[发明专利]基于SUKFNN算法的铝电解工耗模型构建方法

说明书

本发明公开一种基于SUKFNN算法的铝电解工耗模型构建方法，利用超球体单形采样策略替代传统UKFNN使用的对称采样策略，获得改进的算法SUKFNN算法进行建模。有益效果：将对称采样的2n+1个采样点降低到n+2个采样点，大大减少Sigma点的采样数量，与UKFNN模型比较精度相当，但运行时间降低三分之一左右，提高了模型的实时性，并且有效降低铝电解建模过程的复杂程度。

技术领域

本发明涉及构建铝电解工耗模型技术领域，具体的说，涉及一种基于SUKFNN算法的铝电解工耗模型构建方法。

背景技术

在铝电解生产过程中，采用较广泛的节能技术是提高硬件或者研发新型的反应设备与装置，上述手段可有效增加电流强度和电流效率，但实施难度大，周期长效率低。因此，在确保铝电解平稳安全生产的前提下，如何降低工艺能耗，提高电流效率，已成为铝电解企业追逐的目标。

采用建模优化技术，可以在不更新/改变当前铝电解工艺装备的前提下，给出铝电解生产过程的最优运行参数，使其保持最优槽况，实现节能减排。然而，铝电解槽内部包含复杂的物理化学变化，槽内工艺参数较多，且参数间具有强耦合、非线性等特征；另外极距与保温材料厚度等工艺参数不易直接获取、调整，以及未考虑到铝电解过程是一种动态模式，给建立铝电解生产过程模型带来一定难度。

现有技术采用BP神经网络或无迹卡尔曼滤波神经网络(UKFNN)进行采样建模，BP神经网络所建立的通常是静态模型，没有充分考虑铝电解过程的动态特性；而UKFNN虽然建立动态自适应的模型保证了数值稳定性，如专利申请号为201610325327.5所公开的基于迭代更新的UKFNN铝电解工耗模型构建方法，但其对称采样策略所采样的Sigma点数量为2n+1个，导致计算时间长，建模速度受影响大。

发明内容

本发明的目的是提供一种采样点少且动态建模的基于SUKFNN算法的铝电解工耗模型构建方法，使建模数值保持稳定，并将Sigma点的数量控制在n+2个，减少了运算数量，从而省去大量运算时间，加快建模速度。

为达到上述目的，本发明采用的具体技术方案如下：

一种基于SUKFNN算法的铝电解工耗模型构建方法，所述SUKFNN算法即超球体的无迹卡尔曼滤波神经网络算法，该算法是结合超球体单形采样对UKFNN算法的对称采样进行改进的算法；

所述铝电解工耗模型构建方法采用如下步骤：

S1，初始化铝电解工耗模型滤波器：

其中，x₀表示铝电解功耗模型的初始参数值，是x₀的期望值，是x₀的方差矩阵，为的转置矩阵；

S2，采用超球体单形采样策略计算铝电解工耗模型的Sigma点χ_i：

其中，为模型参数均值，为第i个参数x_i的方差矩阵，为Sigma点χ_i第n维的值，n为超球体的维度，亦即模型的维度；

S3，根据k-1时刻的状态参数预测下一时刻k的状态参数；

S4，采用当前时刻的测量值y_k对S3所预测的状态参数进行修正，则修正结果即为铝电解工耗模型。

通过上述设计，利用超球体单形采样策略替代传统UKFNN使用的对称采样策略，将对称采样的2n+1个采样点降低到n+2个采样点，大大减少Sigma点的采样数量，改进后的算法建模与UKFNN模型比较精度相当，但运行时间降低三分之一左右，提高了模型的实时性，并且有效降低铝电解建模过程的复杂程度。

进一步描述，步骤S2中所述的计算公式如下：