基于粗糙集-BP神经网络的浮选槽液位预测

针对反浮选过程中浮选槽液位指标难以建立精确的数学模型、常规检测方法不能有效控制问题,提出一种将粗糙集与BP神经网络理论相结合方法[1],建立反浮选液位软测量模型.从浮选过程积累的数据中获取过程知识,通过粗糙集属性约简对训练样本数据进行处理,根据结果确定BP网络的输入、输出、隐层神经元数,从得到的优化设定自动更新浮选槽液位控制回路的设定值,避免了人工控制的不稳定性和不精确性.此方法应用于某浮选厂,满足了液位预测要求的精度,在液位控制、经济指标提高及浮选过程稳定等方面取得了明显的效果.     

基于粗糙集-BP神经网络的浮选槽液位预测

针对反浮选过程中浮选槽液位指标难以建立精确的数学模型、常规检测方法不能有效控制问题,提出一种将粗糙集与BP神经网络理论相结合方法[1],建立反浮选液位软测量模型。从浮选过程积累的数据中获取过程知识,通过粗糙集属性约简对训练样本数据进行处理,根据结果确定BP网络的输入、输出、隐层神经元数,从得到的优化设定自动更新浮选槽液位控制回路的设定值,避免了人工控制的不稳定性和不精确性。此方法应用于某浮选厂,满足了液位预测要求的精度,在液位控制、经济指标提高及浮选过程稳定等方面取得了明显的效果。     

多变量统计过程控制在浮选生产过程中的应用

针对浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点,提出一种用于阳离子浮选过程的多变量统计过程控制药剂流量方法,使系统具备一定的自学习和自组织的能力.仿真研究和现场运行试验表明,提出的控制方法能够满足浮选过程控制的要求.     

多变量统计过程控制在浮选生产过程中的应用

针对浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点,提出一种用于阳离子浮选过程的多变量统计过程控制药剂流量方法,使系统具备一定的自学习和自组织的能力.仿真研究和现场运行试验表明,提出的控制方法能够满足浮选过程控制的要求.     

多变量统计过程控制在浮选生产过程中的应用

针对浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点,提出一种用于阳离子浮选过程的多变量统计过程控制药剂流量方法,使系统具备一定的自学习和自组织的能力。仿真研究和现场运行试验表明,提出的控制方法能够满足浮选过程控制的要求。     

多变量统计过程控制在浮选生产过程中的应用

针对浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点，提出一种用于阳离子浮选过程的多变量统计过程控制药剂流量方法，使系统具备一定的自学习和自组织的能力。仿真研究和现场运行试验表明，提出的控制方法能够满足浮选过程控制的要求。     

基于λ-灰相似关系粗糙集模型的评价指标筛选方法研究

将粗糙集理论和灰色系统理论结合起来,确立了λ-灰相似关系的概念与基于λ-灰相似关系粗糙集模型.提出了运用λ-灰相似关系粗糙集属性约简进行指标筛选的方法,这种方法适于待定指标为灰信息的指标筛选.实例证实了方法的有效性.     

基于案例推理的浮选过程智能优化设定

针对在浮选过程中表征关键工艺指标的精矿品位和尾矿品位难以建立精确数学模型,而常规控制方法又难以进行有效控制的难题,将案例推理和常规控制相结合,提出了基于案例推理技术的浮选过程工艺指标优化设定方法.该方法从浮选过程积累的大量过程历史数据中获取过程知识,将典型生产工况总结成案例的形式来构造案例库,并对案例检索、案例重用、案例修正及存储进行了论述.由智能优化设定模型自动更新基础控制回路的设定值,避免了人工手动设定的主观性和随意性.该方法应用于某选矿厂浮选过程,取得了显著的应用效果,表明了该方法的有效性.     

