多极镁电解槽状态识别控制系统及其识别控制方法
【专利摘要】本发明涉及镁电解技术。本发明针对现有技术中不同电解槽状态只有单一的控制策略的问题，提供一种多极镁电解槽状态识别控制系统，包括电解槽，还包括数据采集模块，数据库模块、状态识别模块、学习模块、模糊推理模块及控制模块，所述数据采集模块分别与学习模块及状态识别模块连接，状态识别模块分别与数据库模块及模糊推理模块连接、模糊推理模块分别学习模块、数据库模块及控制模块连接，控制模块与电解槽连接。改变了以往不同槽状态只有单一的控制策略的弊端，使得电解过程维持在能量平衡和物料平衡之间，在节约电能、减少设备故障、提高电解槽寿命、改善作业环境等方面，都起到了良好的效果。适用于多极镁电解槽控制系统。
【专利说明】多极镁电解槽状态识别控制系统及其识别控制方法
【技术领域】
[0001]本发明涉及镁电解技术，特别涉及多极槽镁电解技术。
【背景技术】
[0002]多极槽镁电解技术在海绵钛生产中作为配套工艺被越来越多的企业采用，如何节能降耗、延长槽使用寿命、提高单槽生产能力一直是企业迫切需要解决的课题。多极镁电解槽能否取得良好的技术经济指标，主要取决于电解槽运行过程中能否实现两个平衡，即物料平衡和能量平衡。物料平衡大致可以分为加料、出镁、电解质液位控制、氯气产出等方面，能量平衡可以分为电解自发热系统、交流加热系统、风机散热系统。现有技术中，并没有一种高效的控制方法，去更好的控制加料间隔和电解槽的设定电流。
【发明内容】
[0003]本发明所要解决的技术问题，就是提供一种多极镁电解槽状态识别控制系统及其识别控制方法，从而更好的控制加料间隔和电解槽的设定电流，降低液下罐电磁阀动作次数，使得电解过程维持在能量平衡和物料平衡之间，达到节能降耗的目的。
[0004]本发明解决所述技术问题，采用的技术方案是多极镁电解槽状态识别控制系统，包括电解槽，还包括数据采集模块，数据库模块、状态识别模块、学习模块、模糊推理模块及控制模块，所述数据采集模块分别与学习模块及状态识别模块连接，状态识别模块分别与数据库模块及模糊推理模块连接、模糊推理模块分别学习模块、数据库模块及控制模块连接，控制模块与电解槽连接；
[0005]所述数据采集模块，用于采集电解槽状态的参数信息及实时生产的工艺数据，传输给学习模块；
[0006]所述学习模块，用于根据采集的电解槽状态的参数信息，得出能够影响电解槽状态的参数信息，及能够影响电解槽状态的参数信息与电解槽状态的关系信息，所述关系信息计为历史数据驱动规则，并将其传输给状态识别模块，同时控制数据采集模块只将能够影响电解槽状态的参数信息及实时生产的工艺数据，传输给状态识别模块；
[0007]所述数据库模块，用于收集影响电解槽状态的其他判定规则及电解槽状态分类，还用于收集与电解槽状态相对应的控制方法；
[0008]所述状态识别模块，用于根据数据采集模块采集到的能够影响电解槽状态的参数信息及实时生产的工艺数据，依据历史数据驱动规则及影响电解槽状态的其他判定规则，判断电解槽状态，并将其传输给模糊推理模块；
[0009]所述模糊推理模块，用于根据电解槽状态、历史数据驱动规则、影响电解槽状态的其他判定规则及电解槽状态相对应的控制方法得出相应的优化控制策略，并将其传输给控制丰旲块;
[0010]所述控制模块，用于根据优化控制策略对多极镁电解槽进行对应控制。
[0011]具体的，所述电解槽状态分类包括健康状态、基本健康状态、亚健康状态、临界健康状态、轻微恶化状态、中度恶化状态和/或严重恶化状态。
[0012]具体的，所述学习模块根据自动聚类算法得出能够影响电解槽状态的参数信息及历史数据驱动规则。
[0013]进一步的，所述历史数据驱动规则可以是状态判别函数、聚类中心及阔值中的一种或多种。
[0014]进一步的，所述模糊推理模块中电解槽控制的优化策略由技术人员人为设定，并且与电解槽状态相对应。
[0015]多极镁电解槽状态识别控制方法，包括以下步骤:
[0016]步骤1、系统实时监测电解槽，采集电解槽的参数信息；
