4) 背景項目的主要發明點或技術創新點
(1) 成功開發出鋁電解槽槽況診斷與優化決策模糊專家系統,建立了基于變論域技術的非對稱規則自調整機制,解決了鋁電解槽槽況診斷和預報的難題,實現了對鋁電解槽重要控制參數與工藝參數的優化決策,并為標準化作業的實施提供了新的技術支撐。
(2) 成功開發出現場總線型智能分布式槽控機,不僅在其外部通訊接口中采用CAN總線協議,而且首次應用CAN總線技術實現其內部智能模塊的互連,既大大提高了槽控機的性能,又有效解決了槽控機結構簡潔與功能分布之間的矛盾,并以此構造出基于CAN總線/以太網的兩級鋁電解過程控制系統。
(3) 研究建立起了一整套與智能控制技術相融合的 “四低一高”工藝技術條件及其保持技術,實現了現代工藝技術與自控技術的有機結合。
4.1.2 本項目的研究成果
在背景項目的研究中取得了一些令人可喜的成果,產生了較好的效益。但面對海量數據,其工作還存在著如下幾個問題:
(1) 當前,國內鋁電解控制系統一般都采用ACCESS或INTERBASE等本地數據庫或小型數據庫,數據容量有限,且隨著數據量的增加將會影響控制系統運行的性能。
(2) 鋁電解控制系統是一種信息孤島,其采集的海量數據只能在控制系統中使用。隨著計算機網絡技術的飛速發展,人們越來越不滿足當前這種現狀,管理人員和技術人員希望在車間、工段甚至在遠離生產車間的辦公樓內或出差時,能隨時了解當前所有電解槽的工作情況,掌握各種生產信息,了解實際生產的相關工藝參數,并隨時能夠對歷史數據進行查詢,及時分析槽況,獲取電解槽的發展趨勢,等等。
(3) 對控制系統的使用僅停留在槽況的監視和各種工藝數據的調整。其產生的海量數據只是作為歷史數據以便進行控制再現,而隱藏在這些數據之間的各種關系和信息人們無法獲取并進行進一步的分析。
(4) 對電解槽的各種工藝參數的調整往往憑借管理者的個人經驗,未能考慮各單槽處于不同的時期,其影響的因素各不相同,且各因素對電解槽的影響作用各有變化,用戶不能從定量的角度進行控制決策。
(5) 對一般電解槽槽況的獲取,是通過對控制系統數據進行定性分析所獲得的,缺乏準確性;目前雖然有專家系統可以提供分析,但專家系統基于樣本的選擇,不能對任何一臺電解槽考慮其歷史數據的影響。
在“以信息化帶動工業化”的背景下,為了加快和促進鋁電解工業的快速發展,急需要解決上述問題。為此,以數據挖掘技術在鋁電解控制中的應用為研究內容,以解決上述問題為目標,我們進行了較深入的實驗研究和理論探討,利用了我們前面提到的創新性模型(ESKD),以及創新性技法(M算法等)對控制系統產生的各種數據進行挖掘分析,從而指導實際生產,在實踐中起到了較好的作用,取得了明顯的經濟效益。
1) 創新性結構模型ESKD的應用
如何增強鋁電解過程控制系統的過程監控級的槽況分析與優化決策功能,是上個世紀90年代以來國際鋁業界頗為關注的研究課題。
本項目結合鋁電解生產實際反映的有關操作與管理槽況的技術難題,提出了開發具有“五自一優一決”(槽況自診斷、設定電壓自修正、氟化鋁添加量自調整、陽極效應自決策、出鋁量自下達、工藝參數優化、槽況綜合判決)調控功能的專家系統的目標。
為了使同一套模糊專家系統規則對不同的槽或同一臺槽的不同時期適用,我們總結了人類專家的推理過程,構建了變論域專家模糊推理機。推理結束后,進行數據的反映射,其基本原理同推理前的映射,不再論述。
通過在推理機中加入推理前映射和推理后映射,使得不同的槽,即使輸入同樣的數據,但由于每個因素的標準值不同(差值也不同),最大值、最小值不同,導致進入專家系統中的數據就不同,會觸發不同的專家系統規則,從而得到不同的輸出結果,再進行推理后的反映射,發送到網上數據庫的數據就會大相徑庭,從而增加了模糊專家系統的智能性和適應性。
我們提升了固有的用于鋁電解控制中的專家系統,而構造了基于知識發現的專家系統ESKD (2.3.1節)。經典的專家系統,都只能是從書本知識和領域專家那里通過知識獲取構件以及通過推理機制等得到知識庫中的知識,再沒有獲得新知識的其它有效途徑。而ESKD恰恰通過新型KD(D&K)結構模型 (詳見前面的2.2.3節),從新的知識源即數據庫與知識庫中產生新的知識,從而從根本上改變了“知識貧乏”這一窘境。
2) 創新性技法的應用
針對鋁電解生產的實際情況,在ESKD的總體框架下,我們使用了如下一些主要的數據挖掘技術方法。
(1) 關聯分析
鋁電解過程中,影響電解槽運行的因素比較多。針對某些主要的因素來選取一定的典型樣本進行關聯規則挖掘,這種挖掘方式應用于鋁電解過程中,考察電解槽在一定時間屬性范圍內的運行狀態,并對該時間段內電解槽運行的主要工藝參數(槽溫、氟化鋁添加量、陽極行程、日總下料、日平均電壓、鋁水平、分子比等)進行關聯分析,挖掘其隱藏的某些特性,為電解槽的后期生產提供決策依據。
上一頁 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] 下一頁
|