[发明专利]基于SPEA2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SPEA2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。SPEA2通过裁减操作控制外部种群的数量，并获得分布均匀的Pareto前沿，是一种经典的多目标进化算法，其运算速度快、稳健性强且解集分散、分布均匀，被认为是目前比较成熟的多目标遗传算法。

发明内容

本申请通过提供一种基于SPEA2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SPEA2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SPEA2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；

SPEA2算法对生产过程模型进行优化的具体步骤包括：

S31：计算初始个体的适应度F(i)＝R(i)+D(i)，其中R(i)和D(i)是影响F(i)大小的两个因素；

根据帕累托支配概念，求出R(i)，即：

R(i)=Σj∈P+NDset,j>iS(j)]]>

S(j)＝|{j|j∈P+Q∧i＞j}|

式中，P为进化群体，Q为归档集；

D(i)是影响F(i)同时考虑支配个体和被支配个体的信息，采用近邻机制对F(i)求得更科学的评价，

D(i)=1σik+2]]>

k=|p|+|Q|M]]>

式中，M为存档集Q的个体数量，为个体i到其第k个相邻个体之间的欧式距离，为了计算需要计算个体i到进化群体P和归档集Q中其他所有个体之间的距离，并按照增序排列；