基于自适应GHNG的铝电解过程奇异性数据监测方法

来源：计算机集成制造系统杂志2023年第11期北京时间：

作者：刘天松, 吴永明, 李少波, 盛晓静, 刘应波

单位：1.贵州大学现代制造技术教育部重点实验室2.贵州财经大学信息学院3.山推工程机械股份有限公司4.云南财经大学云南省经济社会大数据研究院

摘要：数据监测与控制是铝电解过程提高生产质量的重要手段,针对铝电解过程的数据监测算法缺乏多样性、实时性和稳定性等问题,研究了工艺过程数据实时聚类方法,建立了一种基于自适应生长层次神经气(GHNG)的生产奇异性监测模型。该模型包括自适应学习、节点生成与删除、拓扑结构展示等机制,为提高模型稳定性和分析数据多样性的能力,综合利用节点累积误差自适应调节获胜节点及邻域节点权值;依据在线数据演化趋势动态删除、增加神经节点并更新聚类中心位置,实现实时展现数据实例动态聚类结果,进一步提高聚类算法的时效性,同时对在线监测模型和算法进行了性能测试。最后,通过铝电解过程数据监测实例验证了该模型和算法的奇异性监测能力更强,能对铝电解工艺过程进行准确、有效的监测和控制,为生产/管理者提供决策支持。

关键词：铝电解,层次聚类,在线监测,过程控制

基金资助：国家自然科学基金资助项目(51505094);贵州省科学技术基金计划资助项目(ZK［2023］一般 079);贵州省科技支撑计划资助项目((2017)2029);云南财经大学科学研究基金资助项目(2020D01)。