Knowledge Commons of Institute of Automation,CAS
端边云协同的氧化铝生产过程苛性碱浓度智能预报方法 | |
高愫婷; 柴天佑 | |
发表期刊 | 自动化学报 |
ISSN | 0254-4156 |
2023 | |
卷号 | 49期号:5页码:964-973 |
摘要 | 苛性碱溶液浓度是氧化铝生产过程中的重要运行指标,由于苛性碱溶液的温度和浓度频繁波动,导致目前的浓度检测仪表检测精度低,只能采用人工化验获得苛性碱浓度值,化验结果的严重滞后导致无法实现苛性碱浓度的自动控制,影响氧化铝产品质量.在分析苛性碱溶液浓度控制过程动态特性的基础上建立了由线性模型和未知非线性动态系统描述的苛性碱浓度预报模型,将参数辨识与自适应深度学习相结合,提出端边云协同的氧化铝生产过程苛性碱浓度智能预报方法,并采用氧化铝生产企业的实际生产数据对本文所提方法进行应用验证.应用结果表明,所提的苛性碱浓度智能预报方法可以实时、准确预报苛性碱浓度,为实现苛性碱浓度的闭环运行优化控制创造了条件. |
关键词 | 苛性碱浓度 未知非线性动态系统 端边云 自适应深度学习 长短周期记忆 |
DOI | 10.16383/j.aas.c220227 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/56147 |
专题 | 学术期刊_自动化学报 |
推荐引用方式 GB/T 7714 | 高愫婷,柴天佑. 端边云协同的氧化铝生产过程苛性碱浓度智能预报方法[J]. 自动化学报,2023,49(5):964-973. |
APA | 高愫婷,&柴天佑.(2023).端边云协同的氧化铝生产过程苛性碱浓度智能预报方法.自动化学报,49(5),964-973. |
MLA | 高愫婷,et al."端边云协同的氧化铝生产过程苛性碱浓度智能预报方法".自动化学报 49.5(2023):964-973. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
AAS-CN-2022-0227.pdf(1184KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[高愫婷]的文章 |
[柴天佑]的文章 |
百度学术 |
百度学术中相似的文章 |
[高愫婷]的文章 |
[柴天佑]的文章 |
必应学术 |
必应学术中相似的文章 |
[高愫婷]的文章 |
[柴天佑]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论