基于多通道时空卷积注意力网络的铝电解槽阳极效应趋势预测OA
在铝电解过程中,阳极效应是影响电能利用效率的典型异常工况,其发生往往伴随阳极电阻的剧烈波动.若能实现阳极电阻变化的实时预测,即可对阳极效应进行前瞻性识别.为此,提出一种融合机理约束与数据驱动思想的多通道时空预测模型(卷积长短期记忆–二维卷积–多头注意力,ConvLSTM-Conv2D-MHA),以联合刻画多槽系统的共性与差异特征.模型利用堆叠ConvLSTM提取时序动态,通过Conv2D分支强化空间特征表达,并引入MHA机制捕捉长时依赖关系,从而提升对趋势变化及早期波动的敏感度.实验结果表明,该模型在阳极电阻趋势预测中表现出更高的精度与稳定性,较传统时序模型更能利用多槽间潜在的耦合关联.
陈祖国;刘辉;黄毅;陈超洋
湖南科技大学三亚研究院,三亚572000 湖南科技大学信息与电气工程学院,湘潭411201湖南科技大学三亚研究院,三亚572000 湖南科技大学计算机科学与工程学院,湘潭411201湖南科技大学三亚研究院,三亚572000 湖南科技大学信息与电气工程学院,湘潭411201湖南科技大学三亚研究院,三亚572000 湖南科技大学信息与电气工程学院,湘潭411201
矿业与冶金
电阻趋势预测多通道ConvLSTM多头注意力机制阳极效应
《自动化学报》 2026 (7)
P.1413-1425,13
国家自然科学基金(62373144,62403193)湖南省科技创新计划(2025RC3197,2024RC9015,2025RC4012)资助。
评论