作者：李界家; 高天浩; 纪昕洋混沌神经网络图像检测多模型多层次
摘要：铝电解过程中阳极效应、冷槽、热槽等异常状态经常单独或同时发生,异常状态的发生对整个电解生产过程中的各项技术指标产生很大影响,影响铝的产量和质量降低,浪费大量的电能,针对此问题本文提出了一种多模型并行的铝电解异常状态预报方法.该方法先进行降维处理,提取异常状态信息主成分,再分别通过混沌神经网络模型与图像检测模型进行异常状态的初步诊断,最后将两种模型的输出结果以最优权值进行加权融合,用加权融合后的结果进行异常状态的诊断与预报,这种方法提高了异常状态预报的准确率,加大了预报的提前量,抗干扰能力得到加强.实验结果表明：该方法能高效准确的对铝电解过程中的异常状态进行诊断与预报.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
