高炉炉况判断神经网络专家系统

在深入分析高炉冶炼特点的基础上,提出泛化特性和自适应特性是高炉炉况判断系统稳定有效运行的2个重要特性.设计了增进系统泛化特性和自适应特性的方案,并相应开发出一套炉况判断专家系统.开发的系统在高炉上运行获得了满意效果.     

高炉异常炉况判断专家系统及神经网络的实现

提出高炉异常炉况判断专家系统原理及实现方法。针对一般专家系统知识获取“瓶颈”现象，引入神经网络实现高炉异常炉况判断。仿真结果表明，这种方法实用可行，为高炉异常炉况判断采用神经网络实现提供了１个很好的实例。     

神经网络高炉炉况预测与判断专家系统

将神经网络传统专家系统有机地结合，建立了用于高炉炉况预测与判断的神经网络专家系统，该系统命中率高，适应性强，且具有良好地自学习功能。     

高炉异常炉况判断专家系统的设计与实现

探讨了高炉异常炉况判断专家系统的结构,讨论了从传感器数据中抽取高炉况特征的方法,时态黑板结构与时间知识表示,对于炉况特征的模糊量化和专家知识中的参数设定,系统采用机器学习方法自动调整,对于高炉异常炉况的操作方法,系统采用规划－动作－反应方法向用出动国作建议,并对所动作动作建议实现实时的重构解释。     

高炉炉况诊断实时专家系统中数据丢失恢复系统的设计

针对高炉炉况诊断和操作决策人工智能系统中出现的上传数据丢失问题,采用计算机网络和数据丢失恢复技术,对集中采集的传感器数据传送到操作站,再上传到服务器中的数据进行检索搜寻,查找“丢失”的数据,然后从产生数据丢失的操作站的原始数据文件中搜寻丢失的数据,将搜寻到的数据重新上传至服务器,完成“丢失”数据的自动恢复.     

高炉炉况评价系统的设计与实现

利用高炉指数化模型和评分方法来评价主炉炉况的好坏，提出了依据统计的观点，以提高炉况评价的符合率为目标的爬山搜索方法，其符合率为９６．３５％，构造了炉况评价系统中的参数自学习子系统，运行结果，其符合率为９３．７５％。     

基于SPC的高炉炉况异常检测研究

针对高炉冶炼过程复杂多变,影响高炉炉况的因素众多且运行过程复杂,为保证高炉炉况稳定顺行,开发了一种基于主元分析(PCA)和统计过程控制(SPC)的高炉炉况异常检测模型。由于高炉运行参数具有高耦合和非高斯的特点,该模型首先采用主元分析算法对高炉实际生产的历史离线数据进行聚类分析,然后应用基于T²统计量的多元控制图和单值控制图对聚类后的新变量和相关参数进行监测,从而达到监测高炉出现异常炉况的目的。该模型可以实时监测高炉炉况的异常波动,其中PCA算法将高炉本身的高维数据降到低维,大幅去除数据中的噪声和不重要特征,在实际生产和应用中,节省了大量的成本和时间。选取马钢某高炉炼铁过程为应用场景,结合数据特点调整和改进算法,通过历史数据模拟和实时在线运行验证模型的可靠性和算法的有效性,同时也对指导高炉实际操作技术做出了一定的贡献。     

基于神经网络的专家系统

人工神经网络与专家系统,作为人工智能应用的两大分支,在实际应用中都有许多成功的范例,但作为单个系统来讲,二者都存在很大的局限性。主要是专家系统知识获取的"瓶颈问题"和神经网络知识表达的"黑箱结构"。为解决这个问题,本文提出将专家系统与神经网络技术集成,达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难,同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型,知识表示方式以及推理机制等。     

基于神经网络的专家系统

人工神经网络与专家系统，作为人工智能应用的两大分支，在实际应用中都有许多成功的范例，但作为单个系统来讲，二者都存在很大的局限性。主要是专家系统知识获取的“瓶颈问题”和神经网络知识表达的“黑箱结构”。为解决这个问题，本文提出将专家系统与神经网络技术集成，达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难，同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型，知识表示方式以及推理机制等。     

人工智能高炉冶炼过程专家系统

为了用现代技术提升传统产业,实现炉况判断自动化和操作标准化,从人工智能、知识工程和模糊数学的理论出发,开发了一个用于高炉各种炉况故障判断与操作指导的综合专家系统.该系统用C Builder实现并与现场生产画面结合,采用菜单操作方式,人-机界面方便灵活.在仿真系统上通过现场生产数据的调试与运行表明,该系统准确可靠,能给出高炉各种故障状态的预报和相应的操作指导.     

高炉专家系统知识表达方法

分析了高炉炉况知识的特征。对各种知识表达方法进行了具体的分析并给出了实例,提出了采用“产生式规则＋框架＋语义网＋神经网络＋过程”的综合知识表达方法。     

高炉专家系统的数据采集与处理

高炉专家系统是基于传感器型的生产线实时专家系统，高炉信号由传感器采集后，需经过过程计算机进行预处理，数据预处理包括一次预处理和二次预处理，一次预处理即实现监测数据的平滑，二次预处理包括复合参数的计算，特征参数的计算及参数的模糊处理，通过预处理后的数据便可以用于高炉专家系统的推理，以提高高炉专家系统的命中率。     

高炉专家系统的不精确推理模型

为适应高炉专家系统的要求，开发了一种不精确推理模型，在该 ，全面考虑了重要度，γ算子、证据值、佐证条件、时间因素及分层阈值等对最终结果的影响。     

武钢四号高炉冶炼专家系统的研制

介绍武钢四号高炉冶炼专家系统的开发背景，描述它的组成、网络结构和软件开发，详细分析它的主要功能，阐明专家系统对保证武钢四号高炉稳定、顺行所起的重要作用。     

高炉热状态预测专家系统的设计及实现方法

利用人工智能、知识工程及模糊数学思想，开发了高炉炉热预测专家系统．该系统知识表达采用了产生式规则的方式，推理机采用了模糊数学中可信度的方法进行模糊推理，取得了比较满意的效果．