（计算机应用技术专业论文）流程对象建模方法的研究与实现.pdf

p r o f q us h o u n i n g at h e s i ss u b m i t t e dt ot h eu n i v e r s i t yo fj i n a n i np a r t i a lf u l f i l l m e n to ft h er e q u i r e m e n t s f o rt h ed e g r e eo fm a s t e ro fe n g i n e e r i n g u n i v e r s i t yo fj i n a n j i n a n ，s h a n d o n g ，p r c h i n a m a y1 8 ，2 0 1 0 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不 包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研 究作出重要贡献的个人和集体，均己在文中以明确方式标明。本人完 全意识到本声明的法律责任由本人承担。 论文作者签名：互3 翌杰 日期：呈业圭：2 2 关于学位论文使用授权的声明 本人完全了解济南大学有关保留、使用学位论文的规定，同意学 校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借鉴；本人授权济南大学可以将学位论文的全部或部分内 容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保 存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名： j 蔓垄导师签名 济南大学硕士学位论文 目录 摘要i i i a b s t r a c t 、f 第一章绪论1 1 1 课题背景、目的和意义1 1 2 国内外研究动态2 1 3 论文的组织结构3 1 4 论文的主要研究成果4 第二章p i p e 和s a 算法的研究5 2 1 数据挖掘5 2 1 1 知识发现与数据挖掘的概念5 2 1 2 数据挖掘任务6 2 2pip e 算法的研究8 2 2 1 种群及个体信息表示方法9 2 2 2 概率原型树的生长和剪枝1 0 2 2 3 种群的学习过程1 3 2 3s a 算法的研究1 5 2 3 1s a 算法的思想1 5 2 3 2s a 算法的描述1 5 2 3 3s a 算法的参数控制1 8 2 4 改进的柔性神经树模型的学习过程1 9 第三章柔性神经树模型的研究2 l 3 1 模型2 1 3 1 1 模型的概念和组成2 l 3 1 2 模型建立的原则2 3 3 1 3 模型与仿真2 3 3 2 柔性神经树模型的概念2 4 3 3 柔性神经树模型的优化2 5 第四章水泥生产过程建模与测试2 7 4 1 水泥生产过程概述2 7 4 1 1 预分解窑及其特点2 8 l 流程对象建模方法的研究与实现 4 1 2 回转窑及其特点2 8 4 1 3 蓖冷机及其特点2 9 4 2 水泥熟料的矿物组成3 1 4 3 水泥生产过程建模3 2 4 3 1 数据集成3 2 4 3 2 数据整理3 6 4 3 3 模型的产生3 9 4 4 水泥生产过程模型的性能测试4 1 4 5 实验结果分析4 2 第五章结束语4 3 5 1 全文总结4 3 5 2 进一步研究设想4 3 5 3 心得体会4 4 参考文献4 5 致谢- 4 9 附录a ( 攻读学位期间发表论文目录) 5 1 h 济南大学硕十学位论文 暑i i i i i i a i i ； h i i i 一。i ； ；i i 詈詈詈穹! 詈詈皇! 詈苎! 皇! ! 皇曼! 曼皇皇苎鼍穹詈鼍詈詈! 詈鼍曼詈皇皇詈量 摘要 现代流程工业的一个重要特点是向大型化和综合自动化方向发展。流程工业综合 自动化通过集成过程控制，经营管理，计划调度和市场销售等技术手段，实现全局， 局部各级优化，以最短的周期，最小的成本产生最大的经济效益。b a b n d ea o g u n n a i k e a t u 讲述了现代流程工业面临的五大问题：在线测量，严重的非线性，控制 系统的建模和辨识，为仿真和执行机构的训练而进行的建模，过程检测和故障诊断。 其中，一个重要问题就是弄清楚系统的运作机制，建立系统的描述模型，以便进行严 格的科学管理和规划。 在流程工业中，水泥工业是国民经济发展的支柱产业之一，也是能耗较大的工业 之一，其工艺特征也表现出明显的流程生产特性。与化工企业相比，水泥生产过程的 不可控性，特别是对象的不可控因素因其物料的制备和煅烧过程的复杂性而非常难以 分析。6 0 年代末，随着电子计算机及其计算技术的发展，运用计算机来求解工程问 题的最优方案，已逐渐成为解决实际设计问题的重要手段。它不仅大大提高了解决问 题的效率和可靠性，而且解决了许多过去认为不可求解的实际问题。