面向复杂工业过程的虚拟样本生成综述

用于复杂工业过程难测运行指标和异常故障建模的样本具有量少稀缺、分布不平衡以及内涵机理知识匮乏等特性.虚拟样本生成(Virtual sample generation,VSG)作为扩充建模样本数量及其涵盖空间的技术,已成为解决上述问题的主要手段之一,但已有研究还存在缺乏理论支撑、分类准则与应用边界模糊等问题.本文在描述复杂工业过程难测运行指标和异常故障建模所存在问题的基础上,梳理虚拟样本定义及其内涵,给出面向工业过程回归与分类问题的VSG实现流程;接着,从样本覆盖区域、实现流程与推广应用等方向进行综述;然后,分析讨论VSG的下一步研究方向;最后,对全文进行总结并给出未来挑战.

基于CRISP-DM模型的时序预测Web服务设计与实现

基于CRISP-DM(cross-industry standard process for data mining)模型设计与实现了一个时序预测Web服务,对网站资源的下载需求量进行预测。重点阐述了CRISP-DM模型应用于时序预测任务时的设计思想和实现的关键技术。测试结果表明,该时序预测Web服务具有较高的预测准确率,部署快速,使用方便,对解决同类问题具有一定的示范和参考价值。

阀门生产质量追溯问题研究探讨

探讨了阀门生产质量追溯的重要性,分析了当前阀门行业在质量追溯方面所面临的挑战,包括生产过程复杂性、行业标准不统一、数据采集困难、数据不一致性、追溯系统建设等问题。文章提出了政府或行业出台相关政策、制定统一标准和规范、提升整个行业的质量控制水平以及企业应如何加强生产质量追溯管理的对策建议。同时,文章还强调了企业应根据国家关于质量强国建设和制造业高质量发展的要求,结合自身信息化建设现状,分阶段实施质量追溯体系的建设,加强内部培训,提升员工的质量意识和追溯体系操作能力,确保追溯体系的有效运行。

复杂工业过程中数据挖掘模型研究

针对复杂工业过程中产生积累的大量数据,以新的视角分析了应用数据挖掘的基础和数据特点,讨论了数据挖掘的基本思想,提出了集成数据挖掘的模型结构,为复杂工业过程的监控开辟了一条新的途径并指出了要进一步研究的问题.

电信CRM技术发展研究

随着电信市场竞争的加剧,电信行业中客户关系管理(CRM)系统以其自身的优势成为电信企业提高服务质量、降低客户流失率、增强企业竞争力的关键。针对CRM理论与联机分析处理技术、数据挖掘技术、复杂网络理论及其技术的结合进行综述,给出相关算法的步骤、评价及改进方案,讨论电信CRM的研究发展方向。

数据驱动的最优运行状态鲁棒评价方法及应用

在现代复杂工业生产过程中,细致而稳健的运行状态评价及非优因素识别对指导工业生产具有十分重要的实际意义.考虑到复杂工业过程难以建立准确的数学模型和实际工业过程数据噪声及离群点污染比较严重的问题,本文提出一种全潜鲁棒偏M估计的复杂工业过程最优状态的鲁棒评价方法.在建立离线评价模型时,通过对过程数据主元和残差子空间的进一步分解,提取出能够反映与原材料、生产消耗和产品质量等因素相关的经济指标的变化信息,同时采用样本数据加权的方法消除离群点对评价模型的不利影响,提高算法的鲁棒性;在线评价时,针对生产过程中存在不确定性因素,引入在线数据窗口及相似度分析进行在线评价,并给出在线评价的准则和流程,提高评价结果的可靠性,当评价结果非优时,通过计算相应变量的贡献率识别非优因素.最后,通过重介质选煤过程验证了所提方法的有效性.

模糊时间序列挖掘在复杂系统模糊建模中的应用

针对于复杂工业过程领域模糊建模问题 ,提出了一种基于时间序列的模糊定量数据挖掘方法 ,并讨论了其在复杂系统模糊逻辑推理模型结构辨识中的应用 .该方法建立在系统历史采集数据库基础之上 ,较好的解决了多入多出 (MIMO)非线性复杂工业过程模糊建模时初始模型的建立问题 .文章最后讨论了该方法在氧化铝熟料烧结回转窑建模中的应用 ,取得了良好的现场运行效果 .

