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     

基于动态挖掘的流程工业产品质量模型的研究与应用

针对目前流程工业产品质量控制采用人工检查和统计质量控制方法,缺乏产品质量预先预报以及实时调整生产过程的工艺参数存在困难的情况,利用生产过程采集到的实际数据,采用基于时间序列的动态数据挖掘技术和BP神经元网络,预测产品质量和分析产品生产过程的工艺,最大限度减少不合格产品的产出,提高生产效率.根据上述理论建立流程工业数据动态质量控制平台,以中厚钢板生产过程为例,应用表明了这种方法在实际应用中的正确性和有效性.     

热轧带钢层流冷却系统温度的建模与仿真

针对于传统的热轧带钢生产线层流冷却卷取温度控制精度不高的缺点,以热轧带钢层流冷却控制系统为研究对象,对其温度进行建模与仿真.基于现有模型通过修正黑度系数来考虑带钢厚度方向上的热传导,采用有限差分法来建立带钢厚度方向温降一维模型.通过实际生产数据对模型中的部分参数进行修正,使模型更加符合实际生产要求.在得到层流冷却生产过程中热轧带钢温度变化和温度场分布的基础上,又模拟仿真得出带钢总体卷取温度曲线.将所搭建的模型应用于模拟实际生产过程,通过实际数据计算出的结果与实际测量值相比较,其偏差值在±10℃范围之内.因此所建模型能够满足实际生产精度控制要求.     

S-函数在锅炉动态模型仿真中的应用

本文介绍了Matlab软件包Simulink中的S-函数创建方法,针对锅炉动态模型仿真,通过构建S-函数读取实时数据修正模型系数,实现模型的动态功能,使仿真模型更接近于锅炉实际状态,更好的服务于仿真试验研究。     

战术导弹数据挖掘平台设计及其关键技术

为了优化导弹生产流程、降低武器装备寿命周期费用、利用导弹在生产和使用维护阶段获取的海量数据,运用数据挖掘技术,提出了导弹数据挖掘平台的总体设计思路;对导弹数据挖掘过程中的数据预处理方法、数据挖掘算法和异常检测算法等关键技术进行了研究,采用FP-Growth算法挖掘导弹生产过程中的工艺参数与产品质量的关联,采用Z-Score检测法完成异常参数检测。通过在导弹全寿命周期中的应用,方案合理可行,可以有效地提高导弹质量和装备的战备完好性,具有广阔的军事应用前景。     

关联规则挖掘技术在煤矿安全预警系统中的应用研究

针对煤矿安全预警数据多源异构的特点,文章提出了一种采用关联规则挖掘技术对煤矿安全预警系统参数进行数据挖掘的设计方案,给出了关联规则挖掘模型及其算法分析,详细介绍了关联规则算法中的Apriori算法在煤矿安全预警系统中的应用及实现。仿真结果表明,该方案性能良好,是煤矿安全综合评价的一种有效方法。     

基于基尼指标加权的离群子空间与离群数据挖掘方法

针对大多数离群数据检测方法依赖于用户确定参数以及维灾现象,给出了一种基于基尼指标加权的离群子空间与离群数据挖掘方法。该方法通过计算各个维上去一划分的基尼指标值来生成数据对象的离群子空间及属性权向量,在子空间中采用基于统计离群数据挖掘的思想来挖掘离群数据;不需输入参数,结果更具客观性,并且能够适应高维离群数据挖掘;最后采用恒星光谱数据集,验证了可行性和有效性。     

基于有限信息的铜吹炼动态过程智能集成建模

针对具有强动态变化特征但过程信息有限可知的铜转炉吹炼过程, 提出一种基于有限数据信息的吹炼动态过程智能集成建模方法. 依据冶金反应动力学原理, 建立了描述吹炼过程反应体系变化的非线性动力学模型; 引入动力学系数修正因子, 基于有限的数据信息和龙格–库塔公式, 构建了动力学系数修正因子的优化模型; 结合智能决策生成的典型样本集, 提出了基于微粒群算法和模式搜索法的混合智能算法确保有效获得最优修正因子, 最 终形成吹炼过程的动态模型. 用实际生产数据仿真实验, 模型预测的最大相对误差小于5%, 仿真结果验证了模型有效性.     

