基于Adaboost-PSO-SVM的铝电解槽健康状态诊断方法研究

作者：尹刚^*; 钱中友; 曹文琦; 全鹏程; 许亨权; 颜非亚; 王民; 向禹; 向冬梅; 卢剑; 左玉海; 何文; 卢润廷

来源：化工学报, 2023, 1-21.

• 电解
• 算法
• 健康状态
• 预测
• 实验验证

针对铝电解槽在铝电解生产过程中故障频发的问题，提出了一种基于支持向量机（support vector machine， SVM）的铝电解槽健康状态诊断模型，考虑传统的支持向量机只能适用于二分类问题，采用自适应推进算法（Adaptive Boosting， AdaBoost）将支持向量机的二分类问题转化为多分类问题用于求解铝电解槽健康状态诊断问题，充分考虑了子模型的权重，强化了模型的适用性。并利用粒子群优化算法（particle swarm optimization， PSO）对其超参数寻优，提高模型的预测精度。实验结果表明，提出的铝电解槽健康状态诊断模型的准确率和Macro - F1分数分别达到 94.70%和0.9453，相较于其它传统模型均有显著提升。

• 单位
  贵阳铝镁设计研究院有限公司; 中国人民解放军陆军工程大学; 重庆大学; 重庆旗能电铝有限公司