过程数据挖掘及进展

工业过程已是一个海量的数据源,需要从中提取知识以支持过程优化.分析了工业过程数据的特点,将数据挖掘了思想引入生产过程优化中,提出了工业过程数据挖掘了概念,即是一个依赖精确的数学模型,而自动或半自动地从工业过程数据中撮有用的知识,以支持过程变量预报、过程优化及过程故障诊断的特殊数据处理过程.总结了过程数据挖掘在过程变量预报、过程监视与优化及过程故障诊断中的研究进展,得出过程数据挖掘应在算法的设计、商业软件的开发及过程数据仓库与过程数据挖掘的集成三方面开展创新工作的结论.     

基于测控数据挖掘的航天器故障诊断技术研究

近年来数据挖掘技术的快速发展使得利用航天控制中心积累的大量测控数据进行航天器在轨故障诊断成为可能.基于数据挖掘的故障诊断技术能够从历史数据中自动或半自动地获取潜在的诊断知识,从而有效解决故障诊断中知识获取困难的问题.在研究航天器实际测控数据特点的基础上,分析了传统故障诊断技术的优缺点,提出了基于数据挖掘技术进行航天器故障诊断的可行方法,指出了基于数据挖掘的航天器故障诊断技术下一步研究的主要方向.     

过程监控中数据挖掘与知识发现理论及应用

过程监控中数据挖掘和知识发现是近几年发展起来的新技术，目前仍处于起步阶段，显示了极大的应用前景。本文简要叙述了一般数据挖掘和知识发现的发展、现状及一般过程；从数据挖掘和知识发现方法、应用和理论技术三个方面概括了工业过程监控中的数据挖掘和知识发现；结合工业过程数据特点指出了过程监控数据挖掘和知识发现面临的挑战及今后的研究趋势。     

基于模糊聚类神经网络的化工过程预报模型研究

本文提出了在化工过程预报中的模糊聚类神经网络模型,该模型具有提取典型数据、优化模糊规则及优化参数的优点,在化工过程预报实验中与传统方法相比预报结果的精度提高,计算时间缩短。     

基于小波变换核主元分析和多支持向量机的过程监控

针对过程工业数据中所含的噪声和干扰信号、过程工业的非线性及基于主元分析(Principal Component Analysis,PCA)的统计性能监控法由于不用过程机理模型的信息从而对故障诊断问题难以在理论上作系统分析的缺陷,提出基于小波变换核主元分析和多支持向量机的过程监控方法,该方法首先采用基于小波变换的收缩阈值去噪法对建模数据进行预处理,以有效抑制过程数据中所含的噪声和干扰信号,然后利用核主元分析来进行故障特征的提取,从而提高非线性统计过程监控的准确性;最后提出多支持向量机用来对故障的来源进行分类,以避免求解核主元空间到原始空间的逆映射.将该方法应用到对TE(Tennessee Eastman,TE)过程的监控,表明了所提出方法的有效性,为过程的监控和故障诊断提供了一个新的方法.     

用免疫神经网络做数据挖掘

1 引言随着社会信息量的增大,在各种应用领域里的数据库中存储了大量的数据,这使得人们对这些数据进行分析并转化为有用知识的需求变得越来越迫切。于是知识发现与数据挖掘(Knowledge Discovery and Data Mining,KDD)自然成为近年来人们从大型数据库中获取信息的一个重要的研究领域。一般地,数据挖掘就是指从数据库或数据仓库中发现隐藏的、预先未知的、有趣的信息的过程,该过程可以看作是知识发现过程中的一个核心的步骤。目前,能够用于解决机器学习问题的方法主要有三种类型,即:模糊规则的学习方法、神经网络学习方法和遗传进化的学习方法。纵观数据挖掘中的规则提取方法,决策树规则提取方法不能实现多变量搜索,因为它在建树时每一个节点只含有一个特征,故属于一     