特别是近些年来， 随着世界经济全球化发展的不断深入，各国流程工业更是以迅猛的速度增长，同时， 流程工业生产过程具有高度的复杂性、强关联性、非线性、以及不确定性特点。生产 规模的扩大势必进一步增加生产过程参数的复杂性以及参数之间的关联性。目前对流 程工业的研究主要集中在过程优化控制上，而忽略了过程优化控制需要用到的参数的 选择问题，参数选择的恰当与否对过程优化控制的效果有直接的影响。 基于以上对流程工业的分析，本课题以新型干法水泥生产线为研究对象，主要研 究对象是把预分解炉、回转窑和篦冷机作为一个整体进行研究，建立其生产过程模型。 其中预分解炉的主要负责水泥生料的分解，生料在分解炉的分解率可达到9 0 一9 5 ； 从分解炉出来的物料由窑尾进入窑体，回转窑一方面使未分解的生料进一步分解，另 一方面使水泥生料煅烧为水泥熟料；水泥熟料由回转窑的窑头流向篦冷机的篦床后进 行冷却，所以预分解炉、回转窑和篦冷机三个工艺过程是一个紧密连接，相互配合的 整体，水泥质量的好坏不是取决于某一个生产工艺环节，而是依赖于三个过程的整体 运行状况。因此本课题利用发展较为成熟的神经网络技术和数据挖掘技术，并且通过 与经验丰富的水泥生产专家进行交流和沟通，抽取影响这三个生产过程的主要参数， 流程对象建模方法的研究与实现 然后利用本文用到的柔性神经数模型对整个生产过程进行建模。本文在算法实现上的 创新点：传统的f n t 模型的进化代数是一个固定值，这是没有科学依据的，最优的 模型可能在这个固定值之后出现，也可能在这个值之前就已经出现，这不仅浪费时间 也使最优的模型随进化代数的增加而消失。本算法的改进之处是用平均误差率控制进 化代数，当模型进化到最好的时候即误差率最小的时候则停止进化。利用此模型可以 对流程工业的生产过程控制参数进行自动筛选，从而找到影响生产过程的重要参数， 为流程工业的生产控制提供理论依据，使流程工业生产过程控制更加具有科学性和针 对性，取得更好的优化控制效果。 在建模的过程中筛选出对水泥生产过程产生影响最大的因素，此建模的过程的结 构优化是利用概率增强式程序进化( p r o b a b i l i s t i ci n c r e m e n t a lp r o g r a me v o l u t i o n p i p e ) 算法进行的；然后找出这些主要参数之间的关联，最后从它们的关联中找到最优的组 合方案，即模型的优化，此优化过程是利用模拟退火( s i m u l a t i o na n n e a l i n g ，s a ) 算法 实现的。通过此建模过程不仅可以找到同一生产过程中参数之间的关系，也可以找出 不同生产过程中参数间的比例关系。通过对整个生产过程进行建模和优化而达到稳定 水泥生产过程，提高生料的分解率，降低用煤量的目的，把最终的研究方案利用d c s 系统应用到实际的生产控制中。 关键词：流程工业，柔性神经树，概率增强式程序进化，模拟退火，平均误差率 济南大学硕十学位论文 a b s t r a c t o n ei m p o r t a n tf e a t u r eo fm o d e mp r o c e s si n d u s t r y i st h ea d v a n c e m e n tt o w a r d s l a r g e s c a l e a n di n t e g r a t e da u t o m a t i o n t h r o u g ht h ei n t e g r a t i o n o fp r o c e s sc o n t r o l ， m a n a g e m e n t ，s c h e d u l i n ga n dm a r k e t i n g a n do t h e rt e c h n i c a lm e a n s ，i n t e g r a t e da u t o m a t i o n o fp r o c e s si n d u s t r yc a na c h i e v eg l o b a la n dl o c a lo p t i m i z a t i o nw i t ht h es h o r t e s tc y c l ea n d m i n i m u mc o s tf o r t h eg r e a t e s te c o n o m i cb e n e f i t b a b n d ea o g u r m a i k e a t ud i s c u s s e s f i v ep r o b l e m sf a c i n gm o d e mp r o c e s si n d u s t r y ：o n l i n em e a s u r e m e n t ，s e r i o u sn o n l i n e a r i t y , m o d e l i n ga n dr e c o g n i t i o no ft h ec o n t r o ls y s t e m ，m o d e l i n gf