基于组合加权朴素贝叶斯的铝电解槽槽况健康度分类方法

技术领域

本发明涉及铝电解槽生产技术领域，具体涉及一种基于组合加权朴素贝叶斯的铝电解槽槽况健康度分类方法。

背景技术

在铝电解生产过程中，铝电解槽健康状况关系着整个铝电解生产是否稳定、高效运行，类比人体平衡被打破时会出现感冒发烧等特征，铝电解槽健康状况也是用来分析电解槽内部物料平衡、能量平衡等情况，可由电解槽运行状态进行判断，当电解槽内部物料平衡、能量平衡达到稳定状态时，电解槽低效应且效应可控，铝液波动越平缓，电流效率越高，电解槽健康状态也越好；反之，电解槽的平衡被打破时，将会出现偏冷偏热、阳极效应频繁、铝液波动剧烈等情况，将导致电解槽能耗增加，电流效率降低，缩短电解槽使用寿命，同时也增加人工操作的负担，因此铝电解槽健康状况分析在整个工业流程中起着至关重要的作用。

在实际的铝电解生产过程中，铝电解槽况往往由技术工人通过单一数据或单一现象进行粗略判断，但是这种方式会存在以下弊端，第一，铝电解机理复杂，数据之间存在强耦合关系，多种因素可能对某一项数据影响效果一样，如果不能结合大量数据特征来分析，很容易因为判断不准确，而造成较为严重的生产事故。第二，在生产过程中，往往会存在正常工况操作导致的数据变化以及特殊现象的发生。例如操作人员进行抬母线、换阳极等操作时会暂时的导致一系列的数据变化，正常情况下这些数据一段时间后都将恢复到正常水平。这对于经验不足的工人来说，很容易误将正常生产操作导致的数据变化以及产生的特殊现象判断为不健康槽况，从而影响正常的生产。第三，人工判断存在主观性和迟缓性，人工判断不但增加了人力成本，而且判断方法过于依赖人工经验，当前铝电解车间存在人力不足等问题，通过计算机自动识别电解槽健康状态能够很好地节省人力资源。在实际中，铝电解槽健康状况可通过一些数据指标反映，如摆动、针振、阳极效应系数、电压偏差、电解质温度等，铝电解槽健康度较差，说明该铝电解槽调节能力较差，物料平衡、能量平衡很难稳定下来，不但容易产生效应，而且铝液波动也较为剧烈，在生产过程中技术人员可以根据不同类别的健康度分级别采取措施，因此铝电解槽健康状况的整体把控对提高生产效率，保证生产安全具有重要意义。

目前，关于铝电解槽健康状况的研究还很少，主要是通过对电解槽的一些生产指标如阳极电流波动特征、槽电压和槽电阻信号、过热度等间接分析铝电解槽况。这些方法都仅仅研究了单一槽况状态，并未结合多种槽况深入研究健康度的好坏，也就难以对整槽健康状况进行全面反映。为了判断槽况能量平衡和物料平衡情况，可以通过分析冷槽、热槽、阳极效应、铝液波动来间接分析电解槽的健康状况。如铝液波动可以从一定程度上间接反映能量平衡情况，效应发生情况，可以从一定程度上间接反映物料平衡情况等。

针对上述存在的问题，研究如何根据大量生产历史数据以及相关的经验知识进行有效地信息分析来判断电解槽健康状况，并保证其能够长期稳定地应用到实际生产中，对实现铝电解槽稳定、高效运行，提高生产效率和产品质量，保证生产安全有着重要意义。

发明内容

基于此，本发明针对上述技术问题，从物料平衡和能量平衡的角度出发，构建铝电解槽槽况健康度评价指标体系，在朴素贝叶斯分类器的基础上提出了组合加权的朴素贝叶斯分类方法构建分类模型，经训练获得用于铝电解槽槽况健康的分类。