基于KECA和FWA-SVM的间歇过程分时段故障诊断方法

针对间歇过程的高度复杂性、强非线性、强时段性等特点,提出一种基于核熵成分分析（KECA）特征变量降维,利用烟花算法（FWA）优化支持向量机（SVM）参数的间歇过程分时段故障诊断方法。首先,通过多向核主元分析（MKPCA）进行在线故障监测,输出故障数据;其次,利用K-means分类方法将间歇过程划分为若干个子时段,对故障数据进行KECA特征变量处理,按熵值贡献率来确定选取主元的个数,深层提取特征信息;最后,在各子时段内分别构建FWA优化SVM参数故障诊断模型,将降维处理后的故障数据代入各自所属子时段FWA-SVM诊断模型内进行故障诊断。通过对青霉素仿真实验数据进行各种对比实验研究,验证了该方法的可行性与有效性。     

数据挖掘技术在工业控制系统中的应用研究

数据挖掘技术是当今智能系统理论的重要研究内容,它综合运用人工智能、模式识别、数理统计等先进技术从大量数据挖掘中挖掘和发现有价值和隐含的知识。本文主要介绍数据挖掘技术的原理和方法,以及在工业控制系统中应用,包括被控变量选择、模糊控制规则挖掘、故障诊断等。     

基于数据和知识的工业过程监视及故障诊断综述

从复杂工业过程所可能具有的过程特性及数据存取过程中引入的数据特性分析出发,综述了具有复杂数据特性的工业过程的多元统计监视方法,并分别讨论了基于数据和基于知识方法进行故障诊断的优势、进展、适用范围及二者结合的可能.最后探讨了这一领域中值得进一步研究的问题和可能的发展方向.     

一类复杂工业过程的智能预报模型及其应用

针对复杂工业过程中关键变量的测量问题,基于智能技术提出一种由数据采集与处理模块、决策支持模块、预报模块、在线校正模块以及效果评价模块组成的智能预报模型,并将该模型用于竖炉焙烧过程的优化控制与决策中.应用结果表明其维护费用低、实时性好、可靠性及精度高,在很大程度上解决了关键变量测量困难的问题,为选矿厂综合自动化系统的优化控制与优化运行奠定了良好的基础.     

数据挖掘技术及其在工业生产中的应用

数据挖掘是一种新兴的数据处理和分析技术，生产领域的应用，文章概述了数据挖掘的主要技术特点、术的应用现状，分析了工业生产的过程特点和数据特点，处理和挖掘方法，强调了合理利用专业知识的重要性。已在许多领域发挥出可观的作用。为了促进数据挖掘在工业主要任务和一般实现方法，介绍了工业生产领域数据挖掘技并针对这些特点探讨了工业生产数据挖掘较为独特的数据预     

一种用于复杂工业过程的数据挖掘模型

针对复杂工业过程中产生积累的大量数据,分析了数据挖掘的技术基础和数据特点,提出了一种集成的数据挖掘模型,并给出了基于SQL Server 2000的数据挖掘实现方案,为复杂工业过程的知识发现提供借鉴和参考。     

Integration of engineering change objects in product data management databases to support engineering change analysis

This study proposes a product data management (PDM) database that can support engineering change analysis (ECA). It can integrate ECA with the existing main product development process managed by PDM systems. Since engineering change (EC) history is a key EC data element that enables ECA, this study extends PDM databases to represent the EC history with existing entities for ECs and associated products and their product structures. To show the feasibility of the proposed PDM database, this study integrates a prototype PDM system with on-line analytical processing (OLAP) tools and a data mining module for ECA. It also applies the implemented tools to two typical ECA applications, EC evaluation and EC propagation problems. The illustrative application examples show that the proposed PDM database can support ECA through multidimensional data analysis with OLAP and data mining with association rules.     