o rt h et r a i n i n go fs i m u l a t i o n a n de x e c u t i o nu n i t s ，a n dp r o c e s sm o n i t o r i n g a n df a u l td i a g n o s i s a m o n gt h e m ，a l l i m p o r t a n ti s s u ei st oc l a r i f yt h eo p e r a t i n gm e c h a n i s mo f t h es y s t e ma n dt oe s t a b l i s ht h e s y s t e md e s c r i p t i o nm o d e li no r d e rf o rs t r i c ts c i e n t i f i cm a n a g e m e n t a n d p l a n n i n g a m o n gt h ep r o c e s si n d u s t r y , c e m e n ti n d u s t r yi s n o to n l yo n eo fp i l l a ri n d u s t r i e so f n a t i o n a le c o n o m i cd e v e l o p m e n t ，b u ta l s oo n eo fl a r g e re n e r g yc o n s u m p t i o ni n d u s t r i e sa n d i t st e c h i l o l o g i c a lp r o p e r t yo b v i o u s l ye x h i b i t st h ec h a r a c t e r i s t i c so fp r o c e s sp r o d u c t i o n - i n t h ee n do ft h e6 0 s ，w i t ht h ed e v e l o p m e n to fc o m p u t e rt e c h n o l o g y , t h e u s eo fc o m p u t e r st o s 0 1 v eo p t i m a ls c h e m eo fe n g i n e e r i n gp r o b l e m sh a sb e c o m ea ni n c r e a s i n g l yi m p o r t a n t m e 扣【l so fs o l v i n gp r a c t i c a ld e s i g np r o b l e m s i tn o to n l ye n h a n c e s t h ee f f i c i e n c ya n d r e l i a b i l i t yo ft h ep r o b l e m s o l v i n gg r e a t l y , b u ta l s or e s o l v e sa l o to fp r a c t i c a lp r o b l e m st h a t c o u l dn o tb es o l v e di nt h ep a s t e s p e c i a l l yi nr e c e n ty e a r s ，p r o c e s si n d u s t r y l sg r o w i n ga ta r a p i dp a c ew i t ht h ed e v e l o p m e n to fg l o b a l i z a t i o no f w o r l de c o n o m y a tt h es a m et i m e ，t h e p r o d u c t i o ni np r o c e s si n d u s t r y i sh i g hc o m p l e x ，s t r o n ga s s o c i a t e d ，n o n l i n e a r a n d i n d e t e n n i n i s t i c t h ee x p a n s i o no fp r o d u c t i o ns c a l ew i l ls u r e l yc o m p l i c a t e t h ep a r a m e t e r so f t h ep r o c e s sa n de n h a n c et h ea s s o c i a t i o na m o n gt h e m a tp r e s e n t ，t h er e s e a r c ho np r o c e s s i n d u s t i 、，c o n c e n t r a t e sm a i n l yo nt h