一種基于關(guān)聯(lián)分析的鋁電解生產(chǎn)輔助控制方法

(1.北京科技大學(xué)信息工程學(xué)院， 北京 100083； 2.廣西師范大學(xué)信息工程學(xué)院， 廣西 桂林 541004)



摘 要：

通過關(guān)聯(lián)分析對(duì)生產(chǎn)過程中積累數(shù)據(jù)的處理，可以得出客觀知識(shí)，這些知識(shí)有益于領(lǐng)域?qū)＜业南嚓P(guān)研究以及指導(dǎo)生產(chǎn)。基于雙庫(kù)協(xié)同機(jī)制的KDD*過程模型，是基于認(rèn)知心理的創(chuàng)建意象和心理信息修復(fù)特征建立的新型數(shù)據(jù)挖掘模型，它實(shí)現(xiàn)了系統(tǒng)自主發(fā)現(xiàn)知識(shí)短缺和進(jìn)行知識(shí)庫(kù)的實(shí)時(shí)維護(hù)，使兩個(gè)協(xié)調(diào)器協(xié)同工作，將協(xié)調(diào)器及雙庫(kù)協(xié)同機(jī)制融入經(jīng)典的KDD過程模型。基于該模型，提出了一種新的輔助控制電解鋁生產(chǎn)的方法，并通過現(xiàn)場(chǎng)實(shí)驗(yàn)說明其有效性。

關(guān)鍵詞：關(guān)聯(lián)分析； 雙庫(kù)協(xié)同機(jī)制； 數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)*； 電解鋁

中圖分類號(hào)：TP391.72 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-3695(2009)02-0631-03



Approach of aided control in electrolysis aluminiummanufacture based on association analysis



YANG Bing-ru1， HOU Wei1， XU Zhang-yan2， ZHOU Zhun1

(1 School of Information Engineering， University of Science Technology Beijing， Beijing 100083， China; 2.School of Information Engi-neering， Guangxi Normal University， Guilin Guangxi 541004， China)



Abstract:The objective knowledge， which were harvested by association analysis， wasbeneficial to relevant researchs of experts in the field of electrolysis aluminium， and the management of production. Based on the KDD* process model with double bases cooperating mechanism， obtained knowledge about production of electrolysis aluminium obtained by a new method， and verified the validity by experiment.

Key words：association analysis; double bases cooperating mechanism; KDD*; electrolysis aluminium



0 引言

在電解鋁的生產(chǎn)過程中，各種因素相互影響，所以難以使用一般的數(shù)學(xué)模型對(duì)其進(jìn)行描述。一般的自動(dòng)控制方法也難以適用于生產(chǎn)控制。然而，在長(zhǎng)期的生產(chǎn)過程中，被積累的大量生產(chǎn)數(shù)據(jù)中潛藏著一些有價(jià)值的知識(shí)。信息采集系統(tǒng)將大量的生產(chǎn)數(shù)據(jù)采集下來，包括電流效率、電解槽溫度、氧化鋁添加量、氟化鹽添加量、鋁水平以及電解質(zhì)水平等生產(chǎn)數(shù)據(jù)。由于電解槽工作原理本身的復(fù)雜性，這些記錄數(shù)據(jù)互為因果、相互影響，即便通過統(tǒng)計(jì)分析、建立參數(shù)模型的方法，可以得到預(yù)測(cè)模型，但是實(shí)踐證明其有效性較低。目前，對(duì)于電解鋁生產(chǎn)數(shù)據(jù)的處理方式主要基于OLAP技術(shù)的管理信息系統(tǒng)[1]，以及基于模糊推理的專家系統(tǒng)[2]。其中，后者雖然已經(jīng)引入了模糊推理機(jī)制，但是其主要知識(shí)來源仍為領(lǐng)域?qū)＜遥欢擃I(lǐng)域中許多理論問題尚存在爭(zhēng)議，在理論層面尚待研究，因此該方法收集的知識(shí)適用性一般，推廣性較差。

