韓健文 劉昆鵬 任靜云 王興云

摘 要：電解槽作為鋁電解生產(chǎn)過程中的重要設(shè)備，對其運(yùn)行狀態(tài)中出現(xiàn)的故障及時進(jìn)行檢測，進(jìn)而將故障排除對企業(yè)具有十分重要的價值。本文綜述了對于鋁電解槽的各種故障診斷方法的發(fā)展現(xiàn)狀，并對幾種重要的故障診斷方法的特點(diǎn)和適用情況進(jìn)行了探討。最后提出了故障診斷方法的發(fā)展方向。

關(guān)鍵詞：鋁電解槽；故障診斷方法；發(fā)展方向

中圖分類號：TF35 文獻(xiàn)標(biāo)識碼：A

鋁電解工業(yè)是國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，電解槽作為鋁電解生產(chǎn)的主要設(shè)備，其運(yùn)行是否平穩(wěn)、安全、高效會直接影響到企業(yè)的實(shí)際產(chǎn)出和經(jīng)營效益。隨著工業(yè)生產(chǎn)要求鋁電解設(shè)備大型化、連續(xù)化、自動化，同時由于鋁電解過程中，槽內(nèi)部不僅有物理過程，還有復(fù)雜的化學(xué)反應(yīng)變化，鋁電解槽長期處于惡劣的強(qiáng)磁場、強(qiáng)電場、高腐蝕的惡劣環(huán)境，導(dǎo)致實(shí)際生產(chǎn)過程中鋁電解槽故障頻發(fā)（如熱槽、冷槽、陽極效應(yīng)等），增加了大量電能的額外消耗，增大了對原材料的消耗。因此，如何快速有效的診斷故障，進(jìn)而提高鋁的質(zhì)量和產(chǎn)量，節(jié)能減排，挽回企業(yè)經(jīng)濟(jì)損失具有重要的意義。

電解槽中常見的電解過程故障有如下幾種情況：陽極效應(yīng)、冷槽、熱槽、病槽、鋁液波動、陽極長苞、粘連、槽電壓越限、異常的系列電流等。鋁電解槽作為一種時變和大時滯、非線性和多變量耦合的工業(yè)體系，上述諸多因素導(dǎo)致鋁電解設(shè)備在工作中的故障原因種類多且復(fù)雜，往往不是單一因素導(dǎo)致故障或者單一因素引起其他影響因素進(jìn)而導(dǎo)致電解槽故障，這些均使我們更難準(zhǔn)確快速的診斷并排除故障。

一、電解鋁故障診斷方法

隨著數(shù)學(xué)和現(xiàn)代計算機(jī)科學(xué)技術(shù)的高速發(fā)展，現(xiàn)代鋁電解工業(yè)常用的故障診斷方法已經(jīng)有很多種，詳述如下：

1 基于解析模型的診斷方法

解析模型診斷方法也被稱為基于數(shù)學(xué)模型的診斷方法，要求我們預(yù)先建立精確的被診斷對象的數(shù)學(xué)模型，然后利用相關(guān)數(shù)學(xué)方法診斷處理被測信息。此類診斷方法主要包括狀態(tài)估計、等價空間和參數(shù)估計等。先對系統(tǒng)狀態(tài)進(jìn)行預(yù)判，再結(jié)合所測得的適當(dāng)?shù)膮?shù)和數(shù)學(xué)模型對系統(tǒng)故障診斷。李界家等利用參數(shù)估計診斷方法對故障預(yù)報，其基本思想是： 將鋁電解正常工作時的參數(shù)作為預(yù)設(shè)值，建立正常工作狀態(tài)的數(shù)學(xué)模型，實(shí)時對輸入輸出數(shù)據(jù)進(jìn)行檢測，并利用最小二乘辨識算法，實(shí)時辨識對比正常工作的模型參數(shù)和預(yù)設(shè)模型參數(shù)，計算并記錄模型參數(shù)的變化特征和兩者之間的偏差，最后對故障進(jìn)行判斷并分類，自動上報診斷信息。利用對比辨識、邏輯推理也能夠說明系統(tǒng)存在故障，是一個可行的方法。

2基于信號處理的故障診斷方法

如果診斷對象較難建立數(shù)學(xué)模型，通常會采用此基于信號處理的故障方法，主要包括： 小波分析法、傅里葉分析法（ FFT） 、相關(guān)分析法和譜分析法。傅里葉分析的前提是假設(shè)信號平穩(wěn)，但時變信號和瞬時信號是鋁電解槽控制系統(tǒng)故障信號的主要特征，利用此方法已不能得到理想的診斷結(jié)果，而全新的時-頻分析方法（也叫小波分析方法），對時-頻域的信號局部特征能很好地表征。將鋁電解槽中的槽電阻波動變化引起的低頻信號采樣然后用FFT求譜，然后對所得到的有故障運(yùn)行狀態(tài)、鋁電解槽正常運(yùn)行狀態(tài)下的信號頻域特征進(jìn)行頻譜分析對比，可以看出正常槽電阻信號主譜峰明顯低于異常的槽電阻信號。鋁電解槽故障不同，會導(dǎo)致不同的振幅變化和槽電阻波形頻率差異。陽極異常和鋁液波動過大都會導(dǎo)致不同的槽電阻不同頻率和幅度的變化，通過這些特征，采用BP神經(jīng)網(wǎng)絡(luò)來識別電解槽工作狀況 。