ec o n t r o lo ft h ep r o c e s so p t i m i z a t i o na n dn e g l e c t st h e p r o b l e mo fp a r a m e t e rs e l e c t i o nr e q u i r e db yp r o c e s so p t i m a lc o n t r o l ；h o w e v e r ，p r o p e r s e l e c t i o no fp a r a m e t e r sw i l li n f l u e n c et h ee f f e c to fp r o c e s so p t i m a lc o n t r o ld i r e c t l y b a s e do nt h ea b o v ea n a l y s i so ft h ep r o c e s si n d u s t r y , t h i s r e s e a r c hi st ot r e a t p r e c a l c i n e r ，r o t a r yk i l na n dg r a t ec o o l e ra saw h o l ea n dt ob u i l di t sp r o d u c t i o np r o c e s s v 流程对象建模方法的研究与实现 m o d e l d e c o m p o s i n gf u r n a c ei sm a i n l yr e s p o n s i b l ef o rt h ed e c o m p o s i t i o no ft h en l _ w m a t e r i a l ，a n dt h ed e c o m p o s i t i o nr a t ec o u l dr e a c h9 0 - 9 5 ；t h e nt h ed e c o m p o s e d m a t e r i a l t l o w si n t or o t a d ，c a l c i n e r , w h i c ht a k e so nt w ot a s k s ：o n ei s t od e c o m p o s et h er e m a i n i n g r a wm a t e r i a l ，a n dt h eo t h e ri st oc a l c i n et h ed e c o m p o s e dr a w m a t e r i a l ；f i n a l l yt h ec a l c i n e d m a t e r i a li sc o o l e di nt h eg r a t eb e d t h et h r e ep r o c e s s e sa r ec l o s e l yl i n k e dw i t l le a c ho t l l e r 1n e r e l b r e ，p r e 。c a l c i n e r , r o t a r y k i l na n dg r a t ec o o l e ra rec l o s e l yl i n k e d 锄dm u t u a l l v i n t e r a c t i n g t h eq u a l i t yo fc e m e n ti sn o to n l yd e p e n d e n to no n e s i n g l ep r o c e s s ，b u to nt h e o v e r a j lo p e r a t i o no ft h et h r e ec o u r s e s u s i n gt h e s o p h i s t i c a t e dn e u r a ln e t w o r kt e c l l l l 0 1 0 9 y a l l dd a t am l m n gt e c h n i q u e s ，a n dw i t ht h ec o o p e r a t i o nw i t he x p e r i e n c e d e x p e r t si nc e m e n t p r o d u c t i o n ，w ee x t r a c tt h ep a r a m e t e r st h a ti n f l u e n c et h et h r e ep r o d u c t i o np r o c e s s e s ，a i l d t h e nu s et h ef l e x i b l en e u r a lm o d e lt om o d e lt h ee n t i r ep r o d u c t i o np r o c e s s t h ec r e a t i v e p o i n