支持企业经营过程重组的工作流仿真技术研究

企业经营过程的建模、分析和基于模型的企业 经营过程重组实施是确保企业成功实现经营过程优化重组的三个重要阶段．工作流管理是一 种能够有效的支持这三个阶段的信息技术．至今为止,工作流模型的仿真还是一个比较薄弱 的环节．本文提出了一种基于虚拟运行环境的工作流仿真方法,通过建立工作流虚拟运行环 境,以仿真引擎模拟活动的执行,自动处理过程中的半自动化活动或人工活动,并采用规则 与随机变量相结合的方法处理仿真过程中遇到的不确定因素,从而完成工作流仿真．为了增 强仿真的可信度和可视性,本文将虚拟现实技术引入仿真过程的动画显示．本文介绍了工作 流虚拟运行环境的构成,环境中核心组件（仿真引擎）的工作方式,并讨论了基于代理的虚 拟环境实现．     

一种概率过程神经元网络模型及分类算法

针对动态信号分类及与先验类别知识融合问题,提出了一种概率过程神经元网络模型．模型将贝叶斯概率分类机制与过程神经元网络动态信号处理方法相结合,通过在前馈过程神经元网络中增加一个模式单元层,以及采用归一化指数类型激励函数,实现基于贝叶斯规则的动态信号分类．分析了概率过程神经元网络分类机制与贝叶斯分类规则的等价性,给出了具体的学习算法,实验结果验证了模型和算法的有效性．     

电力调度数据挖掘后处理方法的研究

关联规则是数据依赖关系的有效描述方法，是知识发现研究的重要内容．然而，随着所挖掘数据库规模的增大，由传统数据挖掘算法所生成的大量关联规则常常令用户的使用与分析十分困难．文中提出了一种新方法来解决这个问题并将其运用到电力调度数据挖掘系统中．实验结果表明，该方法消除了大量冗余规则，并且使用户可以从整体上把握整个规则集，提高了关联规则挖掘的准确性和易用性．     

一种基于分类一致性的决策规则获取算法

提出一种基于分类一致性的规则获取算法．它是一种例化方向的方法，即从空集开始，以条件属性子集的分类一致性来度量属性的重要性，逐步加入重要的属性，当选择的属性子集能够正确分类时，则获取到决策规则．算法中设计了一个规则约简过程，用来简化所获得的规则，增强规则的泛化能力．实验结果表明，所提出的算法获得的规则更为简洁和高效．     

基于经营知识的动态可重构企业信息系统建模

在企业信息系统实施过程中存在的结构不良问题以及低效率的分析设计方法,使企业不能在 经营过程不断变化时作出快速响应,并且容易导致潜在的错误、拖期和额外的成本.文章在组 件技术和分布式对象技术的基础上,提出了基于经营知识的经营对象的层次结构模型.在这一 模型中,中等粒度的过程组件通过独特的数据端口映射以及内嵌规则库的控制,屏蔽了精细粒 度的基本经营对象之间复杂的调用关系,并且提供了4种应用系统的重构策略.最后,文章给出 了利用Petri网建立经营对象行为模型的实用方法.通过这一方法,可以在模型与分布式对象s erver之间建立清晰的对应关系,从而使企业信息系统的快速开发和设计成为可能.     

一种基于ORM的OWL本体与关系数据库映射模型

如何使现有的关系数据库具有语义特征,如何对面向对象中的对象模型进行语义描述,是语义网应用过程中的两个重要问题。提出了一种Ontology-Object-Relational映射模型,提出了相关的映射规则及算法,基于映射元数据实现了本本、对象以及关系数据库间的映射与相互转换。实现了基于该模型的实验系统,并对关系数据库与本体实例间的相互转换进行了实验,实验结果表明本文所提出的映射模型、映射规则及算法是正确与可行的。     

一种基于多视角数据属性的决策表Petri网挖掘方法

当处理高度可变的流程时,已有的自动过程挖掘技术产生的模型可能并不能真实反映流程运行中不同决策点之间规则的变化情况。从声明性过程挖掘的角度出发,提出了一种具备可视化规则的决策表Petri网挖掘方法,实现真实日志到声明性过程决策表Petri网模型的映射。首先,形式化了决策表Petri网模型及其携带的规则分析决策表,并对模型的静态语义和动态语义进行定义;其次,通过扩展属性的添加,分析流程内部属性和事件属性是否会对决策产生影响,并通过规则分析决策表的异常值属性,判断规则的异常程度;最后,在一组人工日志和真实事件日志的基础上进行实验仿真,并与数据Petri网的挖掘技术进行分析对比。实验结果表明所提方法在反映流程运行中规则的变化情况具有一定优势,并为数据流异常检测提供数值可解释性;同时,所设计的决策表Petri网挖掘方法可以将决策信息与模型结构整合在一起,为过程模型的可变性建模提供形式化基础。     