[0017]步骤2、系统根据电解槽的参数信息，进行聚类分析，得出能够影响电解槽状态的参数信息及能够影响电解槽状态的参数信息与电解槽状态的关系信息，所述关系信息计为历史数据驱动规则；
[0018]步骤3、系统根据采集模块采集到的能够影响电解槽状态的参数信息及实时生产的工艺数据，依据历史数据驱动规则及数据库，判断电解槽状态，所述数据库中至少设置有影响电解槽状态的其他判定规则、电解槽状态分类及与电解槽状态相对应的控制方法；
[0019]步骤4、系统根据电解槽状态信息，结合历史数据驱动规则及数据库得出相应的优化控制策略；
[0020]步骤5、系统根据优化控制策略控制对电解槽作相应控制。
[0021]具体的，所述步骤2中，系统利用学习器对电解槽运行状态及控制方法进行学习，从而经聚类分析，得出能够影响电解槽状态的参数信息，及能够影响电解槽状态的参数信息与电解槽状态的关系信息，所述关系信息计为历史数据驱动规则。
[0022]具体的，所述步骤2中，历史数据驱动规则可以是状态判别函数、聚类中心及阔值中的一种或多种。
[0023]具体的，所述步骤3中，影响电解槽状态的其他判定规则及与电解槽状态相对应的控制方法可人为设定。
[0024]具体的，所述步骤3中，电解槽状态分类包括健康状态、基本健康状态、亚健康状态、临界健康状态、轻微恶化状态、中度恶化状态和/或严重恶化状态。
[0025]本发明的有益效果是，相对于目前正在使用或推广的多极镁电解生产控制系统来说，加入了电解槽状态诊断，以电解槽的实时数据为基础，采用聚类算法，通过学习模块，对大量的无序的、高噪声的电解槽运行数据进行学习，从而从大量的无序的、高噪声的电解槽运行数据中发掘出能够反映电解槽状态的关系规则。通过学习模块，把反应电解槽状态的特征信号进行预处理、提取和识别，经过一段时间的学习与训练，作为槽状态的判别标准。数据库模块中人为设置有结合工艺专家知识研究电解槽状态体系及各种状态的诊断依据，并以此状态体系为基础，推理出不同状态下电解槽控制方法。而这些诊断依据可以根据用户需求人为设定的。数据库模块根据影响电解槽状态的参数规则将电解槽状态分为健康状态、基本健康状态、亚健康状态、临界健康状态、轻微恶化状态、中度恶化状态及严重恶化状态，每种状态都对应一种优化的控制策略。本发明在原有控制策略的基础上加入模糊推理，结合模糊推理技术，建立电解槽智能控制机理来实现对电流和加料间隔的智能控制。改变了以往不同槽状态只有单一的控制策略的弊端，使得电解过程维持在能量平衡和物料平衡之间，在节约电能、减少设备故障、提高电解槽寿命、改善作业环境等方面，都起到了良好的效果。
【专利附图】
【附图说明】
[0026]图1为本发明多极镁电解槽状态识别控制系统及其控制方法实施例的系统结构图；
[0027]图2为本发明多极镁电解槽状态识别控制系统及其控制方法实施例的状态识别流程图；
[0028]图3为本发明多极镁电解槽状态识别控制系统及其控制方法实施例的模糊推理流程图。
【具体实施方式】
[0029]下面结合附图及实施例详细描述本发明的技术方案:本发明针对现有技术中不同电解槽状态只有单一的控制策略的问题，提供一种多极镁电解槽状态识别控制系统，包括电解槽，还包括数据采集模块，数据库模块、状态识别模块、学习模块、模糊推理模块及控制模块，所述数据采集模块分别与学习模块及状态识别模块连接，状态识别模块分别与数据库模块及模糊推理模块连接、模糊推理模块分别学习模块、数据库模块及控制模块连接，控制模块与电解槽连接；所述数据采集模块，用于采集电解槽状态的参数信息及实时生产的工艺数据，传输给学习模块；所述学习模块，用于根据采集的电解槽状态的参数信息，得出能够影响电解槽状态的参数信息，及能够影响电解槽状态的参数信息与电解槽状态的关系信息，所述关系信息计为历史数据驱动规则，并将其传输给状态识别模块，同时控制数据采集模块只将能够影响电解槽状态的参数信息及实时生产的工艺数据，传输给状态识别模块；所述数据库模块，用于收集影响电解槽状态的其他判定规则及电解槽状态分类，还用于收集与电解槽状态相对应的控制方法；所述状态识别模块，用于根据数据采集模块采集到的能够影响电解槽状态的参数信息及实时生产的工艺数据，依据历史数据驱动规则及影响电解槽状态的其他判定规则，判断电解槽状态，并将其传输给模糊推理模块；所述模糊推理模块，用于根据电解槽状态、历史数据驱动规则、影响电解槽状态的其他判定规则及电解槽状态相对应的控制方法得出相应的优化控制策略，并将其传输给控制模块；所述控制模块，用于根据优化控制策略对多极镁电解槽进行对应控制。