to ft h i sw o r ki s 嬲f o l l o w s t h ee v o l u t i o n a lg e n e r a t i o no ft r a d i t i o n a lf n t m o d e li s f i x e dt r a d i t i o n a l l y , y e tt h eb e s tm o d e li sn o ta l w a y sf o r m e di nt h i sg e n e r a t i o n ，s ot 0f i xt h e e v o l u t i o n a lg e n e r a t i o ni su n r e a s o n a b l e t h i si m p r o v e da l g o r i t h mu s e sm e a i le 册rr a t et o c o n t r o lt h en u m b e ro fe v o l u t i o n a lg e n e r a t i o ni n s t e a do ff i x i n gi t t h i s m e t h o dp r o v i d e s t h e o r e t i c a lb a s i sf o rt h ep r o d u c t i o nc o n t r o lo f p r o c e s si n d u s t r ys 0 岫t h ep r o c e s sc o n t r o li s m o r es c i e n t i f i ca n dp e r t i n e n t o nt h eo t h e rh a n d ，i te s t a b l i s h e sag o o db a s i sf o r p r o c e s s o p t i m a lc o n t r o lo fp r o c e s si n d u s t r y u s i n gt h i sm e t h o d ，w ec a nn o to n l yo b t a i nt h eb e s t m o d e la n dp a r a m e t e r s ，b u te n h a n c e dt h ee f f i c i e n c ya n d a c c u r a c u y i nt h em o d e l i n gp r o c e s s ，t h em o s t i m p o r t a n tf a c t o rt h a ti m p a c t so fc e m e n tp r o d u c t i o n p r o c e s si ss c r e e n e do u t ，a n dt h i sm o d e l i n gp r o c e s si sb a s e do np r o b a b i l i s t i ci n c r e m e n t a j p r o g r a me v o l u t i o n ( p i p e ) a l g o r i t h m t h e nt h el i n kb e t w e e nt h e s em a i np 绷e t e r si s f o u n d ，a n df i n a l l yt h eb e s tc o m b i n a t i o no fp r o g r a m sf r o mt h e i ra s s o c i a t i o ni s f o u n d n a m e l y , t h eo p t i m i z a t i o nm o d e l t h i so p t i m i z a t i o np r o c e s su s e st h es i m u l a t i o na n n e a l i n g ( s a ) a l g o r i t h m t h r o u g ht h i sm o d e l i n gp r o c e s s ，n o to n l yt h ep a 髓m e t e r sr e l a t i o n s h i p b e t w e e nt h es a m ep r o d u c t i o n s p r o c e s s e sa r ef o u n d ，b u tt h ep r o p o n i o n a jr e l a t i o n s h i p b e t w e e np a r a m e t e r sa m o n gad i f f e r e n tm a n u f a c t u r i n gp r o c e s si sa l s of o u n d t h r o u g ht h e e n t l r ep r o d