基于Block-RPLS模型自适应更新的质量预测方法

工业过程包含动态、时变等过程特性.传统的基于PLS方法的质量预测采用的是固定模型,难以实时修正和学习新的过程信息,从而导致建模效率和精度降低,针对该问题提出一种自适应的块式递推偏最小二乘法(Block-RPLS)模型质量预测方法,用于在线调整PLS模型的结构和参数.采用滑动窗方法确定更新的数据块,利用矩阵相似性理论分析窗内数据的结构特性,得到该滑动窗的特征矩阵.同时,引入局部离群因子(LOF)检测滑动窗内离散偏离程度较大的更新数据,通过交叉验证方法修正PLS模型参数自适应学习过程的时变信息.最后,通过数值仿真和青霉素发酵过程的质量预测实验验证所提出方法的有效性.     

基于数据的流程工业生产过程指标预测方法综述

生产过程关键指标的预测对于流程工业生产调度,安全生产和节能环保有着重要作用.目前,已有多种基于工业生产数据提出的生产过程指标预测方法,主要涉及特征（变量）选择,预测模型构建及其模型参数优化这三方面.本文分别针对以上三方面论述了基于数据的工业生产过程指标预测国内外研究现状,分析了各种方法的优缺点.最后,指出了流程工业生产过程指标预测方法在工业大数据及知识自动化等方面的未来研究方向和前景.     

Modelling for an expert system and a parameter validation method

A model–based engineering diagnostic method is typically based on the evaluation of the residuals generated from a comparison of important variable values from a simulated system and the corresponding measured values from the system's performance. Consequently, a model should describe the dynamic behaviour of the system as accurately as possible using suitably selected parameter values. This implies the need for validation of the performance of the model by comparison with the measurements of the actual system. This process is especially important when the detection of faults is performed in real–time conditions. In this paper, the modelling process for hydraulic systems as well as a new parameter validation method that has been developed using the DASYLab data acquisition and control software for the estimation of the uncertain parameter values of the model is presented. This model validation process led to the establishment of a model–based expert system that is able to diagnose real–time faults working in parallel with actual dynamic industrial automated processes.     

基于优化核极限学习机的铝电解电流效率预测

电流效率作为铝电解过程的重要参数,获得实时准确的测量结果对实现过程的有效控制至关重要。基于数据挖掘的思想,提出基于优化核极限学习机（KELM）的铝电解电流效率预测模型。通过分析铝电解机理,获得影响电流效率的过程参数,采用核主元分析法对试验数据进行降维,并用聚类算法剔除数据异常点,建立基于KELM的铝电解电流效率模型。使用鲸鱼优化算法与模拟退火的混合算法(WOASA)优化KELM模型的关键参数,从而提高模型的精度和泛化能力。通过实际生产数据进行仿真试验,将本文的方法与原始KELM、PSO-KELM、GWO-KELM、CGWO-KELM算法进行对比,结果证明了该预测模型的有效性,可以实现铝电解过程电流效率的准确预测。     

基于YOLOv5和生成对抗网络的塑料标签缺陷检测

塑料标签物的缺陷检测与识别是工业过程控制和质量控制的关键;为了克服现有塑料标签缺陷检测方法的局限性,使用了单阶段目标检测模型YOLOv5对其瑕疵进行实时检测与分类;此外,为解决由于样本缺陷数量不足造成的模型识别准确率低等问题,采用了一种基于Defect-GAN的生成对抗网络对小样本进行数据增强和扩增;该方法通过模拟缺陷生成和缺陷图像重建的过程,可以高效合成大量具有高保真度和多样性的缺陷样本,尤其适用于形状不规则、分布随机且尺寸不同的瑕疵生成;实验结果表明,通过使用扩增数据集训练目标检测器,并对网络的超参数进行优化,可以显著提高目标检测器的准确率和精度,其平均精度mAP可达99.5%;此外,为了模拟该方法在实际生产中的应用场景,设计并定制了一台半自动的图像采集机械平台用于采集圆柱样品表面的印刷标签,以及一个自主开发的图像处理和统计分析软件用于样本采集、图像处理及统计分析;该方法和平台可以很容易地推广并应用到其他工业质量控制和缺陷检测系统中。     

一种基于非量测畸变校正的摄像机标定方法

设计一种基于非量测畸变校正的摄像机标定方法.该方法利用单参数除式模型校正镜头畸变,根据直线透视投影保留同素性,通过拉凡格氏法（LM）优化标定出畸变模型系数和摄像机主点坐标,然后校正成像点,使其满足针孔模型映射关系.根据内参数的两个基本方程,线性求解剩余参数.实验表明,该方法在非量测标定过程具有较好的鲁棒性,且对比张正友标定方法,可在单幅标靶图像下进行标定,避免了模型内外参数耦合在一起,提高了标定效率.     