多极镁电解槽状态识别控制方法，首先，系统实时监测电解槽，采集电解槽的参数信息；然后，系统根据电解槽的参数信息，进行聚类分析，得出能够影响电解槽状态的参数信息及能够影响电解槽状态的参数信息与电解槽状态的关系信息，所述关系信息计为历史数据驱动规则；其次，系统根据采集模块采集到的能够影响电解槽状态的参数信息及实时生产的工艺数据，依据历史数据驱动规则及数据库，判断电解槽状态，所述数据库中至少设置有影响电解槽状态的其他判定规则及与电解槽状态相对应的控制方法；再其次，系统根据电解槽状态信息，结合历史数据驱动规则及数据库得出相应的优化控制策略；最后，系统根据优化控制策略控制对电解槽作相应控制。相对于目前正在使用或推广的多极镁电解生产控制系统来说，加入了电解槽状态诊断，以电解槽的实时数据为基础，采用聚类算法，通过学习模块，对大量的无序的、高噪声的电解槽运行数据进行学习，从而从大量的无序的、高噪声的电解槽运行数据中发掘出能够反映电解槽状态的关系规则。通过学习模块，把反应电解槽状态的特征信号进行预处理、提取和识别，经过一段时间的学习与训练，作为槽状态的判别标准。数据库模块中人为设置有结合工艺专家知识研究电解槽状态体系及各种状态的诊断依据，并以此状态体系为基础，推理出不同状态下电解槽控制方法。而这些诊断依据可以根据用户需求人为设定的。数据库模块根据影响电解槽状态的参数规则将电解槽状态分为健康状态、基本健康状态、亚健康状态、临界健康状态、轻微恶化状态、中度恶化状态及严重恶化状态，每种状态都对应一种优化的控制策略。本发明在原有控制策略的基础上加入模糊推理，结合模糊推理技术，建立电解槽智能控制机理来实现对电流和加料间隔的智能控制。改变了以往不同槽状态只有单一的控制策略的弊端，使得电解过程维持在能量平衡和物料平衡之间，在节约电能、减少设备故障、提高电解槽寿命、改善作业环境等方面，都起到了良好的效果。
[0030]实施例
[0031]本例的多极镁电解槽状态识别控制系统，如图1所示，包括电解槽，还包括数据采集模块，数据库模块、状态识别模块、学习模块、模糊推理模块及控制模块，所述数据采集模块分别与学习模块及状态识别模块连接，状态识别模块分别与数据库模块及模糊推理模块连接、模糊推理模块分别学习模块、数据库模块及控制模块连接；
[0032]具体的，所述数据采集模块，用于采集电解槽状态的参数信息及实时生产的工艺数据，传输给学习模块；所述学习模块，用于根据采集的电解槽状态的参数信息，得出能够影响电解槽状态的参数信息，及能够影响电解槽状态的参数信息与电解槽状态的关系信息，所述关系信息计为历史数据驱动规则，并将其传输给状态识别模块，同时控制数据采集模块只将能够影响电解槽状态的参数信息及实时生产的工艺数据，传输给状态识别模块；所述数据库模块，用于收集影响电解槽状态的其他判定规则及电解槽状态分类，还用于收集与电解槽状态相对应的控制方法；所述状态识别模块，用于根据数据采集模块采集到的能够影响电解槽状态的参数信息及实时生产的工艺数据，依据历史数据驱动规则及影响电解槽状态的其他判定规则，判断电解槽状态，并将其传输给模糊推理模块；所述模糊推理模块，用于根据电解槽状态、历史数据驱动规则、影响电解槽状态的其他判定规则及电解槽状态相对应的控制方法得出相应的优化控制策略，并将其传输给控制模块；所述控制模块，用于根据优化控制策略对多极镁电解槽进行对应控制。所述优化控制策略是系统根据电解槽状态、历史数据驱动规则、影响电解槽状态的其他判定规则及电解槽状态相对应的控制方法结合下一刻电解槽工艺数据与氯化镁浓度做出的分析从而得出的控制策略，以保证电解槽实时保证在正常运行状态。
