一种基于多目标评价的优化设定方法研究

复杂工业过程关键被控变量的设定值是否合理直接影响到生产指标能否优化实现.针对设定值的合理性问题,融入评价的思想,提出一种基于多目标评价的优化设定方法,采用案例推理技术建立了设定模型的总体结构,通过对设定值的事前评价,实现了在线调整设定值的闭环寻优功能.利用开发出的竖炉焙烧过程仿真平台验证了方法的正确性和有效性,可以避免...     

案例推理属性权重的分配模型比较研究

案例推理系统中各属性权重的赋值决定了案例之间的相似度 大小,进而对推理结果的正确与否产生显著影响.以属性加权K-最近邻 相似案例检索为基础,讨论了使用注水原理分配属性权重的机理,并通过建 立权重分配的合理性指标,构造拉格朗日函数对权重进行优 化求解,得到了收敛的注水分配算法.通过五折交叉的模式分类实验 ,分别对属性权重的平均分配法、注水分配算法和遗传算法分配法进行了比较研究,案例推理分类结果证明,在引入注水分配算法后,其分类性能得到有效改善.     

基于参量预报的磁选管回收率智能优化控制

竖炉焙烧过程的关键工艺指标磁选管回收率难以实时测量,因而实现优化控制很困难.将优化设定、参量预报与回路控制技术相结合,提出一种磁选管回收率的智能优化控制方法.基于案例推理的优化设定模型根据工况的变化和磁选管同收率的实时预报值给出基础控制回路的设定值,并通过先进的控制方法实现回路的稳定控制.该方法应用于竖炉焙烧过程的生产实际,使磁选管回收率的实际值保持在其目标值范围内,取得显著应用成效.     

一种改进的案例推理分类方法研究

特征属性的权重分配和案例检索策略对案例推理（Case-based reasoning,CBR）分类的准确率有显著影响. 本文提出一种结合遗传算法、内省学习和群决策思想改进的CBR分类方法. 首先,利用遗传算法得到多组属性权重,再根据内省学习原理对每组权重进行迭代调整;然后,通过案例群检索策略得到满足大多数原则的群决策分类结果;最后,以典型分类数据集的对比实验证明了本文方法能进一步提高CBR分类的准确率. 这表明内省学习可以保证权重分配的合理性,案例群检索策略能充分利用案例库的潜在信息,对提升CBR的学习能力有显著作用.     

提高案例推理分类器的可靠性研究

针对案例推理（Case-based reasoning,CBR）分类器的可靠性问题,本文提出一种改进的案例检索和案例重用方法. 首先在案例检索环节应用注水原理对属性权重进行优化分配,利用每个属性数据的标准差和均值构造拉格朗日函数求得属性权重,并设定重要度阈值指导属性约简;其次在案例重用环节引入基于可信度的重用策略,通过计算目标案例分属于各个类别的可信度大小来确定当前案例的分类结果. 最后通过实验对比,表明本文方法能有效提高分类精度和效率,分类器的可靠性得以保障.     

竖炉焙烧过程综合自动化系统

针对竖炉焙烧过程的工艺特点及技术要求，基于智能技术提出了实现综合生产指标优化的竖炉焙烧过程综合自动化系统，讨论了由智能优化、过程控制和过程管理三层结构组成的综合自动化系统的结构、功能和控制策略。用智能优化设定模型、炉况诊断模型、智能预报模型及回路控制，实现了优化综合生产指标的目标。所提出的系统成功应用于桌选矿厂竖炉焙烧生产过程，实现了竖炉焙烧生产过程的优化控制、优化运行和优化管理，取得了明显的应用成效。     

基于精简并发潜结构映射的竖炉焙烧过程综合故障诊断

竖炉焙烧过程因运行条件异常变化或操作不当会造成上火、冒火、过还原和欠还原等运行故障.这些故障直接影响过程运行安全和产品质量（比如,磁选管回收率）,但难以采用基于模型和基于知识的方法建模故障与产品质量的关系,以及诊断故障变量.针对上述问题,本文提出数据驱动的基于并发潜结构映射（Concurrent projection to latent structures,CPLS）的竖炉焙烧过程综合故障诊断方法.首先,将并发潜结构映射分解的过程变量共有子空间与残差空间精简合并来建立磁选管回收率相关的过程变化空间,提出基于精简并发潜结构映射模型的竖炉焙烧过程综合监控方法;接下来,定义相应的重构贡献图并与竖炉焙烧过程相结合,提出CPLS精简重构贡献方法用于竖炉焙烧过程故障变量诊断;最后,利用竖炉焙烧过程半实物仿真平台采集的数据进行实验研究,结果表明所提方法不仅可以诊断出质量相关的故障,而且可诊断出回路设定值之外的故障变量.     