本发明提供了一种基于组合加权朴素贝叶斯的铝电解槽槽况健康度分类方法，具体包括：

根据铝电解槽病槽的种类以及产生的原因和现象，构建铝电解槽槽况健康度评价指标体系；

根据所述评价指标体系，并通过层次分析法和熵权法对朴素贝叶斯分类器进行组合赋权，构建基于组合赋权贝叶斯分类器的铝电解槽槽况健康分类模型；

获取历史评价指标数据和对应的槽况健康类别对所述铝电解槽况健康分类模型进行训练获得分类模型，用于铝电解槽槽况健康的分类。

进一步的，所述评价指标体系包括病槽种类和评价指标；

所述病槽种类包括冷槽、热槽、多效应槽、铝液波动槽；

所述评价指标包括：铝水平、电解质水平、电解质温度、效应系数、槽电压、摆动、分子比、针振。

进一步的，所述层次分析法具体包括：

根据所述评价指标体系构建多个判断矩阵，并将所述多个判断矩阵进行两两比较，根据判断矩阵中指标的重要程度对判断矩阵赋值；

按照公式CR＝CI/RI对判断矩阵进行一致性检验，CR为判断矩阵的随机一致性比率；CI为判断矩阵的一致性指标，CI＝(λ

按照公式RW＝λ

进一步的，所述熵权法具体包括：

对生产数据按照公式

按照公式

各属性的加权系数计算按照公式

进一步的，所述组合赋权的权重计算公式为：

w＝αw

其中，w为最终组合权重，w

进一步的，所述基于组合赋权贝叶斯分类器的铝电解槽槽况健康分类模型为：

其中，θ表示待分类样本最后的分类结果，c表示类别数，y

有益效果：

(1)本发明针对病槽的种类以及产生的原因、现象进行分析，结合铝电解槽机理知识搭建层次化的铝电解槽槽况健康度评价指标体系，并根据层次化的机理模型提取相关特征，相比传统特征提取方法，指标选取更加准确，且更具有实际意义，该方法能全面反映铝电解槽的健康状况。

(2)本发明弱化了朴素贝叶斯属性条件独立性假设，通过吸取专家经验增强了指标之间的真实差异，同时解决了样本量较少或者样本缺失时数值计算权重导致误差较大的问题，通过组合两种方式得到的权重，规避了两种方法各自的缺陷，使得权重更准确，更具有实际意义。

(3)本发明将铝电解机理知识与专家经验相结合，以大量实际生产数据为基础构建槽健康度智能学习模型，可实现对电解槽健康度的精细化、快速化、自动化识别，解决了传统人工判断中存在的主观性和迟缓性问题，且节省了人工成本,且计算复杂度低，内存需求更少；在实际生产中，技术人员可以根据判断的健康类别采取措施，对实现铝电解槽稳定、高效运行，提高生产效率和产品质量，保证生产安全有着重要意义。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于组合加权朴素贝叶斯的铝电解槽槽况健康度分类方法的流程图；

图2为本发明实施例提供的铝电解槽况健康度评价指标体系关系图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，在本发明实施例中，提出了一种基于组合加权朴素贝叶斯的铝电解槽槽况健康度分类方法的流程图，具体包括以下步骤：

步骤S101，根据铝电解槽病槽的种类以及产生的原因和现象，构建铝电解槽槽况健康度评价指标体系。

在本发明实施例中，所述铝电解槽病槽的种类包括：冷槽、热槽、多效应槽、铝液波动槽等，并对上述不健康槽况产生的原因、产生时出现的现象进行分析，通过铝电解机理知识搭建铝电解槽况健康度评价指标体系，本发明实施例选取的指标有铝水平、电解质水平、电解质温度、效应系数、槽电压、摆动、分子比、针振，构建的铝电解槽槽况健康度评价指标体系如图2所示。

步骤S102，根据所述评价指标体系，并通过层次分析法和熵权法对朴素贝叶斯分类器进行组合赋权，构建基于组合赋权贝叶斯分类器的铝电解槽槽况健康分类模型。

针对仅利用数据指标之间的关联程度以及各指标所提供的信息量大小计算权重存在的弊端，在本发明实施例中，考虑通过组合主观方法和客观方法得到权重，即通过融合数据知识与机理知识得到权重，主观赋权法确定的权重反映了决策者的意向，根据资深专家的理论和经验，判断各指标的重要程度，获取相应的赋值，具有一定的主观性；客观赋权法主要依靠完备的数学理论和方法，从客观数据出发，利用数据样本分布以及关联程度等学习得到权重，忽略了决策者的主观信息，不考虑指标本身的差异，而忽视了其真实状况。通过组合两种方式得到的权重，规避了两种方法各自的缺陷，使得计算出来的权重更准确，更具可解释性。本方法中主观赋权法采用层次分析法，通过几位资历较深的专家采用两两比较的方法获取相应权重，利用判断矩阵计算一致性，得到权重。客观赋权法采用熵权法，根据指标变异性的大小来确定客观权重。

在本发明实施例中，所述的层次分析法具体包括以下步骤：

步骤S201，根据所述评价指标体系构建多个判断矩阵，并将所述多个判断矩阵进行两两比较，根据判断矩阵中指标的重要程度对判断矩阵赋值。

在本发明实施例中，分别以冷槽、热槽、多效应槽、铝液波动槽构建判断矩阵R

表1 矩阵R

表2 矩阵R

表3 矩阵R

表4 矩阵R

步骤S202，按照预设的方法对判断矩阵进行一致性检验。

在本发明实施例中，采用公式(1)对判断矩阵R

CR＝CI/RI (1)