u c t i o np r o c e s sm o d e l i n ga n do p t i m i z a t i o n ，t h ep u r p o s e o fs t a b i l i z i n gt h ec e m e n t p r o d u c t i o np r o c e s sa n di m p r o v i n gt h er a t eo fd e c o m p o s i t i o no fr a w m a t e 打a l sa n dl i e d u c i n g t h ea m o u n to fc o a lc o n s u m p t i o na r er e a c h e d f i n a l l y , t h eu l t i m a t er e s e a r c hr e s u i tw i l lb e v l v l i 济南大学硕+ 学位论文 皇苎詈i iiii i i。 i l l i l i i i 曼i i i 鼍! 詈詈鼍鼍 第一章绪论 1 1 课题背景、目的和意义 现阶段，我国仍是世界上产值能耗最高的国家之一，能源形势十分严峻。国家发 展和改革委员会宏观经济研究院能源研究所研究报告( 2 0 0 5 年1 1 月2 2 日) 提到：“以 单位国内生产总值( g d p ) 能耗为例，2 0 0 3 年按现行汇率计算的每百万美元能耗，我国 为1 1 8 4 吨标准煤，是目前世界平均水平的2 2 倍 。随着市场经济的发展，特别是近 些年来，随着世界经济全球化发展的不断深入，各国流程工业更是以迅猛的速度增长， 同时，流程工业生产过程具有高度的不确定性，复杂性，非线性，强关联性等特点。 生产规模的扩大势必进一步增加生产过程的复杂性以及过程问关联性，也给流程工业 生产过程的自动化控制带来了更大的困难。 总体来看，根本原因驱使流程工业企业进行大规模优化的是：首先，利益的驱使 是企业进行大规模过程优化的主要推动力。众所周知，企业生产的根本目标是获取最 大利润，没有利益的生产是没有生命力的，必将是昙花现。激烈的企业间竞争促使 生产不断向大型化和集团化方向发展，而快速多变的市场需求又要求企业必须做出及 时的反应。对于流程工业企业生产而言，实现高效，灵活生产，并最大限度地减少成 本消耗以获取最大的利润是每个企业追寻的首要目标。此外，当今世界各国在注重企 业经济效益和获取利润的同时，环保也越来越受到人们的关注，以及对环境保护等一 些直接关系到人们日常生活质量的基本需求都给予了高度的重视，同时绿色工业，清 洁生产等概念逐渐深入人心【m 】，因此又要求企业的生产必须满足环保和安全生产等 需求。 2 0 0 5 年统计数据分析，水泥产量继续保持高速增长，2 0 0 5 年1 1 1 月份全国规 模以上企业累计生产水泥9 4 7 亿吨，比2 0 0 4 年同期增长1 0 4 1 。预计全年水泥总产 量将达到1 0 7 亿吨，实现两位数增长已成定局，水泥产量净增1 亿吨1 7 j 。另外山东省 房地产投资连续几年以高于3 0 的速度增长，已经呈现投资增幅过大，房价上涨过快， 空置商品房增长过热的苗头，这其中水泥的消耗量也大大增加，由此可以看出水泥行 业在我国经济中占据重要地位，并且是国民经济的支柱产业之一【8 1 2 l 。近十几年来， d c s ( d i s t r i b u t e dc o n t r o ls y s t e m ) 系统在水泥工业的应用发展迅猛，就山东省而言，几 乎所有的水泥企业都采用了d c s 进行生产过程的控制，其中的控制数据不断增加， 流程对象建模方法的研究与实现 从而为基于离线历史数据的知识发现做了充分的准备，利用历史数据进行趋势分析和 预测，并且为基于时间序列的对象建模提供了数据基础。 新型干法水泥生产，就是以悬浮预热和窑外分解技术为核心，把现代科学技术和 工业生产成就，如原料预均化、生料气力均化、烘干粉磨、各种新型耐热耐磨耐火材 料以及电子计算机、自控技术等，广泛地应用于水泥干法生产的全过程，使水泥生产 具有高效、优质、低耗，符合环保要求和大型化、自动化特征的现代水泥生产方法。 基于以上对流程工业的考虑分析，本文把水泥生产工艺过程中的预分解炉、回转 窑和篦冷机三个生产工艺过程作为一个整体进行研究。利用发展较为成熟的智能信息 处理技术和数据挖掘技术，抽取影响水泥生产过程中的参数，对参数分析处理，寻找 到对这三个过程中对水泥生产产生重要影响的因素，然后找出这些主要参数之间的关 联，建立其生产过程模型，最后从它们的关联中找到最优的组合方案，达到稳定水泥 生产过程，提高生料的分解率，降低煤量消耗的目的，把晟终的研究方案利用d c s 系统应用到实际的生产控制中，并最终把该项技术运用到其他的领域。 1 2 国内外研究动态 本课题的研究内容是利用已有算法思想的基础上对流程工业对象进行建模，主要 在算法的实现上，系统应用的可靠性上以及精确度上进行研究，设计一个适用于整个 流程工业的开发平台。 ( 1 ) 国内研究动态 文献 1 3 】- 【2 0 】在模糊控制、知识库、专家系统和b p 神经网络在水泥回转窑自动 化控制系统的应用方面进行了研究；文献 2 1 1 初步探讨了水泥预分解窑的模糊控制模 型，但各环节仍然是相互独立的；文献【2 2 】用模糊控制器的方法探讨了回转窑的控制 方案，但模糊控制器的设计需要设计者的实际经验；文献 2 3 】以烧成带温度、窑尾废 气温度作为被控量，以喂煤量、窑速和排风量为控制量给出了水泥回转窑的模糊控制 模型；文献【2 4 】和【2 5 】则分别研究了分解炉和回转窑的b p 神经网络模型：文献【2 6 】研 究了分解炉的模糊预测控制；文献【2 7 】阐述了基于d c s 环境下的模糊控制在分解炉上 的应用情况；文献 2 8 1 在建立分解炉模糊控制规则库的基础之上，用b p 神经网络进 行优化处理，研究了分解炉炉温的模糊神经网络控制；文献 2 9 1 阐述了对于冷却机控 制系统的研究。 基于对以上文献的研究，均取得了一定成果，但大多数研究还停留在水泥生产过 程中的某个单一环节，而没有把水泥生产工艺过程看作一个整体来研究，忽略了整体 2 济南大学砍十学位论文 的重要性，其实这是一个不可分割的整体。截止目前，市场上还未有能被广泛推广应 用的国内商业软件的出现。 ( 2 ) 国外研究动态 传统水泥生产的自动控制与过程优化主要是基于操作员经验模型的模糊控制，其 实是模拟现场操作员工和水泥工艺专家的经验而进行的自动控制，本身从理论上并不 具有优化功能，只是因其模拟的人工经验都是水泥企业生产现场优秀员工或资深工程 师的成熟经验，因此在应用实践中达到了一定的优化目的，操作效果通常比水泥企业 完全手工操作要好的多2 9 1 。 文献 3 0 】研究了水泥悬浮预热回转窑的模糊控制；文献 3 1 】介绍了基于专家系统 的水泥回转窑故障诊断问题。现阶段，新建大型水泥厂大都装备了生产过程自动控制 系统，其中，日产2 5 0 0 吨以上的新型干法水泥生产线大多采用计算机集散控制系统 f d c s ) 力h 以控制。在软件功能的开发方面，现阶段水泥生产自动化控制大多仍停留在 设备的集中操作和单回路的p i d 调节，虽有部分先进控制的应用，但就整体而言，自 动化水平仍有待进一步提高，此现象不仅在中小企业如此，即使在大多数使用d c s 控制的大型水泥生产线也基本如此。在硬件配备方面，就好的而言，与国际上的差距 并不太大。国际上一些主流系统或设备在我国水泥工业中都有应用，如：b a i l e y 公 司的i n f 0 9 0 系统和h o n e y w e l l 公司的t d c 3 0 0 0 系统，f o x b o r o 公司的i a 系 统等。但是仍大量存在的中小型水泥厂则依旧处于采用模拟仪表对过程参数进行测控 的阶段，虽然微机在局部的应用已相当普遍( 多应用于生料配料系统) ，但大多都还未 在整条生产线进行配置【3 2 - 3 6 。 本文是利用柔性神经树模型对流程工业对象进行建模，之所以利用柔性神经树而 不是b p 神经网络是因为该算法形成的模型的结构不是固定不变的，而是柔性可变的， 并且节点与节点之间可以采用不同的激励函数，而不像b p 神经网络那样结构是固定 不变的，本算法的另外一个重要特点是可以自动筛选属性参数，在本文中它能够筛选 出对水泥熟料中游离氧化钙含量有重要影响的参数。 1 3 论文的组织结构 本论文从结构上分为以下五个部分： 第一章，首先对课题研究的背景作了大体的介绍，阐述了课题研究的目的和意义， 以及当前国内外的发展动态，并叙述了论文的组织结构和主要研究成果。 第二章，讲述了数据挖掘的相关知识以及本课题用到的两种算法p i p e 以及s a 沉程对象建模方法的研究与实现 暑! 皇皇曼! 曼曼! ! 曼! 皇! 曼曼曼蔓! 皇! 曼! ! 曼! ! 曼曼皇曼曼! ! ! 曼i | 1 曼曼! 鼍詈! 皇! ! 曼曼曼! 皇曼量皇! 曼! ! ! 皇詈曼曼! ! ! 皇毫曼 的思想以及特点。 第三章，阐述了建模的思想和过程，在此基础上分析了f n t 模型的结构特点， 为本课题要建立水泥生产过程模型做好铺垫。 第四章，首先描述了水泥生产工艺过程的特点，详细分析了分解炉，回转窑以及 蓖冷机的特征，对水泥生产相关的参数和用于建模的数据的准备工作，并给出了其设 计的体系结构及设计步骤，最后给出了优化得到的水泥生产过程模型，训练数据和测 试数据的效果图，分析实验结果。 第五章，总结全文，并对下一步的工作进行展望。 1 4 论文的主要研究成果 本文结合国内外各类建模技术的优点，在深入研究f n t 模型，p i p e 和s a 算法 思想的基础上，本文利用f n t 模型建立水泥生产工艺过程的方案，并在原算法的基 础上做了进一步的改进，所取得的研究成果如下： ( 1 ) 对获得的水泥生产过程中相关的主要数据进行清洗，转换和延时等预处理， 形成可以用于数据挖掘的数据仓库。 ( 2 ) 在大量整理的历史数据的基础上，利用p i p e 和s a 算法优化f n t 模型的结 构以及参数，在v s 2 0 0 5 编译环境下利用高级语言c 拌进行了算法的实现，得到最终 的水泥生产过程模型。 ( 3 ) 在建模的过程中对算法做了改进，提高了运算速度和精度。 ( 4 ) 在认真分析所建立的模型之后，利用处理好的测试数据对过程模型的性能进 行了测试，并给出测试结果。 ( 5 ) 本建模方法应用到了其他领域，实验证明，也取得了良好的效果。 4 济南大学硕十学位论文 置l 一i l_ _i - - - 鼍詈暑詈毫量 2 1 数据挖掘 第二章p ip e 和s a 算法的研究 从数据库中发现知识( k n o w l e d g ed i s c o v e r y i nd a t a b a s e ，k d d ) 开始于2 0 世纪8 0 年代末，k d d 一词在1 9 8 9 年8 月于美国底特律市召开的第一届k d d 国际学术会议 上正式形成。k d d 研究的问题主要有：( 1 ) 定性知识和定量知识的发现；( 2 ) 知识发 现方法；( 3 ) 知识发现的应用。 1 9 9 5 年，在加拿大召开了第一届知识发现和数据挖掘( d a t am i n i n g ，d m ) 国际学 术会议。由于把数据库中的“数据 形象比喻成矿床，“数据挖掘 一词很快流传开 来。知识发现中的核心工作是数据挖掘，主要研究发现知识的各种方法和技术。 2 1 1 知识发现与数据挖掘的概念 知识发现( k d d ) 是从数据中发现有用知识的整个过程。数据挖掘是k d d 过程中的 一个特定步骤，它用专门算法从数据中抽取模式。 k d d 是从数据集中识别出有效的，潜在有用的，新颖的，以及最终可理解的模 式的高级处理过程。k d d 过程图如图2 1 所示。 图2 1k d d 过程图 k d d 过程可概括为三个部分：数据准备( d a mp r e p a r a t i o n ) ，数据挖掘( d a t am i n i n g ) 和结果的解释和评估( i n t e r p r e t a t i o n & e v a l u a t i o n ) 。 ( 1 ) 数据准备 数据准备又分为3 个子步骤：数据选取( d a t as e l e c t i o n ) ，数据预处理( d a t a p r e p r o c e s s ) 和数据变换( d a t at r a n s f o r m a t i o n ) 。 数据选取的目的是确定发现任务的操作对象，即目标数据( t a r g e td a t a ) ，是根据 用户需要从原始数据库中抽取一组数据。数据预处理一般包括消除噪声、消除重复记 录、推导计算缺值数据、完成数据类型转换( 例如把连续值型数据转换为离散型数据， 丐 流程对象建模方法的研冤与实现 以便于符号归纳；或者把离散型数据转换为连续值型数据，以便于神经网络的计算) 等。数据变换的主要目的是削减数据维数或降维( d i m e n s i o nr e d u c t i o n ) ，也就是从初 始特征中找出真正有用的特征以减少数据挖掘时需要考虑的变量个数。 ( 2 ) 数据挖掘 在数据挖掘阶段首先必须确定挖掘的任务或目的，如数据分类、聚类、序列模式 发现或关联规则发现等。确定了挖掘任务以后，就要决定使用什么样的挖掘算法。其 中选择实现算法有两个考虑因素：一是不同的数据有不同的特点，所以需要用与之相 关的算法来挖掘；二是用户或实际运行系统的要求，有的用户可能希望得到描述型的、 容易理解的知识( 采用规则表示的挖掘方法显然要好于神经网络之类的方法) ，而有的 用户则希望获取预测准确度尽可能高的预测型的知识。选择了挖掘算法后可以实施数 据挖掘操作，最后获取有用的模式。 ( 3 ) 结果的解释和评估 数据挖掘阶段挖掘出来的模式，经过评估可能存在冗余或无关的模式，这时候需 要将其剔除；也有可能是模式不满足用户要求，这时则需要退回到发现过程前面的阶 段，重新选取数据，采用新的数据变换方法，改变参数的设定值，甚至换一种挖掘算 法等。另外，由于k d d 最终是面向用户的，因此有可能要对发现的模式进行可视化， 或者把结果转换为用户容易理解的方式，例如把分类决策树转换为“i f t h e n ”形式 的规则。 数据挖掘只是整个过程中的一个步骤。数据挖掘质量的好坏有两个影响的要素： 一是所采用的数据挖掘技术的有效性，二是用于数据挖掘的数据的质量和数量( 数据 量的多少) 。如果选择错误的数据或不适当的属性，或者对数据进行了不适当的转换， 挖掘的结果就不会成功。 2 1 2 数据挖掘任务 数据挖掘的任务有六项：关联分析、时序模式、聚类、分类、偏差检测和预测。 ( 1 ) 关联分析 关联分析是从数据库中发现知识的一种重要方法。如果两个或多个数据项的取值 之间重复出现且概率很高时，它们就存在着某种关联，可以建立起这些数据项之间的 关联规则。 在大型数据库中这种关联规则很多，需要进行筛选，一般用“可信度”和“支持 度两个阈值来淘汰那些无用的关联规则。 6 济南大学硕七学位论文 i i mmm_mn nm_ i m