基于Skowron差别矩阵的建筑施工安全评价指标约简

为了科学合理地对建筑施工现场安全评价指标进行优化,在结合相关规范标准和实地调研的结果等基础上,构建了建筑施工现场安全评价的指标;然后,运用粗糙集理论中Skowron差别矩阵对指标进行了约简。结果表明:在不影响结果的前提下,通过约简,建筑施工现场安全评价指标由15个缩减为5个,减少了后续的评价工作量,同时也为建筑施工现场预防安全事故提供指导。     

智能数据预处理在浮选过程中的应用

针对反浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点,提出一种基于主元分析和模糊聚类的数据预处理算法.采用模糊C均值聚类算法得到聚类中心,进行线形回归从而对过程变量数据进行了预处理.主元分析法则用来进行辅助变量的选取和输入高维向量的降维简化,针对主元变量采用径向基函数网络建立了系统经济技术指标的预测模型.根据工业实际生产数据进行的模型校验和误差分析表明,能够满足浮选过程控制的精度要求.     

一种基于粗集理论方法的水位模糊控制器设计

应用粗集理论中知识表达系统决策规则的简化方法对模糊控制规则进行约简来设计粗糙模糊控制器,通过约简简化控制系统,从而得到一个最简控制决策规则,使系统更易于控制。完成了水箱水位粗糙模糊控制器的设计,并分别进行了模糊控制和粗糙模糊控制仿真研究,研究结果表明该粗糙模糊控制能有效改善模糊控制的性能。     

优化ABR业务中拥塞控制的一种新算法

提出了一种新的ABR业务中拥 塞控制的算法，该算法是由粗略调整方式RAM和精确调整方式DAM组成，其优点是可以同时提供快速响应和稳定收敛的特性。仿真结果表明了该算法的有效性。     

基于粗糙集神经网络PID的串级控制系统设计

提出一种基于粗糙集的神经网络PID控制器。该控制器利用粗糙集的数据约简方法，约简BP网络样本的冗余属性和属性值并保留重要数据得到最小样本，然后用这个最小样本训练BP网络。最后利用BP网络对动态过程中的PID控制参数进行实时在线调整。对串级过热气温控制系统的仿真结果表明，与传统的神经网络PID建模方法相比，该控制器网络训练时间少、抗扰性和鲁棒性强。     

Rough集理论及其应用发展

论述了Rough集理论在人工智能、认知科学等领域的应用情况，讨论了Rough集理论的发展前景及趋势．论文中较为重要的创新之处的是，基于粗糙神经网络构造了一种从虚拟的场景图像智能化地直接推测符合主观听感的音质效果参数的模型．     

粗糙群的同态与同构

主要讨论粗糙集理论在代数统一群上的应用,介绍了粗糙群粗糙同态及粗糙群粗糙同构的概念,提出并证明了与此相关的性质。     

一个专家控制系统的Matlab程序实现

首先简述基于粗集方法的专家控制系统的基本构成、知识表达方式及学习推理方法,通过研究导师的知识与学习者的知识之间的依赖程度,提出了一个专家控制系统的生产过程中决策控制规律推理的方法,最后给出了利用Matlab实现该生产系统简化及决策控制规律推理的程序。     

粗糙幂半群

基于幂半群的同余关系,首次给出了粗糙幂半群的概念,得到了粗糙幂半群的一些性质,还讨论了粗糙幂半群的同态与同构．     

粗糙幂半群

基于幂半群的同余关系,首次给出了粗糙幂半群的概念,得到了粗糙幂半群的一些性质,还讨论了粗糙幂半群的同态与同构．     

粗糙集理论中一元、二元粗糙函数定义的改进及数学分析性质的讨论

指出了已有的一元,二元粗糙函数定义的不足之处并进行了合理的改进,进一步与实函数相类比,讨论了它的数学分析性质,诸如粗糙连续,粗糙导数,粗糙积分,得到了一些结果。     

粗相等与粗相等代数

讨论了粗等价的性质 ,证明了粗相等关系是 Boolean代数 (2 U,∩ ,∪ ,～ )上的同余关系 ,给出了 2 U上的一个等价关系是粗相等的刻画 .从粗相等出发 ,引入了一类新的代数系统——粗相等代数