其中，CR为判断矩阵的随机一致性比率；CI为判断矩阵的一致性指标，CI＝(λ

表5 判断矩阵的平均随机一致性指标

计算得到R

步骤S203，按照公式RW＝λ

在本发明实施例中，采用公式(2)计算层次分析法获得的权重。

RW＝λ

其中，λ

在本发明实施例中，获得的权向量如表6所示。

表6 层次分析法权向量

获取历史评价指标数据和对应的槽况健康类别对所述铝电解槽况健康分类模型进行训练获得分类模型，用于铝电解槽槽况健康的分类。

本发明采用的层次分析法通过获取经验者对各指标的重要性判断，进行判断矩阵的赋值，在判断矩阵通过一致性检验后求取各项指标的权重值获得权向量，具有一定的主观性，相较于传统特征提取方法，指标选取更加准确，且能够全面真实的反应铝电解槽的健康状况。

在本发明实施例中，所述熵权法具体包括以下步骤：

步骤S301，对数据进行行列归一化，获得标准化数据。

对生产数据按照公式(3)进行行列归一化处理：

其中，x

步骤S302，按照公式(4)计算数据的信息熵。

其中，n表示样本个数，p

步骤S303，各属性的加权系数计算按照公式(5)进行计算。

其中k表示属性个数，本发明实施例的熵权法获得的权向量如表7所示。

表7 熵权法权向量

本发明采用的熵权法为客观赋权法，主要依靠完备份数学理论和方法，从客观数据出发，利用数据样本分布以及关联程度等学习得到权重，能够从客观数据出发获得相应的权向量。

在本发明实施例中，基于组合赋权的权重确定方法采用公式(6)进行计算。

w＝αw

其中w为最终组合权重，w

表8 组合权向量

现有技术中，对于贝叶斯分类方法，主要通过属性加权来提高提高分类器性能，如利用增益比、相关关系、粗糙集等从训练数据中学习加权参数。近几年的研究大部分都在通过优化算法得到最优权值，虽然在不断提高朴素贝叶斯的分类准确率，但是存在一些不足。第一，通过数据的权值计算弱化了各数据指标在生产过程中的物理意义，忽视了指标本身的差异。这些方法适用性广，但针对性比较弱，数据计算将朴素贝叶斯的物理可解释性大大降低；第二，对于样本量较少的数据集或者含有较多缺失数据的样本来说，通过数据计算出来的权值是不够准确的。第三，对于含有过多冗余属性的权值优化，如果不对属性进行选择，将加大优化算法的效率和复杂度。常用的方法也是通过数据之间的相关关系计算得到属性间的冗余关系，难以解释各属性与类属性之间的关系，并且效率较低。

在本发明实施例中，在朴素贝叶斯分类器的基础上，提出了组合加权的朴素贝叶斯分类方法，针对朴素贝叶斯模型的独立性假设在现实中难以成立问题，通过利用属性加权来提高朴素贝叶斯的分类性能。

朴素贝叶斯分类器根据后验概率进行分类，将待分类样本归属为具有最大后验概率的类别，其模型为：

其中，θ表示待分类样本最后的分类结果，c表示类别数，y

为了弱化属性条件独立性假设的束缚，P(X

其中，m表示属性个数，w

对于连续性属性特征，类条件概率可以通过高斯分布来表示，即：

其中，x

在本发明实施例中，通过公式(10)可以获得测试样本每个属性的类条件概率，在通过公式(10)、(11)可以获得样本归属与每个类的概率，概率最大的类别即为最后健康度的分类结果。

本发明通过弱化朴素贝叶斯属性条件独立性假设，通过吸取专家经验增强了指标之间的真实差异，同时解决了样本量较少或者样本缺失时数值计算权重导致误差较大的问题，通过组合两种方式得到的权重，规避了两种方法各自的缺陷，使得权重更准确，更具有实际意义。

步骤S103，获取历史评价指标数据和对应的槽况健康类别对所述铝电解槽况健康分类模型进行训练获得分类模型，用于铝电解槽槽况健康的分类。

本发明将铝电解机理知识与专家经验相结合，以大量实际生产数据为基础构建槽健康度智能学习模型，可实现对电解槽健康度的精细化、快速化、自动化识别，解决了传统人工判断中存在的主观性和迟缓性问题，且节省了人工成本，且计算复杂度低，内存需求更少。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。