基于有效性分析的自组织模糊神经网络建模方法

提出了一种基于有效性分析的自组织模糊神经网络(self-organizingfuzzyneural network based on effectiveness analysis, SOEFNN)建模方法。首先,提出了一种针对模糊规则的有效性评价指标,利用样本与规则层输出之间的映射关系进行网络模型的有效性分析,通过累积触发的方式实现相应模糊规则的增加或删减,使网络模型在能够处理复杂非线性问题的同时降低其冗余性,使模型更为紧凑。采用梯度下降算法对网络模型进行训练。然后,对所提出的SOEFNN模型进行非线性系统仿真实验和污水处理过程中的出水生化需氧量预测建模,并与其他自组织模糊神经网络模型进行对比。仿真结果表明,所提出的SOEFNN模型能够很好地实现结构和参数的自适应调整,并且具有较好的逼近能力。     

基于智能防火墙的网络安全设计

本文分析了传统防火墙所存在的缺点,讨论了网络层与应用层信息在防火墙安全策略制定过程中综合应用的方法。研究了防火墙过滤规则自动产生与配置的途径,提出了一种基于智能防火墙网络安全的模型和实现方法。     

一种模糊推理过程神经网络及其应用研究

针对带有过程性模糊信息或动态领域规则的时变信息处理问题,提出一种模糊推理过程神经网络.该模型将模糊过程推理规则与数值型过程神经网络的动态信息处理机制相结合,将推理规则表示为过程神经元.利用过程神经网络的学习性质来实现对过程性定量与定性混合信息的自适应处理.分析了模糊推理过程神经网络的信息处理机制,并给出了相应的学习算法.以抽油机平衡诊断为例,实验结果验证了所提出模型和算法的有效性.     

一种带过程变量时滞估计的在线软测量建模方法

为了有效地将时滞信息引入到软测量建模过程中,同时实时跟踪过程动态,本文提出一种基于模糊曲线分析（FCA）估计过程时滞参数的新方法,用离线条件下得到的时滞参数集对软测量建模的数据进行重构;对于新的输入数据,基于一定时刻之前采集的历史变量值,采用时间差—高斯过程回归（TDGPR）模型对当前时刻主导变量值进行在线预测．通过对脱丁烷塔过程的仿真研究,验证了所提方法的有效性和精度.     

基于区间数的黄金湿法冶炼过程建模与优化研究

针对黄金湿法冶炼生产过程中某些关键变量不能准确在线测量，导致局部工序无法定量建模、难以基于定量模型实现过程优化控制的问题，提出一种基于区间数的过程分层优化方法.在对黄金湿法冶炼生产过程特点进行分析的基础上，提出了基于区间数的过程分层优化框架.基于专家知识和现场操作人员经验等信息，建立了调浆过程的模糊定性模型.结合氰化浸出和置换等工序的定量模型及调浆过程的定性模型，建立了以综合经济效益最大为优化目标的黄金湿法冶炼生产过程优化模型.针对模糊定性模型的每一输出模态，利用区间数代替无法检测关键变量，提出了基于区间优化和分层优化思想相结合的优化方法，实现了黄金湿法冶炼过程的优化.与传统全流程优化方法的仿真对比实验表明，所提方法在具有不确定性的流程工业生产过程优化中具有一定的应用价值.     

时滞多变量系统PCA优化建模

主元分析（PCA）在工业生产过程的产品质量控制与故障诊断等方面已得到广泛应用，然而当过程的变量间存在着未知时滞性时，必须确定数据间的对应关系，否则PCA模型将会不准．基于此，提出了PCA优化建模方法．该方法以过程变量间的时滞常数为优化变量，在分析PCA模型特点基础上，确定主成分个数和SPE统计量为综合目标函数，并建立模型约束条件，采用遗传算法求解．最后给出了仿真实例，证明了所提出方法的有效性．     

Numerical method for Weibull generalized renewal process and its applications in reliability analysis of NC machine tools

In generalized renewal process (GRP) reliability analysis for repairable systems, Monte Carlo (MC) simulation method instead of numerical method is often used to estimate model parameters because of the complexity and the difficulty of developing a mathematically tractable probabilistic model. In this paper, based on the conditional Weibull distribution for repairable systems, using negative log-likelihood as an objective function and adding inequality constraints to model parameters, a nonlinear programming approach is proposed to estimate restoration factor for the Kijima type GRP model I, as well as the model II. This method minimizes the negative log-likelihood directly, and avoids solving the complex system of equations. Three real and different types of field failure data sets with time truncation for NC machine tools are analyzed by the proposed numerical method. The sampling formulas of failure times for the GRP models I and II are derived and the effectiveness of the proposed method is validated with MC simulation method. The results show that the GRP model is superior to the ordinary renewal process (ORP) and the power law non-homogeneous Poisson process (PL-NHPP) model.     