3基于知識的故障診斷方法

此方法引入了診斷對象的許多信息而不需要系統(tǒng)的定量數(shù)學(xué)模型，適合被用在非線性系統(tǒng)故障診斷領(lǐng)域。此診斷方法一般分為兩大類，一類是基于癥狀的診斷方法，專家模糊推理方法、系統(tǒng)方法、神經(jīng)網(wǎng)絡(luò)方法和模式識別方法等屬于此類方法；另一類主要包括知識觀測器、定性仿真和定性觀測器等，是基于定性模型的診斷方法。

（1）基于專家系統(tǒng)的方法

鋁電解槽是一個大滯后、非線性、多變量、時變的復(fù)雜系統(tǒng)，采取模糊控制而不關(guān)注被診斷對象的數(shù)學(xué)模型，采用一線工人積累的大量現(xiàn)場控制經(jīng)驗(yàn)，編制成模糊規(guī)則庫，模擬人類專家時刻監(jiān)測、控制鋁電解槽工況。專家系統(tǒng)包括以下幾大模塊： 模糊控制槽控機(jī)模塊、監(jiān)控站模塊、數(shù)據(jù)庫模塊、模糊專家系統(tǒng)模塊。這些部件之間相互分工協(xié)作，共同構(gòu)成鋁電解槽的計算機(jī)智能控制系統(tǒng)。

（2）基于神經(jīng)網(wǎng)絡(luò)的方法

神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本單元，通過大量的神經(jīng)元相互連接而構(gòu)成神經(jīng)網(wǎng)絡(luò)，而人工神經(jīng)網(wǎng)絡(luò)則是通過模擬人腦神經(jīng)元的活動，同時利用神經(jīng)元之間的聯(lián)結(jié)與權(quán)值的分布來表示特定的信息。具備較強(qiáng)容錯性、自適應(yīng)學(xué)習(xí)和非線性映射的特點(diǎn)，可以有效的應(yīng)對多變的生產(chǎn)過程。典型結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)包括徑向基函數(shù)（RBF）網(wǎng)絡(luò)、反向傳播（BP）網(wǎng)絡(luò)、HoPfield網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、自組織特征映射網(wǎng)絡(luò)等。其中BP網(wǎng)絡(luò)應(yīng)用相對比較廣泛。

二、鋁電解槽故障診斷發(fā)展方向

1 多種故障診斷方法相結(jié)合

鋁電解槽是一個復(fù)雜多變系統(tǒng)，將各種不同的故障診斷方法有機(jī)的結(jié)合在一起應(yīng)用于鋁電解槽的故障診斷，可以充分的取長補(bǔ)短，全面獲取和利用相關(guān)知識，提升故障診斷系統(tǒng)性能。（1）充分利用人工神經(jīng)網(wǎng)絡(luò)，模糊邏輯的各自優(yōu)點(diǎn)，將兩者有機(jī)結(jié)合，構(gòu)造模糊神經(jīng)網(wǎng)絡(luò)；（2） 神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合，構(gòu)造遺傳神經(jīng)網(wǎng)絡(luò)。此外，還有故障樹與模糊理論的結(jié)合、專家系統(tǒng)技術(shù)與模糊推理技術(shù)相結(jié)合等結(jié)合方法。

2 新方法的應(yīng)用

由于計算機(jī)控制技術(shù)、現(xiàn)代的故障診斷技術(shù)的發(fā)展趨勢是回歸連續(xù)變化的模擬信號，混合可拓神經(jīng)網(wǎng)絡(luò)正是順應(yīng)這種時代發(fā)展趨勢的產(chǎn)物。雖然此診斷方法的可預(yù)測性、有效性都表現(xiàn)不錯，但還是存在著一定的問題等待著解決和發(fā)展。

近年來，因?yàn)榭刂普撗芯?、人工智能研發(fā)、信號學(xué)等學(xué)科的發(fā)展，鋁電解故障診斷技術(shù)得到了持續(xù)發(fā)展，并被應(yīng)用于很多工程實(shí)踐中。而系統(tǒng)的靈敏性、自適應(yīng)性和魯棒性等問題仍然尚待解決。保證鋁電解過程的安全高效生產(chǎn)是我們繼續(xù)深入研究鋁電解槽診斷方法的動力和目標(biāo)。

參考文獻(xiàn)

[1]李界家，吳成東，朱棟華，閻煥忠.最小二乘辨識算法在故障診斷檢測中的應(yīng)用研究[J].自動化儀表，2003，24（04）：19-22.

[2]祁衛(wèi)璽，楊文娟.智能模糊控制技術(shù)在400kA電解鋁生產(chǎn)中應(yīng)用[J].甘肅冶金，2013，35（05）：112-119.