工業(yè)流程對象知識發(fā)現(xiàn)系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、隨著計算智能的發(fā)展，知識發(fā)現(xiàn)的理論和技術(shù)用于解決工程問題已成為其研究的首要任務(wù)。對于流程工業(yè)沉積的大量歷史數(shù)據(jù)，將知識發(fā)現(xiàn)技術(shù)用于工業(yè)流程對象進行規(guī)則發(fā)現(xiàn)和建模優(yōu)化具有重要的現(xiàn)實意義。本文主要是針對流程對象的關(guān)聯(lián)規(guī)則提取和對象建模在水泥生產(chǎn)過程中應(yīng)用。采用改進的Apriori算法和柔性神經(jīng)樹模型的結(jié)構(gòu)優(yōu)化算法，基于J2EE設(shè)計并實現(xiàn)流程工業(yè)對象知識發(fā)現(xiàn)系統(tǒng)。整個系統(tǒng)主要分為關(guān)聯(lián)規(guī)則提取和對象建模兩大功能，所利用的原始數(shù)據(jù)是來自水泥工業(yè)中

2、的分解爐生產(chǎn)過程中產(chǎn)生的數(shù)據(jù)。系統(tǒng)的關(guān)聯(lián)規(guī)則提取功能模塊中采用的是基于Apriori算法改進的算法——減少事務(wù)數(shù)據(jù)的方法；對象建模功能模塊中采用的是計算智能領(lǐng)域的概率增強式程序進化(PIPE)算法和模擬退火(SA)算法建立和優(yōu)化水泥分解爐生產(chǎn)過程的柔性神經(jīng)樹(FNT)模型。整個系統(tǒng)編碼采用Java語言及JSP，Servlet，Javabean，Javascript，JfreeChart等技術(shù)。本課題研究的過程如下：
　　 (1)

3、針對流程對象數(shù)據(jù)特點，進行相關(guān)參數(shù)的預(yù)處理（清洗和轉(zhuǎn)換）。采用本文提出的流程對象數(shù)據(jù)預(yù)處理方法對數(shù)據(jù)進行整合，把采集的數(shù)據(jù)通過時序匹配、離散化、歸一化等方法進行預(yù)處理，為知識發(fā)現(xiàn)作好準備。
　　 (2)掌握改進的Apriori算法方法和思路，編程實現(xiàn)關(guān)聯(lián)規(guī)則算法的提取關(guān)聯(lián)規(guī)則的功能，并且能顯示相對應(yīng)的規(guī)則解釋。
　　 (3)研究PIPE算法和SA算法理論，掌握PIPE算法優(yōu)化FNT模型結(jié)構(gòu)及利用SA算法優(yōu)化參數(shù)的方法，編

4、程實現(xiàn)生成最后一代最好的個體對應(yīng)的節(jié)點以及激勵函數(shù)參數(shù)、對應(yīng)的權(quán)值。
　　 (4)設(shè)計用于流程對象知識發(fā)現(xiàn)的系統(tǒng)結(jié)構(gòu)，并基于J2EE相關(guān)技術(shù)實現(xiàn)系統(tǒng)的功能。關(guān)聯(lián)規(guī)則算法封裝用于第一功能模塊，柔性神經(jīng)樹模型的結(jié)構(gòu)優(yōu)化算法封裝用于第二功能模塊。
　　 (5)完善第二功能模塊，實現(xiàn)生成FNT樹模型、生成模型數(shù)學(xué)公式、計算模型輸出值以及生成趨勢圖的四個子功能。
　　 實踐證明，水泥工業(yè)在生產(chǎn)各個環(huán)節(jié)積累了大量的歷史數(shù)據(jù)，

5、可以通過本知識發(fā)現(xiàn)系統(tǒng)從這些大量的歷史數(shù)據(jù)中挖掘出關(guān)聯(lián)規(guī)則和對象建模。根據(jù)挖掘的關(guān)聯(lián)規(guī)則可以找出分解爐中參數(shù)之間的影響關(guān)系，可以提出優(yōu)化建議，為水泥分解爐生產(chǎn)環(huán)節(jié)輔助決策；根據(jù)對象建模可以迅速建立流程對象過程模型，實現(xiàn)參數(shù)自動篩選，并通過FNT模型數(shù)學(xué)公式計算出分解爐出口溫度的預(yù)測值，與生產(chǎn)實際分解爐出口溫度相比較，從而可以穩(wěn)定生產(chǎn)，優(yōu)化控制。分解爐生產(chǎn)過程是水泥工業(yè)生產(chǎn)中重要生產(chǎn)過程之一，因此，這些將對水泥工業(yè)生產(chǎn)效率提高有巨大的作用