铝电解是一个非稳态、非线性、高能耗、强磁场、强耦合的复杂生产过程。本文针对铝电解槽槽电压振动以及电解质温度波动的宏观表现,研究一种基于模糊神经网络的铝电解槽故障诊断系统,利用先进的自动控制技术进行监视和预测,对于提高电流效率、降低能耗、提高劳动生产率、改进生产管理水平具有重要的意义。本文首先介绍了目前国内外铝电解槽模型分析技术的研究现状,阐述了铝电解的生产工艺及故障类型,以及目前各种动态模型在槽况诊断和预测中的应用情况。数据采集部分通过小波包变换技术对电解槽槽电压的各项振动数据进行预处理,分离出各个频段的特征数据,对于故障特征的提取效果理想。以电解槽冷热行程槽况作为分析对象对温度信号进行预处理。采用模糊专家系统技术,结合新型温度检测装置,建立了冷热槽况诊断网络模型。最后以槽电压特征系数和电解槽温度行程系数为检测输入量,建立模糊神经网络诊断模型。在模糊神经推理过程中加入减法聚类,大大减少了系统的模糊规则数,能很好地协调控制算法的精度和运算速度,通过神经网络的混合学习决定隶属函数的最优分配,构成一个输入信号具有模糊权系数的神经网络集合,对电解槽的各种异常槽况进行判断,找出输入输出之间的映射关系,实现电解槽槽况的可视可控。最后通过建立仿真模型,给出了一种比较合理的模型参数选择方法,使其具有槽况预报的功能。本论文的开发研究成果,对于铝电解行业降低能耗、提高效益具有重要的参考价值。