磁选管回收率智能混合预报方法

针对衡量竖炉焙烧过程焙烧矿质量好坏的关键工艺指标磁选管回收率难以在线测量、化验结果滞后的难题，采用神经网络、案例推理和专家系统技术，提出了由神经网络预报模型、案例推理预报模型、自校正模型组成的磁选管回收率智能混合预报模型，讨论了模型的结构、主要功能和实现算法，并成功应用于赤铁矿选矿厂竖炉焙烧过程．应用效果表明，在工况正常与异常两种情况下，所提出的方法均能准确预报磁选管回收率．将磁选管回收率预报模型应用于竖炉焙烧过程的优化控制，使磁选管回收率保持在最优工艺指标范围之内，取得了明显的成效．     

基于案例推理的竖炉故障预报系统

为降低竖望炉焙烧过程的故障发生率,基于故障机理的分析,将过程参量预报与案例推理技术相集成,提出了竖炉焙烧过程的智能故障预报方法.参量量预报模型对不易在线连续测量但能反映故障征兆的关键工艺参数进行实时预报,在此基础上,采用案例推理技术对焙烧过程进行全面分析并给出一些典型故障发生的概率和操作指导.将所建立的故障预报系统成功应用于竖炉焙烧过程的生产实际中,故障发生率明显降低,取得了显著应用成效.     

城市生活垃圾焚烧过程二次风量智能优化设定方法

垃圾焚烧过程二次风量通常是依据人工经验设定,具有主观随意性,使污染物排放浓度不达标.针对此问题,提出一种二次风量智能优化设定方法.首先,建立二次风量的案例推理预设定模型、设定值的评价与学习模型;其次,建立工艺指标的随机配置网络预测模型;接着,建立基于径向基神经网络自学习模糊推理的智能补偿模型;最后,将二次风量预设定模型、工艺指标预测模型、智能补偿模型以及设定值的评价与学习模型有机集成,设计二次风量智能优化设定方法的结构与功能,并给出算法实现.采用某垃圾焚烧厂历史数据进行实验,结果表明,所提方法获得的二次风量设定值波动程度更小,按此设定值运行的控制系统可以减少污染物排放浓度,促进垃圾焚烧过程运行优化目标的实现.     

Multi-objective evaluation-based hybrid intelligent control optimization for shaft furnace roasting process

A hybrid intelligent control optimization method based on multi-objective evaluation (MOE) is proposed to control the production indices of a process and maintain them in their desired range. This method consists of a loop control layer with an air–fuel ratio adjustment model and a setting layer. The set points of the control loops are produced by case-based reasoning (CBR) and followed by the closed loop. These set points are also adjusted through the real-time evaluation and online correction. The proposed approach has been applied to the roasting process and its effectiveness has been verified by the results of practical application.     

Hybrid intelligent control for optimal operation of shaft furnace roasting process

A hybrid intelligent control method is proposed to control the technical indices into their desired range. This is realized by on-line adjusting the set-points of control loops for optimal operation of the shaft furnace in response to changes in operating points. The controller consists of six modules, namely a pre-setting model for control loop set-points, a predictive model for technical index, a feedforward compensator using predictive model, a feedback compensator, a fault working situation diagnosis and a fault tolerant control model. The proposed approach has been successfully applied to the roasting process of shaft furnace in a mineral processing plant in China and its efficiency has been verified by the practical application results.     

案例推理分类器的权重分配及案例库维护方法

由于特征权重分配以及案例库维护对案例推理（CBR）分类器的性能有重要影响,提出了用蚁狮（ALO）算法来分配权重且用高斯混合模型的期望最大化算法（GMMEM）进行案例库维护的案例推理算法模型——AGECBR（Ant Lion and Expectation Maximization of Gaussian Mixture Model Case-Based Reasoning）。首先采用蚁狮算法对特征权重进行分配,在这个过程中将案例推理分类准确率作为蚁狮算法对特征权重进行迭代寻优的适应度函数,以此实现特征权重的优化分配;然后,使用高斯混合模型的期望最大化算法对案例库中的各案例进行聚类分析,并删除其中的噪声案例和冗余案例,从而实现案例库的维护。在UCI标准数据集上进行了实验,所提模型AGECBR比反向传播（BP）、k-近邻（kNN）等分类算法平均分类准确率提升了3.83~5.44个百分点。实验结果表明,AGECBR能够使案例推理分类准确率得到有效改进。     

基于可信度阈值优化的案例推理评价分类方法

为了提高案例推理(CBR) 分类器的性能, 提出一种基于可信度阈值优化的CBR 评价分类方法. 首先, 通过一种可降低时间复杂度的改进型可信度评价策略对案例重用得到的建议解的可信度进行计算; 然后, 通过遗传算法(GA) 对可信度阈值进行迭代寻优; 接着, 根据得到的优化阈值将目标案例及其建议解划分为可信集或不可信集; 最后, 对不可信集按多数重用原则进行分类结论的调整, 从而实现可信的CBR 评价分类. 对比实验表明, 改进的可信度评价策略能有效提高分类性能, 从而可提高CBR分类器的决策与学习能力.