基于Agent的知识发现模型的设计

ＫＤＤ（ｔｈｅ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ｉｎ Ｄａｔａｂａｓｅ）模型的研究是数据挖掘领域中的一个重要分支,现有的一些模型各有其优势,但又不是完美的,尤其在智能性方面都表现得较差。文章设计了一个基于Ａｇｅｎｔ的智能数据挖掘系统,利用多智能体技术实现了信息的收集、预处理、查询、知识的自动提取、数据挖掘等功能,使整个挖掘过程实现了知识性、智能性,它可以为智能信息系统提供必要的支持。     

Mining association rules for the quality improvement of the production process

Academics and practitioners have a common interest in the continuing development of methods and computer applications that support or perform knowledge-intensive engineering tasks. Operations management dysfunctions and lost production time are problems of enormous magnitude that impact the performance and quality of industrial systems as well as their cost of production. Association rule mining is a data mining technique used to find out useful and invaluable information from huge databases. This work develops a better conceptual base for improving the application of association rule mining methods to extract knowledge on operations and information management. The emphasis of the paper is on the improvement of the operations processes. The application example details an industrial experiment in which association rule mining is used to analyze the manufacturing process of a fully integrated provider of drilling products. The study reports some new interesting results with data mining and knowledge discovery techniques applied to a drill production process. Experiment’s results on real-life data sets show that the proposed approach is useful in finding effective knowledge associated to dysfunctions causes.     

基于最大值约束的模糊关联规则挖掘

数据挖掘是从数据库中发现潜在有用知识或者感兴趣模式的过程。在数据挖掘领域中主要集中于单一支持度下的关联规则挖掘,在事务数据库中发现项目之间的关联性,而在实际应用中,项目可以有不同的最小支持度,不同的项目可能具有不同的标准去判断其重要性,因此提出一个在最大值支持度约束下,发现有用的模糊关联规则挖掘算法,在该约束下,利用逐层搜索的迭代方法发现频繁项目集,通过实例证明了该挖掘算法是易于理解和有意义的,具有很好的效率。     

过程工业中数据挖掘技术的应用

针对过程工业的复杂性及其数据特点，讨论了数据挖掘技术工业应用的基本思想，提出了复杂过程工业应用数据挖掘技术的基本策略。     

面向数据特征的分布式数据挖掘研究

在众多提高数据挖掘效率的方法中,并行数据挖掘是一个从根本上解决该问题的有效途径.首先指出在数据挖掘过程中,不论采用顺序挖掘还是并行挖掘,都必须以数据挖掘的最终目的为前提,即尽可能多地发现数据中所含有的有用的知识,然后在此基础上提高数据挖掘的较率.在该想法基础上,提出了面向数据特征的数据划分过程,并进一步提出了加权式的并行数据挖掘基本方法.在这种数据挖掘过程中,可以得到相对于部分数据的知识,在很大程度上提高了数据挖掘的动态性能.     

基于数据挖掘的仿真模型参数修正

针对工业仿真数学模型参数估计实践中的难点,提出了通过数据挖掘来修正模型参数的新方法。从实际生产的大量数据中挖掘样本,通过数学方法计算模型参数,针对包含噪声的工业生产数据主要采用改进了最小二乘方法来修正参数;根据工业生产数据不完全及常见分布特点,采用分段组合修正参数的方法;通过实际生产的动态过程的历史数据挖掘来估计动态特性的相关参数,模型参数修正与数据挖掘过程交互引导,来缩小海量工业数据中的挖掘范围及提高参数修正所需样本数据的充分性,并建立两者之间互相协调的网络模型。实际案例验证了方法在工程项目中的有效性和实用性,表明这种方法能大幅提高仿真精度     

CAD/PDM系统间数据双向集成技术和应用研究

针对CAD/PDM系统间点对点集成存在的维护困难等问题,提出了一种以中间集成平台为基础的CAD/PDM系统间数据双向集成解决方案。方案包括：CAD/PDM系统间数据双向集成业务流程建模、CAD/PDM系统中的BOM和关联图文档数据表现形式、基于中间集成平台的CAD/PDM数据集成模式、嵌入式适配器、XML数据交换协议、消息机制,以及具有消息机制的SolidWorks/Mit-PDM嵌入式适配器软件开发。以某夹具产品的设计数据交换为例,验证了所提出方式的正确性。实际应用表明：该方案具有较好的柔性和扩展性,能实现异构CAD/PDM系统间的双向数据交换集成。