基于最大-最小蚂蚁系统优化ELM的电解槽故障诊断

摘要

针对铝电解槽故障特征种类繁多,难以快速准确的实现故障类型诊断,设计了一种基于最大-最小蚂蚁系统(MMAS)优化的极限学习机(ELM)故障诊断方法;介绍了电解槽常见的故障类型及其对槽电压的影响,对采集到的故障情况下的槽电压信号进行降噪处理,根据对降噪后故障信号的局域均值分解(LMD)结果得到故障特征;采用ELM算法辨识故障类型,针对ELM算法存在的参数问题,采用MMAS对ELM隐含层参数寻优;结果表明,MMAS优化的ELM既保证了较快的训练速度,同时获得了更高的故障测试正确率.