[0033]优选的，所述数据库模块的规则及控制方法可人为设定，用户可根据自身经验及知识，在数据库模块中设置相应的电解槽参数与状态的关系信息。
[0034]优选的，所述控制模块为PLC控制模块。
[0035]本例的多极镁电解槽状态识别控制系统通过分析加料间隔、槽电压、特殊操作(出镁、换蛇形管、换阳极等)等实时生产的工艺数据与氯化镁浓度关系的规律。分析电解槽故障原因，进行槽状态识别，提前预知电解槽状态变化，通过现场已有的PLC系统，增加学习模块及状态识别模块，实时识别电解槽目前的状态，结合下一阶段氯化镁浓度，结合模糊推理技术，从而实现对多极镁电解槽的优化控制。相对于目前正在使用或推广的多极镁电解生产控制系统来说，加入了电解槽状态诊断，以电解槽的实时数据为基础，采用聚类算法，通过学习模块，对大量的无序的、高噪声的电解槽运行数据进行学习，从而从大量的无序的、高噪声的电解槽运行数据中发掘出能够反映电解槽状态的关系规则。数据库模块中人为设置有结合工艺专家知识研究电解槽状态体系及各种状态的诊断依据，并以此状态体系为基础，推理出不同状态下电解槽控制。而这些诊断依据可以根据用户需求人为设定的。
[0036]实施例2
[0037]本例的多极镁电解槽状态识别控制方法为:
[0038]首先，系统实时监测电解槽，采集电解槽的参数信息。
[0039]然后，系统根据电解槽的参数信息，进行聚类分析，得出能够影响电解槽状态的参数信息及能够影响电解槽状态的参数信息与电解槽状态的关系信息，所述关系信息计为历史数据驱动规则。具体的，系统利用学习器对电解槽运行状态及控制方法进行学习，从而经聚类分析，得出能够影响电解槽状态的参数信息及历史数据驱动规则。优选的，历史数据驱动规则可以是状态判别函数、聚类中心及阔值中的一种或多种。
[0040]其次，系统根据采集模块采集到的能够影响电解槽状态的参数信息及实时生产的工艺数据，依据历史数据驱动规则及数据库，判断电解槽状态，所述数据库中至少设置有影响电解槽状态的其他判定规则及与电解槽状态相对应的控制方法。具体的，影响电解槽状态的其他判定规则及与电解槽状态相对应的控制方法可人为设定。优选的，电解槽状态分为健康状态、基本健康状态、亚健康状态、临界健康状态、轻微恶化状态、中度恶化状态及严重恶化状态。
[0041]再其次，系统根据电解槽状态信息，结合历史数据驱动规则及数据库得出相应的优化控制策略。最后，系统根据优化控制策略控制对电解槽作相应控制。
[0042]具体的，本例的多极镁电解槽状态识别流程，如图2所示，包含特征选择、预处理、特征集构成、特征提取、状态识别器的学习与训练以及状态识别。
[0043]详细的，首先，系统对采集模块采集到的实时生产数据进行特征选择及预处理形成原始状态特征集，由于构成状态特征集中各参量的重要性不同，且这些参数之间可能存在着相关性。学习模块对这些庞大的数据进行学习，判断出能够影响电解槽状态的参数信息及能够影响电解槽状态的参数信息与电解槽状态的关系信息。
[0044]优选的，学习模块是通过根据自动聚类算法得出能够影响电解槽状态的参数信息及能够影响电解槽状态的参数信息与电解槽状态的关系信息的。
[0045]从而系统根据学习模块的判断结果，对原始特征集采用适当的变换提取最优参量，降低维数，形成低维特征集。这一步骤不仅便于计算机的处理，提高运算速度，有利于实时状态识别，而且还可以消除由于次要参量的干扰而引起的状态模糊度的增加，影响识别的准确度。这个过程也就是将原始粗特征集转化为精特征集，即去粗取精的过程。
[0046]假设X为η维原始特征集，Y为m维(m〈n)经加工后的精特征集，则线性变换关系为Y = AX，式中，A为m*n变换矩阵。若变换矩阵A取正交变换矩阵，则经变换后的精特征集Y具有如下特点:
[0047]①由于采用正交变换矩阵，从而使特征集Y中各维参量相互独立，减小了特征集的模糊度，突出了其可分性，利于状态分类、识别。
