鋁電解槽故障診斷方法

韓健文 劉昆鵬 任靜云 王興云

摘 要：電解槽作為鋁電解生產過程中的重要設備，對其運行狀態中出現的故障及時進行檢測，進而將故障排除對企業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展現狀，并對幾種重要的故障診斷方法的特點和適用情況進行了探討。最后提出了故障診斷方法的發展方向。

關鍵詞：鋁電解槽；故障診斷方法；發展方向

中圖分類號：TF35 文獻標識碼：A

鋁電解工業是國民經濟的支柱產業，電解槽作為鋁電解生產的主要設備，其運行是否平穩、安全、高效會直接影響到企業的實際產出和經營效益。隨著工業生產要求鋁電解設備大型化、連續化、自動化，同時由于鋁電解過程中，槽內部不僅有物理過程，還有復雜的化學反應變化，鋁電解槽長期處于惡劣的強磁場、強電場、高腐蝕的惡劣環境，導致實際生產過程中鋁電解槽故障頻發（如熱槽、冷槽、陽極效應等），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，進而提高鋁的質量和產量，節能減排，挽回企業經濟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、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體系，上述諸多因素導致鋁電解設備在工作中的故障原因種類多且復雜，往往不是單一因素導致故障或者單一因素引起其他影響因素進而導致電解槽故障，這些均使我們更難準確快速的診斷并排除故障。

一、電解鋁故障診斷方法

隨著數學和現代計算機科學技術的高速發展，現代鋁電解工業常用的故障診斷方法已經有很多種，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學模型的診斷方法，要求我們預先建立精確的被診斷對象的數學模型，然后利用相關數學方法診斷處理被測信息。此類診斷方法主要包括狀態估計、等價空間和參數估計等。先對系統狀態進行預判，再結合所測得的適當的參數和數學模型對系統故障診斷。李界家等利用參數估計診斷方法對故障預報，其基本思想是： 將鋁電解正常工作時的參數作為預設值，建立正常工作狀態的數學模型，實時對輸入輸出數據進行檢測，并利用最小二乘辨識算法，實時辨識對比正常工作的模型參數和預設模型參數，計算并記錄模型參數的變化特征和兩者之間的偏差，最后對故障進行判斷并分類，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學模型，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） 、相關分析法和譜分析法。傅里葉分析的前提是假設信號平穩，但時變信號和瞬時信號是鋁電解槽控制系統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行狀態、鋁電解槽正常運行狀態下的信號頻域特征進行頻譜分析對比，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神經網絡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的定量數學模型，適合被用在非線性系統故障診斷領域。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、系統方法、神經網絡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）基于專家系統的方法

鋁電解槽是一個大滯后、非線性、多變量、時變的復雜系統，采取模糊控制而不關注被診斷對象的數學模型，采用一線工人積累的大量現場控制經驗，編制成模糊規則庫，模擬人類專家時刻監測、控制鋁電解槽工況。專家系統包括以下幾大模塊： 模糊控制槽控機模塊、監控站模塊、數據庫模塊、模糊專家系統模塊。這些部件之間相互分工協作，共同構成鋁電解槽的計算機智能控制系統。

（2）基于神經網絡的方法

神經元是神經網絡的基本單元，通過大量的神經元相互連接而構成神經網絡，而人工神經網絡則是通過模擬人腦神經元的活動，同時利用神經元之間的聯結與權值的分布來表示特定的信息。具備較強容錯性、自適應學習和非線性映射的特點，可以有效的應對多變的生產過程。典型結構的神經網絡包括徑向基函數（RBF）網絡、反向傳播（BP）網絡、HoPfield網絡、遞歸神經網絡、自組織特征映射網絡等。其中BP網絡應用相對比較廣泛。

二、鋁電解槽故障診斷發展方向

1 多種故障診斷方法相結合

鋁電解槽是一個復雜多變系統，將各種不同的故障診斷方法有機的結合在一起應用于鋁電解槽的故障診斷，可以充分的取長補短，全面獲取和利用相關知識，提升故障診斷系統性能。（1）充分利用人工神經網絡，模糊邏輯的各自優點，將兩者有機結合，構造模糊神經網絡；（2） 神經網絡與遺傳算法相結合，構造遺傳神經網絡。此外，還有故障樹與模糊理論的結合、專家系統技術與模糊推理技術相結合等結合方法。

2 新方法的應用

由于計算機控制技術、現代的故障診斷技術的發展趨勢是回歸連續變化的模擬信號，混合可拓神經網絡正是順應這種時代發展趨勢的產物。雖然此診斷方法的可預測性、有效性都表現不錯，但還是存在著一定的問題等待著解決和發展。

近年來，因為控制論研究、人工智能研發、信號學等學科的發展，鋁電解故障診斷技術得到了持續發展，并被應用于很多工程實踐中。而系統的靈敏性、自適應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是我們繼續深入研究鋁電解槽診斷方法的動力和目標。

參考文獻

[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用研究[J].自動化儀表，2003，24（04）：19-22.

[2]祁衛璽，楊文娟.智能模糊控制技術在400kA電解鋁生產中應用[J].甘肅冶金，2013，35（05）：112-119.