针对BP神经网络训练时间长的问题,采用基于案例推理的方法预测精炼开始钢水温度.首先,应用层次分析法确定影响精炼开始钢水温度的各个因素的权值,并使用灰色关联度来计算案例的相似度,克服了传统相似度计算方法在案例信息不完整的情况下无法获取准确结果的缺点.然后,提出一个包含类选、粗选、精选和择优的四步检索方法,大大缩短了检索时间.最后,实验比较了人工神经网络和基于案例推理两种方法,结果表明基于案例推理比人工神经网络具有更高的命中率

工业监控系统所采集到的多元时间序列在利用数据挖掘技术获取内部存在的未知模式的过程中，经常会出现原始数据庞杂、分段结果重复、交集过多和界限不清晰等问题，导致含有突变变量或数据间相关性差的数据集进行模式挖掘结果不理想.针对上述问题，本文提出了一种新的多元时序模糊聚类分段挖掘算法.实验结果表明，该算法克服了Gath-Geva算法聚类精度易受初始值影响的不足，能够较好地反映出原始数据中潜在的过程变化，从而有效地处理时间序列的分段问题并得到理想的挖掘结果

为了获取喷嘴振荡腔内的压力脉动信号,提出一种新的检测方法.首先分析自振射流的特性,设计了产生自振射流的喷嘴结构;结合计算流体动力学分析喷嘴腔内动压分布,确定测压点位置;运用流体网络理论分析自振射流的频率特性,在此基础上确定用于实验的微型高响应压力传感器;考虑到腔内振荡信号的非平稳性,采用希尔伯特-黄变换（HHT）信号分析方法.实验结果表明,腔内振荡信号主要集中于40~60 Hz、110~150 Hz和200~310 Hz三个频带,且组成频率成分所对应的幅值差异明显;距离喷嘴出口较近处,自振信号振幅较大,频带窄

在转炉留渣-双渣工艺脱磷阶段结束倒渣时,分别使用样勺获取倒渣开始时上部泡沫渣,倒渣结束时下部泡沫渣以及倒渣结束后炉内剩余底部泡沫渣,使用宏观及微观的方法分别分析泡沫渣各部位气泡分布特点.结果表明:气泡平均当量直径,上部>下部>底部;孔隙率,上部>下部>底部.转炉泡沫渣的形成过程为:随着大量CO/CO2气泡进入渣中,气泡之间不断碰撞、合并,上部气泡被下部气泡抬挤且由于气泡本身的浮力作用,气泡不断上升,气泡在上升时由于重力作用,气泡之间渣相在重力作用下析液,气泡的拓扑结构不断发生变化,同时气泡之间不断碰撞、合并,最后形成上部气泡直径大且孔隙率高,下部气泡直径小且孔隙率低的泡沫渣

为了获取低挥发性有机物的吸附等温线,基于Langmuir方程,提出一种推算低浓度低挥发性有机物的吸附等温线的方法.脱附活化能由改进的程序升温脱附模型进行动力学分析获得,由此获得的Langmuir方程中的平衡常数B,较经典程序升温脱附模型求算值更接近本征值,且不受是否发生再吸附现象影响;饱和吸附量可结合吸附剂表征结果可得到.此方法应用于低浓度萘在SBA-15上的吸附等温线的推算,脱附活化能为58.37 kJ·mol-1,平衡常数为0.01149 Pa-1,饱和吸附量为55.11 mg·g-1,相对误差约5%,与实验值较好吻合

实际生产中油气悬架内部油液可能存在温度梯度,而目前油气悬架温升研究中多将其内部的油液整体作为一个研究对象,这会导致对油气悬架系统温度变化的预测不准确.针对该问题,将油气悬架内部油液划分为多个区域,在油液多区域的油气悬架的热力学模型中引入油液流动传质.通过仿真计算确定油液流动状态获取油液传质的量,分析油气悬架中各个区域油液温度的变化趋势,并将模型计算与试验结果进行对比.结果表明,油气悬架内部油液存在温度梯度,将油液作为整体对象进行研究会存在一定误差,将油液划分为多个区域后进行研究能较为精确地描述油气悬架内部油液温度变化规律

针对人工鱼群算法(AFSA)存在收敛速度慢和寻优精度低等问题,本文提出了一种改进人工鱼群算法(IAFSA).该算法中的人工鱼能够根据鱼群当前状态调整自身的视野和步长来平衡局部搜索和全局搜索.此外,算法中还加入了引导行为,即人工鱼在觅食行为未发现更优的位置时,当前人工鱼向最优人工鱼移动一步.仿真结果表明,改进人工鱼群算法在收敛速度、寻优精度和克服局部极值等方面有很大优势.本文将改进鱼群算法应用时滞系统的辨识中,辨识结果表明改进算法能获取被控对象的精准数学模型,并具有较强的抗干扰能力

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

围绕知识图谱的全生命周期技术，从知识抽取、知识融合、知识推理、知识应用几个层面展开综述，重点介绍了知识融合技术和知识推理技术。通过知识抽取技术，可从已有的结构化、半结构化、非结构化样本源以及一些开源的百科类网站抽取实体、关系、属性等知识要素。通过知识融合，可消除实体、关系、属性等指称项与实体对象之间的歧义，得到一系列基本的事实表达。通过本体抽取、知识推理和质量评估形成最终的知识图谱库。按照知识抽取、知识融合、知识推理3个步骤对知识图谱迭代更新，实现碎片化的互联网知识的自动抽取、自动关联和融合、自动加工，从而拥有词条自动化链接、词条编辑辅助功能，最终达成全流程自动化知识获取的目标。最后，讨论知识图谱未来的发展方向与可能存在的挑战

为探明全尾砂高浓度充填料浆的灰砂比、浓度和流速对管道阻力的影响规律，预测工业充填管道阻力，开展中试规模环管试验。根据管壁切应力与剪切速率关系建立管道阻力预测模型，利用灰关联法分析各因素对管道阻力的影响强弱，通过线性回归获取料浆流变参数。结果表明，管道阻力对料浆浓度的变化最为敏感，随浓度增加成二次函数增长。料浆流速对管道阻力的影响仅次于浓度，层流输送时管道阻力随流速增加成线性增长。灰砂比对管道阻力的影响有双重性，灰砂质量比小于1∶8时胶凝材料的黏结作用占主导并增加管道阻力，反之胶凝材料的润滑作用占主导并降低管道阻力。环管试验得到的料浆流变参数明显小于流变仪测试结果且更接近工程实际，管道阻力预测模型的误差小于10%