，