[0048]②在最小均方误差的条件下构造变化矩阵A，使其为m*n矩阵，且m〈n，则使特征集Y的维数小于特征集X的维数。实现了数据压缩、浓缩信息的目的。[0049]在实际操作中，由特征集X得到总体散步矩阵，根据最小均方误差条件由总体散步矩阵的本征值及本征矢量构造变换矩阵A。
[0050]学习模块，根据采集的电解槽状态的参数信息，得出能够影响电解槽状态的参数信息及能够影响电解槽状态的参数信息与电解槽状态的关系信息，并将其传输给状态识别模块，同时控制数据采集模块只将能够影响电解槽状态的参数信息传输给状态识别模块；
[0051]状态识别模块的设计是根据经特征提取后得到的精特征集:{Yli = 1，2，…，η经过计算机的训练或学习，寻求状态判别函数或聚类中心及阔值，然后状态识别模块根据此对特征集进行状态识别。
[0052]经过一段时间的学习与训练的学习模块及状态识别模块即可作为电解槽状态的判别标准，在得到任何一组描述电解槽状态的特征参量的情况下便可识别出其反应的设备状态类别。
[0053]本例的多极镁电解槽状态识别控制系统选取槽电压为聚类数据分析，通过监控设定电压和采样电压将电压曲线参量化，得到电解槽状态所需的参数。
[0054]详细的，电解槽的状态主要由槽况和工况组成，电解槽的工况是表示电解槽当前所发生的电解能力与输入能量的匹配关系的指标，电解槽处于不同的工况，其电解能力就不同，该指标独立于槽况。工况的判断基本思想是:在一个时间段内，根据电压曲线整个波形的升降情况、波形的波 动幅度、波形突变的情况来判定出工况等极。
[0055]电解槽的槽况是表示电解槽所具有的电解能力的指标，随着生产的进行，电解槽本身的物理特性将会发生变化，槽的电解能力也随之发生变化。槽况的变化是一个缓慢的过程，一段时间内的工况可以表明槽况的变化趋势。电解槽处于不同的槽况，对于生产实时控制应该区别对待。槽况分析的思路:通过分析每一个电解槽最近一段时间内的槽电压波动值和工况情况来确定。
[0056]数据库模块根据影响电解槽状态的参数规则将电解槽状态分为健康状态、基本健康状态、亚健康状态、临界健康状态、轻微恶化状态、中度恶化状态及严重恶化状态。
[0057]系统实时监控反映电解槽状态的参数，通过状态识别器判断电解槽的状态，结合氯化镁浓度预测，通过模糊推理模块得出控制策略。再由PLC控制模块根据控制策略对电解槽做出相应控制。如图3所示，系统根据电解槽实时工作状态和氯化镁浓度结合数据库模块对其进行模糊推理，解模糊得到设定电流和加料间隔对电解槽进行控制。
[0058]具体的模糊推理模块，是根据电解槽状态结合工艺参数，设计的，该模糊推理模块中电解槽控制的优化策略及模糊控制规则，可由技术人员人为设定，并且与电解槽状态相对应。
[0059]综上所述，相对于目前正在使用或推广的多极镁电解生产控制系统来说，加入了电解槽状态诊断，以电解槽的实时数据为基础，采用聚类算法，通过学习模块，对大量的无序的、高噪声的电解槽运行数据进行学习，从而从大量的无序的、高噪声的电解槽运行数据中发掘出能够反映电解槽状态的关系规则。数据库模块中人为设置有结合工艺专家知识研究电解槽状态体系及各种状态的诊断依据，并以此状态体系为基础，推理出不同状态下电解槽控制。而这些诊断依据可以根据用户需求人为设定的。数据库模块根据影响电解槽状态的参数规则将电解槽状态分为健康状态、基本健康状态、亚健康状态、临界健康状态、轻微恶化状态、中度恶化状态及严重恶化状态，每种状态都对应一种优化的控制策略。本发明在原有控制策略的基础上加入模糊推理，结合模糊推理技术，建立电解槽智能控制机理来实现对电流和加料间隔的智能控制。改变了以往不同槽状态只有单一的控制策略的弊端，使得电解过程维持在能量平衡和物料平衡之间，在节约电能、减少设备故障、提高电解槽寿命、改善作业环境等方面，都起到了良好的效果。
【权利要求】