基于语义分割的异构多核平台大数据挖掘算法

为了提高异构多核平台大数据精准挖掘能力,提出一种基于语义分割的异构多核平台大数据精准挖掘方法。构建异构多核平台大数据的模糊信息检测模型,采用关联特征提取方法进行异构多核平台大数据的模糊指向性聚类分析。构建异构多核平台大数据的输出自相关特征匹配模型,结合语义特征提取方法进行异构多核平台大数据的特征提取和统计分析。建立异构多核平台大数据的语义动态特征分析模型,提取异构多核平台大数据的统计特征量。根据异构多核平台大数据的特征提取结果采用模糊C均值聚类方法进行大数据聚类,采用语义分割进行异构多核平台大数据挖掘过程中的自适应寻优,实现异构多核平台大数据的优化挖掘。仿真结果表明,采用该方法进行异构多核平台大数据挖掘的精度较高,特征分辨能力较好,可提高异构多核平台大数据的挖掘和检测能力。     

基于一致性度量的数字孪生模型实时自修正

数字孪生技术解决了信息物理世界的融合难题,在工业互联网领域里获得了十分广泛的应用。为解决数字孪生与物理实体的动态修正问题,本文提出一种基于一致性度量的数字孪生模型实时自修正方法。利用数据变化快慢将模型分为渐变模型和快速模型2个部分,构建参数快速搜索方法,结合拉丁超立方全局搜索和贪婪局部搜索,并引入迭代更新机制,实现物理实体和数字孪生体的一致性度量。实验结果表明,数字孪生模型通过优化模型可调参数的选取过程,改善可调参数选取随机性的问题,实现模型与物理实体高度一致性,达到了模型实时自修正要求。     

粗糙集数据挖掘技术在丙酮精制中的应用研究

将基于粗糙集理论的数据挖掘方法应用于丙酮精制过程产品质量的预报。针对流程工业数据高维、构成复杂、连续性强等特点，改进了基本的粗糙集数据挖掘算法，并与模糊聚类等技术相结合，提出了一种适用于流程工业数据的粗糙集数据挖掘方法。在采用实际丙酮精制生产数据作为样本的实验中应用效果良好，表明该方法具有一定的实用价值。     

基于不完全数据的异常挖掘算法研究

异常挖掘是数据挖掘的重要研究内容之一,对于不完全数据会面对双重的困难．首先将用于缺失数据填充的EM算法和MI算法推广到混合缺失情形,并根据Weisberg的不完全数据填充理论,提出了RE算法,然后通过将聚类分析与向前搜索算法结合起来,获得了比单纯的向前搜索法更优越的算法．最后,在上述填充算法的基础上探讨了不完全数据的异常挖掘．理论和实例分析均表明,基于不完全数据的异常挖掘算法是有效可行的．     

结合领域知识的因子分析:在金融风险模型上的应用

因子分析是一种在工业领域广泛使用的统计学方法.在金融资产管理中,因子分析通过对历史价格波动的极大似然估计推导自适应的统计学因子来生成风险模型.与通过使用预先设定具有经济学含义的因子来生成风险模型的基本面因子模型相比,通过因子分析生成的模型不仅更灵活,还能发现在基本面模型中缺失的因子.然而,由于因子分析所生成模型中的统计...     

灰色Markov模型动态关联规则趋势度挖掘方法

针对动态关联规则趋势度随时间变化的特点,在分析原有定义以及对动态关联规则趋势度建立预测模型的基础上,提出一种把灰色-Markov模型应用到动态关联规则趋势度挖掘中的方法。该方法利用动态关联规则趋势度定义得到规则的趋势度;对于不满足趋势度阈值的规则的支持度计数序列运用灰色-Markov模型进行预测;将预测数据添加到原规则支持度序列中,并且得到该规则新的趋势度,进而判定此规则的趋势度是否满足阈值要求。通过一个实例进行分析,结果不仅证明了该方法的有效性并且能在一定程度上提高了挖掘的精度和效率,从而使动态关联规则挖掘能够得到更全面、更精确的结果。