A neural control logic scheme based on prediction and pattern recognition techniques is used to control electrochemical processes such as aluminum electrolytic cells. The predictive capacity of feedforward neural networks is used to predict the future values of decision variables to be used by the cell's control logic, enabling the control logic to apply anticipated actions to cells in different conditions, thus avoiding anode effects and improving cell stability. The pattern-recognition capacity of LVQ-type neural networks is used to provide a closed-loop control structure to the feeding of the cell as a function of cell resistance, alumina concentration and cell condition. The closed-loop control structure enables the cell to operate at a near-optimal regime regardless of the condition of the cell.

Uno schema neurale di logica di controllo basato sulla previsione e sulle tecniche di riconoscimento di forme è usato per controllare i processi elettrochimici quali le celle elettrolitiche di alluminio. La capienza preventiva delle reti neurali di feedforward è usata per predire i valori futuri delle variabili di decisione da usare dalla logica di controllo delle cellule, permettendo alla logica di controllo di applicare le azioni previste alle cellule nelle circostanze differenti, così evitando gli effetti dell'anodo e migliorando la stabilità delle cellule. La capienza di riconoscimento di forme di LVQ-tipo reti neurali è usata per fornire una struttura di controllo di chiuso-loop all'alimentazione della cellula in funzione di resistenza delle cellule, di concentrazione nell'allumina e dello stato delle cellule. La struttura di controllo di chiuso-loop permette alla cellula di funzionare ad un regime vicino-ottimale senza riguardo allo stato della cellula.