认识基于数据驱动的工业过程控制

由于复杂工业系统多数难以建模,基于数据驱动的控制与优化近年来受到广泛关注。实际上,基于数据的控制研究已有一段时间,关于基于数据的控制发展方面的较全面综述可参考[1]。此外,某期刊集中刊登了关于基于数据的控制、调度、优化、故障诊断和容错控制方面的专辑。在这篇通讯中,仅就所了解的几个方面,结合研究介绍对这一方向认识及可能的发展,如随机分布控制,基于数据的运行控制,(max,+)代数,脑电信息与过程数据的融合问题等,不到之处敬请谅解与更正。

一类复杂工业生产过程中的数据挖掘

以合成氨工业中联合制碱生产过程为例,阐述了一类复杂工业生产过程数据的特点。提出了复杂工业系统中数据挖掘的基本思路和模型结构,并讨论了各种数据挖掘功能的应用,为工业过程的自动控制和知识发现开辟了一条新的途径。

工业过程OPC复合型实时数据抽取研究

遵循OPC复合数据规范 1.0版本 ,将工业过程自动化系统中OPC服务器提供的复合型实时数据抽取出来 ,形成数据仓库。复合数据的类型系统基于OPC二元格式。文中提供一个C #编写的实例 ,在 .

基于ID3算法的机械制造业决策应用

针对机械制造业中质量管理不规范、决策效率偏低问题,以典型的机械制造企业为切入点,运用ID3决策树算法,以数据挖掘跨行业标准过程(CRISP-DM)对其质量管理信息进行数据挖掘。利用基于信息增益率的计算分类技术,生成了决策树模型,并将该模型在企业资源计划(ERP)中进行了初步实现。通过测试分析,该模型能有效提高管理决策效率,规范处理流程。

数据挖掘推动客户数据驱动车辆的开发进程

对于汽车等面向消费者的行业,数据驱动的产品开发是一项关键的系统工程。数据驱动方法的前提是数据本身,由于现代车辆的联网能力不断提高,使得汽车制造商能够以内部总线信号的形式记录并储存客户数据。由于这些数据并不用于外部,只用于内部通信以保证车辆的安全性和功能性,这给这些数据的应用带来了一定的困难,因此汽车行业的主要问题在于如何利用数据挖掘技术从这些数据中提取客户需求及相关信息。为此,对上述数据应用问题进行了文献调研,并在此基础上开展数据挖掘的模拟研究,以确定现有数据挖掘过程在需求获取领域的适用性;进而提出一种扩展程序,使得数据挖掘技术能够应用于相关客户数据之中,从而加快车辆开发的进程。

基于多核支持向量机的多模态过程故障检测

针对具有多模态、非线性特征的复杂分布数据的工业过程,提出一种基于局部相对概率密度(LRPD)的多核支持向量机(MKSVM)故障检测方法LRPD-MKSVM。首先,计算训练样本的局部概率密度矩阵并进行标准化处理,来消除数据的多模态特性;其次,运用标准化后的概率密度矩阵训练多核SVM模型,获得判别分类函数;之后,将测试数据的概率密度矩阵作为多核SVM模型的输入,对其进行分类;最后,将该方法应用于TE多模态工业过程,分别与基于单核的高斯核函数SVM(RBFSVM)、多项式核函数SVM(POLYSVM)分类方法对比分析,结果表明:基于多核SVM方法的分类正确率明显优于单核SVM方法。

基于数据统计分析的因果关系建模研究

针对复杂工业过程中变量多、变量间关系复杂、变量关系难以准确量化的特点,提出一种分析变量关联关系及因果关系的数值方法,提高了因果关系分析的计算效率和精度.以TE化工过程模型为研究对象,针对TE流程中生产成本突增的问题,采集回路中控制偏差与生产成本的时间序列数据,建立其局部线性自回归模型,分析多组控制偏差与成本间关联性,运用数值算法计算了时域和频域因果关系.结果表明:反应器压力偏差是TE过程生产成本增加的主要原因,同时得到其他变量间的关联性.通过仿真实例验证了方法的有效性.

复杂工业过程运行状态评价方法回顾与展望

准确感知和认知复杂工业过程的运行状态对于实现过程智能控制和优化决策至关重要,是当前实现工业人工智能需要解决的关键问题之一.传统过程监测理论系统已不能满足现代工业生产过程对过程运行状态认知的精细化及准确化的需求,因此,复杂工业过程运行状态评价技术应运而生,近几年受到学术界和工业界广泛关注并快速发展.对此,首先从复杂工业过程的主要特性以及数据提取过程中面临的问题出发,回顾基于数据驱动的相关工业过程运行状态评价方法;然后根据最优性评价结果总结导致状态非“优”的原因,并进一步给出相关非优因素追溯方法;最后对现有研究内容和这一领域中值得进一步研究的发展方向做出总结和展望.

贝叶斯核学习方法在复杂工业系统建模中的应用

在复杂工业过程中,需要对过程变量和操作变量进行测量,但是由于客观条件的影响,很难实现直接测量,但是在工业过程中存在大量有用的过程数据,利用这些数据可以挖掘出大量有用的信息。因此可以利用软测量技术建立辅助变量与测量变量的关系。数据模型的建立是软测量技术的关键,贝叶斯核学习方法是一种新型的数据建模方法,具有小样本、推广能力强和收敛速度快的特点。