數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)（knowledge discovery in database， KDD）是指從數(shù)據(jù)庫(kù)中識(shí)別出有效的、新穎的、潛在有用的并且最終可理解的模式的非平凡過程[3]。KDD的出現(xiàn)，為擺脫今天數(shù)據(jù)豐富而知識(shí)貧乏的困境提供了有效途徑。目前，KDD的發(fā)展主流是尋求在各類數(shù)據(jù)庫(kù)和應(yīng)用背景下高性能、高擴(kuò)展性的挖掘算法，對(duì)于較高層次的框架乃至理論基礎(chǔ)或者沒有進(jìn)行深入探討[4]，或者沒有給出具體的實(shí)現(xiàn)方法，無法從根本上明顯提高現(xiàn)有知識(shí)發(fā)現(xiàn)過程的性能。

基于雙庫(kù)協(xié)同機(jī)制的KDD*過程模型[5~7]將知識(shí)發(fā)現(xiàn)系統(tǒng)視為認(rèn)知系統(tǒng)，從認(rèn)知心理學(xué)的角度來考察知識(shí)發(fā)現(xiàn)過程，重在研究知識(shí)發(fā)現(xiàn)的認(rèn)知自主性。通過構(gòu)造啟發(fā)型協(xié)調(diào)器和維護(hù)型協(xié)調(diào)器分別模擬兩個(gè)特征，實(shí)現(xiàn)自主發(fā)現(xiàn)知識(shí)短缺及知識(shí)庫(kù)的實(shí)時(shí)維護(hù)，并運(yùn)用雙庫(kù)協(xié)同機(jī)制建立數(shù)據(jù)庫(kù)和知識(shí)庫(kù)的特定對(duì)應(yīng)關(guān)系，從一個(gè)特定角度揭示知識(shí)發(fā)現(xiàn)的潛在本質(zhì)、規(guī)律與復(fù)雜性，改造知識(shí)發(fā)現(xiàn)過程。基于以上分析，筆者將KDD*模型引入電解鋁的生產(chǎn)過程中，取得了較好的效果。

本文在筆者提出的雙庫(kù)協(xié)同機(jī)制[7]的基礎(chǔ)上，結(jié)合鋁電解生產(chǎn)的具體條件，提出了一個(gè)新的基于關(guān)聯(lián)分析的輔助控制方法，利用該方法獲得的生產(chǎn)管理知識(shí)，現(xiàn)場(chǎng)專家可以客觀有效地分析與控制電解槽的工作狀態(tài)。實(shí)驗(yàn)說明在該方法的輔助控制下電解槽的耗能可被有效控制。

1 鋁電解生產(chǎn)輔助控制

作為鋁的主要來源，電解鋁的生產(chǎn)投入大、耗能多，因此對(duì)鋁電解過程的研究對(duì)增產(chǎn)降耗意義重大。不僅限于我國(guó)，在世界范圍內(nèi)電解鋁仍是一個(gè)高耗能的產(chǎn)業(yè)，各電解鋁生產(chǎn)國(guó)都對(duì)該行業(yè)的節(jié)能問題研究高度重視。

目前，國(guó)內(nèi)外對(duì)鋁電解槽的壽命的研究主要集中在電解槽的建槽材料上。例如通過改進(jìn)電解鋁生產(chǎn)工藝，Jiao Su-hua[8]提出了一種高效的自培燒槽培燒方法；崔學(xué)禮等人[9]發(fā)明了屬于鋁電解生產(chǎn)導(dǎo)電用陽(yáng)極材料。從改善硬件環(huán)境的角度來解決節(jié)能減排存在許多問題，其中最根本的是電解鋁生產(chǎn)本身的復(fù)雜性，尚不為人完全了解。光、電效應(yīng)相互交織，物質(zhì)變化規(guī)律難以全面掌握，然而硬件改造必須建立在對(duì)該領(lǐng)域的透徹理解基礎(chǔ)上，因此單從設(shè)備改造途徑難以解決這一世界難題。