1.多极镁电解槽状态识别控制系统，包括电解槽，其特征在于，还包括数据采集模块，数据库模块、状态识别模块、学习模块、模糊推理模块及控制模块，所述数据采集模块分别与学习模块及状态识别模块连接，状态识别模块分别与数据库模块及模糊推理模块连接、模糊推理模块分别学习模块、数据库模块及控制模块连接，控制模块与电解槽连接； 所述数据采集模块，用于采集电解槽状态的参数信息及实时生产的工艺数据，传输给学习模块； 所述学习模块，用于根据采集的电解槽状态的参数信息，得出能够影响电解槽状态的参数信息，及能够影响电解槽状态的参数信息与电解槽状态的关系信息，所述关系信息计为历史数据驱动规则，并将其传输给状态识别模块，同时控制数据采集模块只将能够影响电解槽状态的参数信息及实时生产的工艺数据，传输给状态识别模块； 所述数据库模块，用于收集影响电解槽状态的其他判定规则及电解槽状态分类，还用于收集与电解槽状态相对应的控制方法； 所述状态识别模块，用于根据数据采集模块采集到的能够影响电解槽状态的参数信息及实时生产的工艺数据，依据历史数据驱动规则及影响电解槽状态的其他判定规则，判断电解槽状态，并将其传输给模糊推理模块； 所述模糊推理模块，用于根据电解槽状态、历史数据驱动规则、影响电解槽状态的其他判定规则及电解槽状态相对应的控制方法得出相应的优化控制策略，并将其传输给控制模块； 所述控制模块，用于根据优化控制策略对多极镁电解槽进行对应控制。
2.根据权利要求1所述的多极镁电解槽状态识别控制系统，其特征在于，所述电解槽状态分类包括健康状态、基本健康状态、亚健康状态、临界健康状态、轻微恶化状态、中度恶化状态和/或严重恶化状态。
3.根据权利要求1所述的多极镁电解槽状态识别控制系统，其特征在于，所述学习模块根据自动聚类算法得出能够影响电解槽状态的参数信息及历史数据驱动规则。
4.根据权利要求3所述的多极镁电解槽状态识别控制系统，其特征在于，所述历史数据驱动规则可以是状态判别函数、聚类中心及阔值中的一种或多种。
5.根据权利要求4所述的多极镁电解槽状态识别控制系统，其特征在于，所述模糊推理模块中电解槽控制的优化策略由技术人员人为设定，并且与电解槽状态相对应。
6.多极镁电解槽状态识别控制方法，其特征在于，包括以下步骤: 步骤1、系统实时监测电解槽，采集电解槽的参数信息； 步骤2、系统根据电解槽的参数信息，进行聚类分析，得出能够影响电解槽状态的参数信息及能够影响电解槽状态的参数信息与电解槽状态的关系信息，所述关系信息计为历史数据驱动规则； 步骤3、系统根据采集模块采集到的能够影响电解槽状态的参数信息及实时生产的工艺数据，依据历史数据驱动规则及数据库，判断电解槽状态，所述数据库中至少设置有影响电解槽状态的其他判定规则、电解槽状态分类及与电解槽状态相对应的控制方法； 步骤4、系统根据电解槽状态信息，结合历史数据驱动规则及数据库得出相应的优化控制策略； 步骤5、系统根据优化控制策略控制对电解槽作相应控制。
7.根据权利要求6所述的多极镁电解槽状态识别控制方法，其特征在于，所述步骤2中，系统利用学习器对电解槽运行状态及控制方法进行学习，从而经聚类分析，得出能够影响电解槽状态的参数信息，及能够影响电解槽状态的参数信息与电解槽状态的关系信息，所述关系信息计为历史数据驱动规则。
8.根据权利要求6所述的多极镁电解槽状态识别控制方法，其特征在于，所述步骤2中，历史数据驱动规则可以是状态判别函数、聚类中心及阔值中的一种或多种。
9.根据权利要求6所述的多极镁电解槽状态识别控制系统，其特征在于，所述步骤3中，影响电解槽状态的其他判定规则及与电解槽状态相对应的控制方法可人为设定。
10.根据权利要求6所述的多极镁电解槽状态识别控制方法，其特征在于，所述步骤3中，电解槽状态分类包括健康状态、基本健康状态、亚健康状态、临界健康状态、轻微恶化状态、中度恶化状态和/或严重恶化状态。
【文档编号】G05B13/02GK103970016SQ201410219060
【公开日】2014年8月6日 申请日期:2014年5月22日 优先权日:2014年5月22日
【发明者】汪义杰, 陈德明 申请人:攀枝花钢企欣宇化工有限公司