Resumen

Se propone un mtodo de prediccin en lnea de la altura del aluminio fundido basado en una mquina de aprendizaje extremo con funcin de ncleo (K-ELM). En primer lugar, las variables relevantes que pueden medirse en lnea relacionadas con las fluctuaciones del lquido de aluminio se obtuvieron analizando el modelo de mecanismo de las fluctuaciones del lquido de aluminio. A continuacin, se propone el mtodo de prediccin online de la altura del aluminio fundido basado en la funcin kernel y ELM, que slo utilizan los datos de tensin nodo-ctodo y de corriente de la varilla andica. Por ltimo, se llevan a cabo in situ la recogida de datos y el experimento de 3 conjuntos de varillas de nodo en las celdas electrolticas de aluminio en serie de 200kA. Los resultados muestran que el error absoluto mximo es de slo 0,25 cm y el error relativo es inferior al 1,4%, lo que satisface los requisitos del lugar de produccin. En comparacin con los mtodos existentes, presenta ciertas ventajas en tiempo real y precisin de prediccin y cumple los requisitos de tiempo real y precisin del proceso de produccin real in situ.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Método de predicción en línea; Altura del aluminio fundido; Máquina de aprendizaje extremo; Función kernel; Tensión ánodo-cátodo; Corriente de la varilla anódica
• Keywords:Online prediction method; Molten aluminium height; Extreme learning machine; Kernel function; Anode-cathode voltage; Anode rod current