另一方面，鋁電解生產(chǎn)過程中積累了海量數(shù)據(jù)，如何從中挖掘具有指導(dǎo)意義的知識(shí)已成為亟待解決的問題之一。文獻(xiàn)[10]將OLAP技術(shù)應(yīng)用于鋁電解槽生產(chǎn)中，實(shí)現(xiàn)生產(chǎn)數(shù)據(jù)的多維分析。應(yīng)當(dāng)說，這些工作主要是圍繞OLAP和現(xiàn)有的數(shù)據(jù)挖掘工具來展開的，尚未涉及數(shù)據(jù)挖掘本身的算法研究。劉業(yè)翔等人[11]在事務(wù)拓?fù)淇臻g的基礎(chǔ)上，將灰色系統(tǒng)理論引入屬性集的關(guān)聯(lián)規(guī)則挖掘中，提出了一種新的適用于鋁電解工業(yè)控制現(xiàn)場(chǎng)的灰關(guān)聯(lián)度挖掘框架，并給出了相應(yīng)的算法。據(jù)筆者所知，到目前為止，針對(duì)鋁電解生產(chǎn)設(shè)計(jì)的數(shù)據(jù)挖掘算法僅有此一篇文獻(xiàn)。鋁電解是一個(gè)復(fù)雜的化學(xué)物理過程，鋁電解槽是一個(gè)非線性、多變量耦合、時(shí)變和大時(shí)滯的工業(yè)過程體系[12]，其自身內(nèi)部復(fù)雜的物理化學(xué)變化、各種外界條件以及作業(yè)的干擾決定了電解槽運(yùn)行過程中眾多參數(shù)和變量的模糊不確定性和不可連續(xù)測(cè)定性。面對(duì)這樣一個(gè)復(fù)雜的工業(yè)過程體系，探索數(shù)據(jù)挖掘的應(yīng)用方法具有重要的理論與實(shí)際意義。

利用數(shù)據(jù)挖掘獲得的知識(shí)以對(duì)控制進(jìn)行輔助決策，是一種新穎且有效的生產(chǎn)控制策略。本文將Maradbcm算法應(yīng)用于針對(duì)電解槽工作相關(guān)的工作電壓、效應(yīng)次數(shù)、氧化鋁添加量、氟化鹽添加量、電流效率、電壓擺幅等工作參數(shù)的關(guān)聯(lián)分析，并將結(jié)果用于指導(dǎo)設(shè)備參數(shù)設(shè)置，形成了較為完善的鋁電解生產(chǎn)輔助控制方法。青銅峽鋁業(yè)集團(tuán)為本文提供了良好的實(shí)驗(yàn)平臺(tái)，共有45臺(tái)電解槽參與實(shí)驗(yàn)數(shù)據(jù)的采集和最終的輔助決策的實(shí)施。

2 理論基礎(chǔ)

在KDD*模型中[7]，啟發(fā)型協(xié)調(diào)器和維護(hù)型協(xié)調(diào)器是兩個(gè)最重要的機(jī)制。其中啟發(fā)型協(xié)調(diào)器[7]的功能是模擬認(rèn)知心理學(xué)的創(chuàng)建意向特征，實(shí)現(xiàn)系統(tǒng)自身發(fā)現(xiàn)知識(shí)短缺。在經(jīng)典KDD進(jìn)程中，系統(tǒng)的聚焦通常是由用戶提供感興趣的方向，KDD依此為據(jù)進(jìn)行挖掘，這種情況下大量數(shù)據(jù)中的潛在有用信息往往被用戶忽略。為幫助KDD盡可能多地搜索到對(duì)用戶有用的信息，以彌補(bǔ)用戶或領(lǐng)域?qū)＜易陨淼木窒扌裕岣邫C(jī)器的認(rèn)知自主性，啟發(fā)型協(xié)調(diào)器使得知識(shí)發(fā)現(xiàn)系統(tǒng)在原有用戶聚焦的基礎(chǔ)上，增加了系統(tǒng)自身提供聚焦方向的功能，從而有效提高了數(shù)據(jù)中隱含信息的發(fā)現(xiàn)概率。

維護(hù)型協(xié)調(diào)器[7]的功能是模擬心理信息修復(fù)這一認(rèn)知心理特征，從而實(shí)現(xiàn)知識(shí)庫(kù)的實(shí)時(shí)維護(hù)。由于維護(hù)型協(xié)調(diào)器對(duì)KDD過程的介入，可以在對(duì)于重復(fù)性、矛盾、冗余性給予準(zhǔn)確定義的基礎(chǔ)上，利用超圖等理論工具，實(shí)時(shí)地、盡早地將重復(fù)、矛盾、冗余的知識(shí)進(jìn)行處理，從而做到只對(duì)那些有可能成為新知識(shí)的假設(shè)進(jìn)行評(píng)價(jià)，最大限度地減少了評(píng)價(jià)工作量；同時(shí)，可對(duì)知識(shí)庫(kù)進(jìn)行實(shí)時(shí)維護(hù)。在實(shí)際的專家系統(tǒng)中，最終成為新知識(shí)的假設(shè)占原假設(shè)的比例是很小的，大量假設(shè)會(huì)是重復(fù)和冗余的，因此維護(hù)型協(xié)調(diào)器的引入將提高KDD的效率。

