铝电解过程控制主要是以氧化铝浓度控制为主，氧化铝浓度的准确判断是整个浓度控制的基础。铝电解过程是一个非线性、多变量耦合、时变和大时滞的工业生产过程，伴随着多种复杂的物理化学变化。铝电解质具有很强的腐蚀性，其生产是在高温，强磁场和不断的运动状态下进行的。复杂的生产过程决定了电解槽过程中的参数具有不确定性、不可连续测定性。因此，对氧化铝浓度的准确控制成为铝电解过程的难点。本文在深入分析铝电解工艺及生产数据的基础上，结合神经网络、遗传算法、铝电解专家知识对氧化铝浓度进行控制。针对电解槽处在的槽状态，通过对氧化铝浓度准确测量，合理的进行下料操作，从而将氧化铝浓度控制在目标范围，使电解过程稳定运行。论文的主要工作如下：①铝电解过程中能实时反应电解槽变化的参数只有由槽电压和槽电流计算得到的槽电阻。分析槽电阻的时序性，利用BP神经网络的非线性映射能力和自学习能力对槽电阻进行预测。考虑到BP神经网络收敛速度慢，在学习过程中可能陷入局部极小点而无法调整网络权值和阈值，利用遗传算法对BP神经网络进行优化。②槽电阻R和氧化铝浓度C特征曲线存在一定的不确定性，随电解槽状态变化而发生漂移。结合贵州电解铝厂的实际生产数据得到三种槽状态下R~C特征曲线。LVQ神经网络的结构简单，通过内部相互作用就可以完成十分复杂的分类处理，利用LVQ神经网络对电解槽的槽状态进行实时判断，结合R~C特征曲线得到电解槽中氧化铝浓度。③根据预测得到槽电阻信息进行氧化铝下料控制，结合氧化铝浓度和电解槽的状态对控制参数进行调整，从而将氧化铝浓度控制在目标范围内，实现对铝电解过程的优化控制。