电渣重熔过程的建模及智能控制方法

针对电渣炉系统是一个多变量耦合、时滞、参数时变的复杂被控对象,系统难以控制的缺陷,通过大量实验和分析,确立了熔速、磁性调压与二次电压、熔炼电流的相互关系,建立起工程化的控制模型,并提出一种智能控制方法,包括多变量解耦控制策略、滞后时间模糊自整定和粒子群优化算法整定PID控制器参数.工业应用表明,该方法克服了电渣炉的非线性和强耦合,控制精度高,具有较强的鲁棒性和适应性.     

电渣重熔电极升降控制系统优化设计

电渣炉通过控制电流摆动范围等效地保持电极端部侵入熔渣深度不变,从而保证了熔渣温度恒定及熔池形状不变,以便获得高质量的电渣锭.根据对现有电渣重熔炉电极升降控制原理的分析,开发了一套新的控制系统:采用PLC控制电极升降系统,利用计算机及Step7、WinCC等编程软件来实现控制要求,电渣炉电流摆动幅度控制在±150A.熔化速率摆动幅度控制在±0.5kg/min,电渣锭表面质量良好.     

推理建模中基于KDD和粗糙集的案例修改

在应用基于案例推理技术进行智能建模时,案例修改后的案例质量好坏直接影响所建模型的精度,但是由于案例修改对领域知识的依赖性很强,采用一般手工案例修改方法尤法保证案例修改的质量,即无法保证智能推理模型的精度。基于以上原因,该文提出了一种新的案例修改方法,利用KDD技术,通过有效的多值关联规则挖掘算法从运行数据库中挖掘出案例各属性间的依赖关系,得到案例修改的基本关联规则集,在此基础上利用粗糙集理论对基本关联规则集进行简约,然后根据简约后的关联规则进行案例修改。在线对比实验证明,应用本文方法进行案例修改,提商了修改后的案例质量,从而提高了整体智能推理模型的精度。     

基于PLC的电渣重熔自动化控制系统的研究与设计

本文设计了一种基于PLC控制器为核心,结合WinCC组态技术和通信技术的电渣重铸生产自动化控制系统,该系统具有一定的智能化控制,较好的解决了目前电渣重铸生产管理中的问题.     

基于改进混合蛙跳算法的电渣重熔过程多变量PID 控制器设计

根据电渣重熔过程的工艺特点和数学模型,提出了基于改进混合蛙跳算法（ISFLA）的多变量参数自整定PID控制策略.提出一种新的蛙跳规则,用以增强SFLA的局部搜索能力.该规则主要通过模拟青蛙的感知和运动的不确定性来动态随机地调整青蛙的局部搜索空间和步长,以防止SFLA算法过早收敛,提高算法的搜索效率.仿真结果和工业应用实验均表明了所提出控制方法的可行性和有效性.     

基于智能体的混合知识自适应推理控制

本文将传统的混合知识表示法推广，建立了一个将一般知识、案例知识、模型知识、模型知识及神经网络知识有机集成的结构．该种知识表示结构有助于知识的搜索、匹配和推理控制，解决了复杂问题的知识表示．为适应推理方法的需要，将各种不同的推理方法有机融合与集成，提出一种基于智能体的自适应推理控制结构，该种自适应推理控制结构对于改进解决复杂问题的效果以及提高解决复杂问题的效率具有重要意义。     

基于粗糙集的隧道施工风险案例推理研究

隧道工程具有复杂性和不确定性,其施工过程存在很大风险。该文调研隧道工程历史案例,从问题、情景描述、求解方法和结果4个方面进行案例库的设计和归纳。根据粗糙集理论,利用差别矩阵实现对案例决策表特征值属性约简和属性权重的学习。与传统方法相比,该方法有利于减少主观影响,提高风险评估准确率和效率,保证了隧道施工的安全性。     

基于案例推理的教学案例知识管理系统的设计

随着案例教学的研究成为我国教育的一个热点,与此同时,教学案例的管理问题被提上日程。文章阐述了利用案例推理技术（case-base Reasoning）,设计支持教师进行教学案例研究的平台——基于CBR的教学案例知识管理系统。最大限度地方便教师获取他们所需的教学案例知识。     

基于案例推理的ISP知识重用方法

针对企业信息化中信息系统规划(ISP)在较大程度上依赖先前规划经验和知识的特点,为有效支持ISP知识重用和管理创新,将案例推理技术应用于ISP知识重用的全过程,提出基于案例推理的ISP知识重用方法(HRM KGANNA),研究应用框架、案例表示、案例检索算法与重用等关键技术。通过组织案例库进行ISP知识检索实验,结果表明HRM KGANNA法具有良好的准确性和较高的效率。     

