基于数据挖掘的多级流程雁阵阵型调整策略

发布时间：2023-03-23 23:30

　　流程雁阵(Process Goose Queue,PGQ)为复杂生产工艺优化提供了新的思路和方法,目前PGQ方法仍是采用基于机理数学模型的优化和阵型调整方法,其中对系统模型准确性要求较高,限制了其实际工程应用。本课题结合数据挖掘相关技术,提出了一种基于数据挖掘的流程雁阵阵型调整方法,主要研究内容和取得成果如下:1、深入研究了流程雁阵(PGQ)方法及其阵型调整机制,研究了模糊聚类和模糊关联规则算法,为后续研究工作奠定基础。2、对头雁位置变量进行目标聚类分析,发现头雁在不同工作点的分布情况,利用模糊聚类算法对各状态子雁和操作子雁进行模糊聚类划分,给出在不同模糊语言值下的模糊参数分布;然后,划分的模糊集用于流程雁阵的模糊关联规则挖掘,并通过实例给出了流程雁阵模糊关联规则模糊查询表的实现方法,通过查询表可以对雁阵阵型偏移进行干预。3、以水泥生产工艺作为研究对象,建立以分解炉温度为目标的多级流程雁阵结构,对生产过程数据在各模糊语言值上进行模糊聚类,通过对子雁的模糊关联规则挖掘,得到的模糊关联规则查询表,用于雁阵阵型调整的指导。

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
学位论文数据集
摘要
ABSTRACT
第一章 前言
    1.1 研究背景及意义
    1.2 相关技术研究现状
        1.2.1 大系统分解与流程雁阵方法
        1.2.2 数据挖掘方法
    1.3 论文内容与结构安排
第二章 相关技术基础
    2.1 引言
    2.2 流程雁阵方法
        2.2.1 流程雁阵描述
        2.2.2 多级流程雁阵
        2.2.3 流程雁阵自主调整
        2.2.4 实例研究
    2.3 模糊聚类FCM方法
        2.3.1 聚类分析概述
        2.3.2 FCM算法
        2.3.3 实例研究
    2.4 模糊关联规则方法
    2.5 实例研究
    2.6 本章小结
第三章 流程雁阵阵型调整
    3.1 引言
    3.2 头雁目标聚类
    3.3 状态与操作子雁模糊关联规则
    3.4 实例研究
    3.5 本章小结
第四章 应用研究
    4.1 引言
    4.2 水泥生产工艺
    4.3 多级流程雁阵构建
    4.4 模糊关联规则挖掘及模糊查询表
    4.5 本章小结
第五章 结论与展望
参考文献
致谢
研究成果及发表的学术论文
导师和作者简介
附件



本文编号：3768974