数据挖掘技术在热风炉系统中的应用研究
近年来，随着计算机技术、网路技术及数据处理等技术的发展，特别是数据库技术的应用和普及，在各个领域都积累了大量的数据。即使在一个企业，随着工业企业自动化程度的提高，企业中都储有数以几十或几百GB(109字节)计的生产经营数据。这些数据蕴含着大量的信息和知识。80年代末才起步的数据挖掘技术与决策支持系统相依相辅，数据挖掘技术采用全新的数据组织方式，对大量的原始数据进行各种处理并转换成有用的信息，用户可以通过分析这些信息从而作出策略性决策。本文介绍了数据挖掘的特点，国内外发展现状、体系结构和挖掘算法等。介绍了一种数据挖掘算法，即基于实例的推理方法(CBR)，对它的基本原理，系统组成，及其关键技术进行了讨论，尤其在CBR系统中，对权重系数的确定方法进行了比较。该应用研究的目的是为了将数据挖掘技术应用于复杂工业过程控制中，从海量数据中提取有用的知识、规则，以新的视角为复杂工业过程系统的监控开辟新的途径。
本文在对以上研究的基础上，结合复杂工业领域数据挖掘的模型将基于实例的推理(CBR)方法应用于热风炉自动控制系统中。实现热风炉自动控制的目的是为了提高高炉热风炉的热风温度，降低炼铁生产成本，节约能源。而提高热风炉的热风温度的关键之一是能通过有效手段提前对刚结束燃烧期的热风炉的送风温度趋势加以准确预测。本文详细阐述了热风炉自动控制的研究现状，比较了国内外对热风炉热风温度预测的方法。提出并介绍了利用CBR方法对刚结束燃烧期的热风炉的送风温度趋势进行预测的具体过程，包括利用人工神经网络方法确定热风炉系统中各特征属性的权重系数。预测结果表明，这是一种实用有效的热风温度预测手段，和基于数学模型的方法相比，具有算法简单、结果准确等优点。
数据挖掘;热风炉;权重系数;自动控制系统;工业过程;监控
河北联合大学;河北理工大学
硕士
控制理论与控制工程
孙进生
2006
中文
TF325.4;TP273
55
2006-10-18（万方平台首次上网日期，不代表论文的发表时间）