Numerical method for Weibull generalized renewal process and its applications in reliability analysis of NC machine tools

In generalized renewal process (GRP) reliability analysis for repairable systems, Monte Carlo (MC) simulation method instead of numerical method is often used to estimate model parameters because of the complexity and the difficulty of developing a mathematically tractable probabilistic model. In this paper, based on the conditional Weibull distribution for repairable systems, using negative log-likelihood as an objective function and adding inequality constraints to model parameters, a nonlinear programming approach is proposed to estimate restoration factor for the Kijima type GRP model I, as well as the model II. This method minimizes the negative log-likelihood directly, and avoids solving the complex system of equations. Three real and different types of field failure data sets with time truncation for NC machine tools are analyzed by the proposed numerical method. The sampling formulas of failure times for the GRP models I and II are derived and the effectiveness of the proposed method is validated with MC simulation method. The results show that the GRP model is superior to the ordinary renewal process (ORP) and the power law non-homogeneous Poisson process (PL-NHPP) model.     

轧钢生产过程产品质量控制方法与应用研究

针对轧钢生产线控制难度大的问题,提出了一种有效的方法来建立轧钢生产过程模糊质量模型。通过对系统反应机理的分析,确定出模糊质量模型的规则总数和前件参数,利用最小二乘法求得模型的后件参数。仿真分析验证了建模方法的有效性,为产品设计和工艺设计提供了新的方便的途径。     

一种新的多阶段改进MPCA间歇过程监视方法的研究

针对间歇生产过程存在的多阶段问题,提出了基于数据动态特性CPV(1)(cumulative percent variance of the first principal component)指标进行模糊聚类实现多阶段软划分的方法,解决了传统分段方式对间歇过程进行硬划分的缺陷,使得过程多阶段划分更加准确。在此基础上建立多阶段具有时变主元协方差的改进MPCA(multiway principal component analysis)模型进行间歇过程的监视。将此方法应用于青霉素发酵过程,验证了该方法的可靠度和有效性。     

A Novel MDFA-MKECA Method With Application to Industrial Batch Process Monitoring

For the complex batch process with characteristics of unequal batch data length, a novel data-driven batch process monitoring method is proposed based on mixed data features analysis and multi-way kernel entropy component analysis (MDFA-MKECA) in this paper. Combining the mechanistic knowledge, different mixed data features of each batch including statistical and thermodynamics entropy features, are extracted to finish data pre-processing. After that, MKECA is applied to reduce data dimensionality and finally establish a monitoring model. The proposed method is applied to a reheating furnace industry process, and the experimental results demonstrate that the MDFA-MKECA method can reduce the calculated amount and effectively provide on-line monitoring of the batch process.      

考虑生产路径柔性的钢铁合同计划编制研究

在钢铁企业MTO管理模式下,通过对生产过程和质量设计的分析,提出了一种考虑生产路径柔性的合同计划编制新方法,建立了以工序能力均衡为目标的周合同计划编制模型,以此模型为基础研究质量设计生产路径柔性对合同计划工序负荷能力影响.针对模型特点,设计了改进变邻域搜索的模型求解算法,算法采用模拟退火的Metropolis准则,防止算法陷入局部最优.应用钢厂实际数据进行数字运算,结果表明,合理选择质量设计生产路径可以大幅度提高合同计划工序负荷率,验证了所提方法合理、有效.     

水泥熟料质量软测量模型中的时序分析方法

针对常规水泥熟料质量软测量模型未充分考虑过程变量间时序信息的问题,本文根据水泥生产流程工艺的时滞性、连续性特点,提出了一种时序分析方法,以提高熟料中游离氧化钙含量的软测量准确度.首先根据物料的传输机理,估算出物料在各工艺设备中的停留时间,在此基础上将软测量模型的输入输出变量进行时序匹配,之后采用类高斯函数对各输入变量匹配时刻前后的时序数据进行加权,获得具有时序信息的输入–输出样本对,然后以支持向量机模型结构为例,对引入时序信息后的游离氧化钙含量软测量模型进行训练和测试,并讨论了时序参数对结果的影响.采用某水泥生产线的实际过程数据对本文模型与方法进行验证,结果表明,该模型预测值与实际的游离氧化钙含量吻合良好,能正确预测其变化趋势;将本文模型测量结果与未使用时序信息的常规支持向量机模型对比,结果表明,过程变量间的时序信息有助于提高水泥熟料质量软测量模型的精度.本文提出的时序分析方法为水泥生产等流程工业过程建立软测量模型提供了新思路.