由于維護(hù)型協(xié)調(diào)器對(duì)KDD過程的介入，可以在準(zhǔn)確定義的基礎(chǔ)上，實(shí)時(shí)地將重復(fù)、矛盾、冗余的知識(shí)淘汰掉，從而做到只對(duì)那些有可能成為新知識(shí)的假設(shè)進(jìn)行評(píng)價(jià)，最大限度地減少評(píng)價(jià)工作量。KDD*模型如圖1所示。

上面兩個(gè)協(xié)調(diào)器（算法）的核心技術(shù)是定向挖掘和定向搜索，為此筆者[7]提出了雙庫(kù)協(xié)同機(jī)制，并在數(shù)據(jù)庫(kù)和知識(shí)庫(kù)的特定構(gòu)造下，建立了兩者之間的一一對(duì)應(yīng)關(guān)系。

引理1 結(jié)構(gòu)對(duì)應(yīng)定理 [7]。論域X的推理范疇Cr(N)與完全數(shù)據(jù)子類結(jié)構(gòu)可達(dá)范疇C∝<γ ，c(γ)>等價(jià)（證略）。

該定理給出了知識(shí)庫(kù)中的知識(shí)素節(jié)點(diǎn)與數(shù)據(jù)庫(kù)中數(shù)據(jù)子類結(jié)構(gòu)中的層之間的一一對(duì)應(yīng)關(guān)系，如圖2所示。雙庫(kù)協(xié)同機(jī)制的構(gòu)建從根本上解決了定向搜索與定向挖掘進(jìn)程的問題。

基于KDD*模型，筆者[7]構(gòu)造了關(guān)聯(lián)分析算法Maradbcm。

算法1 Maradbcm[7]

輸入:規(guī)則強(qiáng)度閾值min_intensity，支持度閾值min_sup，可信度閾值min_con;

輸出:關(guān)聯(lián)規(guī)則庫(kù)KD。

數(shù)據(jù)預(yù)處理;

When“知識(shí)短缺”被識(shí)別

產(chǎn)生K2;//Km表示規(guī)則長(zhǎng)度為m的短缺知識(shí)集，即Km={r|Len(r)=m}。

m= 2;

產(chǎn)生假設(shè)規(guī)則，存儲(chǔ)于Km;

//對(duì)Km中的短缺知識(shí)ri進(jìn)行定向挖掘

repeat

for every ri in Km

if(ri與現(xiàn)有知識(shí)庫(kù)一致對(duì)規(guī)則ri進(jìn)行評(píng)價(jià))

輸入規(guī)則ri入KD，更新可達(dá)矩陣;

else

刪除規(guī)則ri;

endfor;

m= m+1;

until Km=;

endWhen;

相對(duì)于KDD而言，KDD*是KDD與雙庫(kù)協(xié)同機(jī)制相融合的一種新的知識(shí)發(fā)現(xiàn)過程模型。它具有以下特征:

a）KDD*有機(jī)地溝通和融合了KDD*新發(fā)現(xiàn)的知識(shí)及基礎(chǔ)知識(shí)庫(kù)中固有的知識(shí)，使它們成為一個(gè)有機(jī)整體，即實(shí)現(xiàn)了用戶的先驗(yàn)知識(shí)與先前發(fā)現(xiàn)的知識(shí)可以耦合到發(fā)現(xiàn)過程中。

b）在知識(shí)發(fā)現(xiàn)過程中，KDD*對(duì)于冗余性的、重復(fù)性的、不相容的信息進(jìn)行實(shí)時(shí)處理，有效地減少了由于過程積累而造成的問題的復(fù)雜性，同時(shí)為新舊知識(shí)的融合及合成提供了先決條件，實(shí)現(xiàn)了知識(shí)與數(shù)據(jù)庫(kù)同步進(jìn)化。