基于动态数据流挖掘的案例推理及其应用

知识的获取、知识库的更新是案例推理技术的应用瓶颈,而许多案例推理系统中的知识库都是静态不变的,满足不了实际问题变化的需要。首先阐述了相关概念,接着提出了一种基于动态数据流挖掘的案例推理模型,其中动态数据流挖掘算法采用改进的数据流聚类算法。通过此模型使用基于动态数据流挖掘的案例推理技术,对数据进行实时挖掘,产生连续、动态的临时案例库,实现知识库的实时更新,从而满足实际问题变化的需要。最后通过该模型在实际中的应用说明其有效性。     

智能设计系统中的实例推理应用

该文介绍了实例推理技术在甘蔗收割机智能设计系统(SHIDS)中的应用,包括采用ART网络缩小检索范围,以最近邻法计算相似度提取实例,引进置信度的概念量化实例评价结果,并辅以规则推理完成实例修改等一系列步骤。     

基于数据挖掘和范例推理的智能分析决策支持技术综述

介绍了数据挖掘中的一些关键技术、人工智能基于范例推理、决策支持的主要理论及其发展,提出了范例推理、类比学习、规则推理之间的联系,详细探讨了数据挖掘技术、基于范例推理和决策支持理论集成的问题,最后对上述技术在预测领域的综合应用前景作了探讨。     

基于案例系统的不确定案例索引和检索方法

将粗集理论引入基于案例的推理系统,充分利用案例库中冗冗余属性的简化,形成案例的多个索引,从而可根据不同问题按不同索引进行检索并得出结论。计算实例表明,该方法既能有效地解决不确定问题,又能提高系统的性能。     

基于混合推理的仿真实验设计方法智能选择

针对仿真实验设计方法众多而在实际应用中难以准确选择的问题,提出一种用于仿真实验设计方法智能选择的混合推理方法.首先,给出了基于混合推理的仿真实验智能化设计流程;然后,针对案例检索策略,将仿真实验设计案例的属性分为三种类型,分别给出其属性差异度量模型及特征值归一化方法,并采用训练后的神经网络模型分配属性权重;进一步,当推荐的案例未能满足给定的相似度阈值时,引入属性优先级的概念,提出了一种基于规则的柔性逐层推理方法;在此基础上,设计了案例库和规则库;最后,通过实验验证了所提出方法的有效性.     

案例推理及迭代学习在层流冷却控制中的应用

现有的卷取温度预报补偿模型和带钢批次间补偿模型中,由于案例推理(Case-based reasoning, CBR)系统中检索特征权重系数采用人工凑试的方法,难以获得满意的补偿作用,且由于缺乏迭代学习的初始工况条件的匹配算法,难以进行准确匹配和有效迭代.因此,本文针对这两个问题, 提出了基于神经网络技术的案例推理系统检索特征权重系数自动学习算法及迭代学习技术初始工况匹配算法,改进了卷取温度预报补偿模 型和带钢批次间补偿模型,并采用国内某大型钢厂的现场实际数据进行实验研究.实验结果表明,与原有方法相比,带钢卷取温度的控制偏差减小了1.63℃,卷取温度精度控制在±10℃以内的命中率提高了14.5%.     

基于案例推理方法的相似航材需求预测

海军航空兵发展很快,出现的新机型较多。根据航材的发展具有同源性和继承性的规律特点,深入分析航材的特性,应用案例推理的相关理论,构建相似航材确定的模型方法。并通过实例验证该方法的科学性,对新机型航材保障工作提供理论依据。     

范例推理在智能决策系统中的应用研究

范例推理是人工智能中重要的推理方法和机器学习技术,它也是智能系统中实用的技术之一。基于范例的决策是决策者认知心理的决策过程的一个合理描述,它提供了一种实现智能系统及决策的现实环境和技术方法。本文提出了基于范例推理的智能决策技术,给出应用模型,并进行了深入讨论。     

基于实例推理的储集层评价智能系统

针对不同地质环境其储集层评价参数的变异性大,难以建立通用的定量评价标准以及传统的评价方法的不足,提出利用实例推理技术建立储集层评价智能系统。并在传统的实例检索策略基础上,引入模糊相似优先检索策略进行分级检索控制,可有效地处理检索中的不精确性。文中从实例的表示与组织、实例检索方面对储集层评价过程进行了详细阐述。