基于模糊推理系統(tǒng)的工業(yè)過程數(shù)據(jù)挖掘.pdf

1、工業(yè)過程數(shù)據(jù)收集和存儲技術(shù)的迅猛發(fā)展導(dǎo)致快速增長的大量數(shù)據(jù)，這些數(shù)據(jù)存儲在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其它種類的數(shù)據(jù)存儲介質(zhì)中。從海量的數(shù)據(jù)中挖掘隱藏的、有用的信息和知識，能夠為工業(yè)過程的在線監(jiān)測、故障診斷、模型辨識、控制策略設(shè)計和預(yù)測等提供強(qiáng)有力的決策支持。 工業(yè)過程數(shù)據(jù)挖掘應(yīng)用的主要任務(wù)是選擇和建立有效的、適合工業(yè)過程數(shù)據(jù)特征的挖掘方法?；谀：评硐到y(tǒng)的數(shù)據(jù)挖掘方法能夠使用同一模型結(jié)構(gòu)(模糊IF-THEN規(guī)則)分別執(zhí)行描述式和預(yù)測式

2、數(shù)據(jù)挖掘任務(wù)，提取的規(guī)則模式易于操作人員的理解和管理者的決策支持。對于復(fù)雜的工業(yè)過程，它能夠用一種自然的方式評價輸入變量的重要性，以選擇最相關(guān)的變量描述系統(tǒng)的動態(tài)行為。定義隸屬度函數(shù)的靈活性有助于在不同的粒度空間上尋找系統(tǒng)的操作模型，挖掘工業(yè)過程變量之間內(nèi)在的關(guān)系和規(guī)律，有效地解決工業(yè)過程的實際問題。論文主要的研究工作如下： (1)針對傳統(tǒng)的、基于梯度的模糊推理系統(tǒng)學(xué)習(xí)方法中存在的收斂速度和振蕩之間的沖突問題，以及動量項學(xué)習(xí)方法

3、中動量項因子的選擇難題，提出一種改進(jìn)的、基于梯度的、用于模糊推理系統(tǒng)參數(shù)優(yōu)化的實時學(xué)習(xí)算法(G-RTL)。通過引入與均方誤差相關(guān)的動態(tài)誤差傳遞因子，使得在相同學(xué)習(xí)率系數(shù)的前提下，與傳統(tǒng)的、基于梯度的學(xué)習(xí)方法和動量項學(xué)習(xí)方法相比，在處理大規(guī)模樣本集時具有較高的收斂速度和精度，并且學(xué)習(xí)過程是穩(wěn)定的，非常適用于工業(yè)過程的在線學(xué)習(xí)。通過經(jīng)典的倒車控制問題和與經(jīng)典。BP網(wǎng)絡(luò)逼近性能比較的仿真結(jié)果表明本方法是有效的。 (2)針對工業(yè)過程系統(tǒng)

4、高維數(shù)據(jù)、非線性的特點，提出一種基于歸一化方差信息的自適應(yīng)模糊規(guī)則挖掘方法(NV-AMFR)?；跀?shù)據(jù)挖掘技術(shù)和Mamdani模糊模型，從一個簡單的初始結(jié)構(gòu)出發(fā)，使用G-RTL學(xué)習(xí)算法優(yōu)化模糊推理系統(tǒng)的參數(shù)向量，利用優(yōu)化后獲得的模糊規(guī)則的置信度度量和隸屬度函數(shù)歸一化方差信息，確定輸入空間中模糊規(guī)則的密度需要加強(qiáng)的區(qū)域，以及用于劃分論域上模糊子集數(shù)目的需要增加的輸入變量，從而可以在不同的粒度空間上有效地挖掘過程變量之間內(nèi)在的聯(lián)系和規(guī)律，而

5、且還能夠用一種易理解的方式評價輸入變量對系統(tǒng)輸出的影響程度，以選擇最相關(guān)的變量描述系統(tǒng)的動態(tài)行為，給出了一個新的、更合適的模型結(jié)構(gòu)。非線性函數(shù)逼近的數(shù)值例子仿真驗證了本方法的有效性。 (3)針對工業(yè)過程數(shù)據(jù)庫中普遍存在的不一致性、不完整性和歷史性，提出一種推理空缺模糊規(guī)則的最鄰近擴(kuò)散方法(ND-EMR)?；谀：评硐到y(tǒng)和樣本數(shù)據(jù)分布的先驗知識，使用改進(jìn)的G-RTL實時學(xué)習(xí)算法，通過確定最優(yōu)輸出模糊子集的質(zhì)心和模糊規(guī)則的置信度度

6、量，推理樣本數(shù)據(jù)未覆蓋區(qū)域上的空缺模糊規(guī)則，并構(gòu)造一個完備的模糊規(guī)則集，從而有效地解決了樣本數(shù)據(jù)未覆蓋的區(qū)域上系統(tǒng)的不可預(yù)測問題。結(jié)合混沌時間序列預(yù)測問題以及與WM方法比較的仿真結(jié)果，表明本方法不僅有效而且可以適于不能預(yù)測的情況。 (4)基于模糊T-S預(yù)測模型，結(jié)合多種數(shù)據(jù)挖掘技術(shù)，提出一個基于數(shù)據(jù)挖掘的復(fù)雜工業(yè)過程智能控制新方法。使用G-RTL實時學(xué)習(xí)算法，快速而準(zhǔn)確地辨識模糊T-S預(yù)測模型；基于所辨識的模糊T-S預(yù)測模型，對