c）在數(shù)據(jù)庫(kù)數(shù)據(jù)的積累過程中，雖然知識(shí)庫(kù)的結(jié)構(gòu)具有一定的穩(wěn)定性，但它也隨著數(shù)據(jù)的積累而不斷進(jìn)化，并且這種進(jìn)化能力是雙庫(kù)協(xié)同機(jī)制本身提供的，無須領(lǐng)域?qū)＜腋深A(yù)。

d）KDD*改變與優(yōu)化了知識(shí)發(fā)現(xiàn)的過程和運(yùn)行機(jī)制，實(shí)現(xiàn)了多源頭聚焦并減少了評(píng)價(jià)量。

e）從認(rèn)知科學(xué)的角度，KDD*強(qiáng)化并提高了知識(shí)發(fā)現(xiàn)的智能化程度，提高了認(rèn)知自主性，較有效地克服了領(lǐng)域?qū)＜业淖陨砭窒扌裕瑢?shí)現(xiàn)了采用領(lǐng)域知識(shí)輔助初始發(fā)現(xiàn)的聚焦。

f）作為KDD*的核心技術(shù)——雙庫(kù)協(xié)同機(jī)制揭示了在一定的建庫(kù)原則下，知識(shí)子庫(kù)與數(shù)據(jù)子類結(jié)構(gòu)之間的對(duì)應(yīng)關(guān)系，為實(shí)現(xiàn)限制性搜索而減小搜索空間、提高挖掘效率提供了有效的技術(shù)方法。

g）雙庫(kù)協(xié)同機(jī)制與其誘導(dǎo)的KDD*模型對(duì)知識(shí)發(fā)現(xiàn)的主流發(fā)展有著重要的作用。由此派生出新的關(guān)聯(lián)規(guī)則與數(shù)據(jù)聚類規(guī)則的挖掘算法，與目前流行的算法對(duì)比，具有更好的可擴(kuò)展性和有效性。

3 實(shí)驗(yàn)結(jié)果與分析

本文采用的數(shù)據(jù)來自青鋁集團(tuán)三期的電解鋁生產(chǎn)車間，該車間部署了實(shí)時(shí)采集系統(tǒng)，負(fù)責(zé)收集各種電解槽工作參數(shù)。筆者將該車間45臺(tái)電解槽一年內(nèi)的日?qǐng)?bào)數(shù)據(jù)作為學(xué)習(xí)樣本，去除停槽狀態(tài)下數(shù)據(jù)，共有14 080條樣本。日?qǐng)?bào)數(shù)據(jù)記錄了各個(gè)電解槽工作時(shí)的工作電壓、效應(yīng)次數(shù)、氧化鋁添加量、氟化鹽添加量、電流效率、電壓擺幅等工作參數(shù)。本實(shí)驗(yàn)的目標(biāo)在于，通過KDD*過程模型對(duì)樣本的學(xué)習(xí)獲得電流效率、各種原料添加量等參數(shù)的關(guān)系。由于電解槽系統(tǒng)內(nèi)部的復(fù)雜性，各種參數(shù)互為因果，所得結(jié)果仍需領(lǐng)域?qū)＜以u(píng)價(jià)。

實(shí)驗(yàn)首先對(duì)各項(xiàng)連續(xù)參數(shù)進(jìn)行等深離散化(equidepth-binning)，將各參數(shù)離散為語義程度不同的五個(gè)離散值；隨后將離散后的參數(shù)作為輸入屬性加入到KDD*過程模型中。實(shí)驗(yàn)共獲得規(guī)則21條(在實(shí)驗(yàn)環(huán)境為賽揚(yáng)2.4 GHz CPU、RAM 1 GB下，實(shí)驗(yàn)共耗時(shí)27 s)。圖3所示(僅列出部分規(guī)則)。

通過對(duì)結(jié)果的分析，可以從這些規(guī)則中得出一些對(duì)指導(dǎo)電解鋁生產(chǎn)有益的知識(shí)。如圖4為三條具有實(shí)際意義的規(guī)則(知識(shí))。

