[00133968]基于数据挖掘的智能控制理论研究

针对知识获取的瓶颈问题，这类系统的处理能力主要取决于它所拥有的知识的数量和质量，而目前这类知识的获取主要是将领域专家的知识总结为计算机可以识别的规则加入规则库中，这一过程实质上一个归纳过程，是非常复杂的个人到个人的交互过程，有很强的个性和随机性。这种知识获取是间接的，不但费时费力，而且效率低下；知识库是静态的，系统缺乏自学习和自完善能力，系统在运行过程中不易从新的实例中获得新的知识并扩充知识库，使系统得不到很好的控制效果等问题，确定了本项研究的内容：a.在遵循数据挖掘一般方法的基础上，重点研究实时数据特点：数据量巨大、高维且有较强的耦合性；工业噪声和过程中的不确定性；动态性与数据类型的多样性；多时滞性与不完整性；多模态性。b.研究各种数据挖掘算法特长和适用范围。根据实时数据特点，研究数据挖掘能从大量数据中提取反映系统状态的模式规则的算法与策略，使该方法对数据的不确定性、不完整性，噪声有较强的鲁棒性。c.研究基于数据挖掘的方法，对复杂工业过程的历史数据包括正常状态、异常状态及各种故障状态数据进行聚类、分类分析。建立系统分布式工业过程数据挖掘模型结构。在此基础上，对系统过程，设备状态的当前数据进行在线挖掘分析。d.对已建立的模型进行检验和修正，形成系统动态分析模型。e.研究如何丰富知识库和决策支持系统，与智能控制系统衔接。f.针对“焦炉集气管压力系统”这个典型的工业过程进行应用研究，验证。g.形成基于数据挖掘技术的智能控制理论。基于规则的智能控制技术在实际的工业控制过程中取得了较好的效果，而规则是智能控制的核心，因此如何建立规则也就成为一个十分关键的问题。目前，一般是通过专家和操作人员的实际经验积累而建立起来的，这一过程实质上是一个归纳过程，具有很多的人为因素，往往会造成生产的不稳定，不能适应新情况的发生等等。数据挖掘技术的产生为解决这些问题提供了强有力的工具。它可以充分利用积累的历史数据和当前数据，提取潜在的模式、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。这使得在智能控制中应用数据挖掘技术有了坚实的基础，为今后具体的工业生产过程提供了广阔的应用前景。