通過實(shí)驗(yàn)可以看出，按照KDD*過程模型進(jìn)行挖掘確實(shí)可以發(fā)現(xiàn)許多具有實(shí)際意義的結(jié)果。比如圖4中，規(guī)則1提供了電流效率（efficiency）保持較高狀態(tài)的條件，即氧化鋁添加量（YhlCnt）、工作電壓（WorkV）均在正常范圍內(nèi)，同時(shí)沒有效應(yīng)（AeCnt）發(fā)生。基于以上規(guī)則(21條)的輔助控制，歷經(jīng)一個(gè)月時(shí)間的實(shí)驗(yàn)性生產(chǎn)，電解槽平均降耗八個(gè)百分點(diǎn)，可以看出將KDD*過程模型應(yīng)用于鋁電解生產(chǎn)輔助控制是一種有效方法。

4 結(jié)束語

我國(guó)的電解鋁行業(yè)起步較晚，投資巨大，迅速掌握電解鋁生產(chǎn)過程的內(nèi)在規(guī)律具有十分重要的意義，然而其生產(chǎn)過程內(nèi)在的復(fù)雜性，以及長(zhǎng)期生產(chǎn)過程中所積累的龐大數(shù)據(jù)，使得領(lǐng)域?qū)＜译y以用一般的數(shù)學(xué)工具揭示出這些知識(shí)。同時(shí)，被積累下的海量數(shù)據(jù)為數(shù)據(jù)挖掘技術(shù)的實(shí)施提供了條件。基于雙庫(kù)協(xié)同機(jī)制的KDD*過程模型，是基于認(rèn)知心理的創(chuàng)建意象和“心理信息修復(fù)”特征建立的新型數(shù)據(jù)挖掘模型。基于該模型，本文提出了一種新的控制電解鋁生產(chǎn)過程的方法，并通過實(shí)驗(yàn)證明了該方法可以從海量生產(chǎn)數(shù)據(jù)中抽取出有價(jià)值的知識(shí)，這些知識(shí)對(duì)于領(lǐng)域?qū)＜业南嚓P(guān)研究，以及指導(dǎo)生產(chǎn)都具有實(shí)際意義。

參考文獻(xiàn)：

[1]王喜明，王云利，喬華.鋁電解綜合管理信息系統(tǒng)的開發(fā)與應(yīng)用[J].輕金屬，2002，3(4):41-42.

[2]李晉宏，冷正旭，席燦明.模糊控制和模糊專家系統(tǒng)技術(shù)在大型預(yù)焙鋁電解槽中的開發(fā)與應(yīng)用[J].輕金屬，2001，2(3):44-46.

[3]FAYYAD U， PIATESKY-SHAPIRO G， SMYTH P. From data mining to knowledge discovery in databases[J]. AI Magazine， 1996，17 (3): 37-54.

[4]MANNILA H. Theoretical frameworks for data mining[J]. SIGKDD Explorations， 2000，1(2): 30-32.

[5]楊炳儒，孫海洪，熊范綸. 利用標(biāo)準(zhǔn)SQL查詢挖掘多值型關(guān)聯(lián)規(guī)則及其評(píng)價(jià)[J].計(jì)算機(jī)研究與發(fā)展， 2002，39(3): 307-312.

[6]楊炳儒.基于內(nèi)在機(jī)理的知識(shí)發(fā)現(xiàn)理論及其應(yīng)用[M].北京:電子工業(yè)出版社，2004.

[7]楊炳儒，宋威，徐章艷.基于知識(shí)發(fā)現(xiàn)的專家系統(tǒng)的新構(gòu)造[J].中國(guó)科學(xué)E輯， 2007， 36(1):1-12.

[8]JIAO Su-hua. Roasting method for self-roasting tank for aluminium electrolysis:China，91103797.7[P].1992-12- 30.

[9]崔學(xué)禮，崔巍.電解鋁低電阻抗氧化自焙陽(yáng)極:中國(guó)，87108145.8 [P].1989-06-28.

[10]李晉宏，閆鵬，曹丹陽(yáng)，等.鋁電解槽生產(chǎn)數(shù)據(jù)的多維分析系統(tǒng)[J].北方工業(yè)大學(xué)學(xué)報(bào)，2002，14(1):61-65.

[11]劉業(yè)翔，陳湘濤，張更容，等.鋁電解控制中灰關(guān)聯(lián)規(guī)則挖掘算法的應(yīng)用[J].中國(guó)有色金屬學(xué)報(bào)，2004，14(3):494-498.

[12]邱竹賢.鋁電解原理與應(yīng)用[M].徐州:中國(guó)礦業(yè)大學(xué)出版社，1998.