在大量实测数据的基础上,结合理论分析,用统计方法建立起适合工程应用的支持辊磨损模型.该模型是一个多峰且高度非线性系统的半经验公式,其参数的估计复杂且计算量大.借助于带记忆的模拟退火算法,得到有效的解决.计算结果表明该模型具有较高的预报精度.在武钢2800四辊轧机应用后,取得明显效果

采用回归分析的方法,建立特征变量与产品质量之间的统计对应关系,把产品质量表达成特征变量的回归函数,进而得到特征空间与产品质量空间在统计意义上的映射关系.在产品质量空间进行聚类,在特征空间进行分类,而后提出了一种基于统计空间映射的在线模式识别方法.利用唐钢烧结厂的实测数据进行了仿真,验证了本方法的正确性.从算法分析和仿真结果看,这一算法可以有效地克服模式交叉现象的影响,并可对复杂生产过程进行在线质量推断

钢坯热轧加热炉区生产调度属于组合优化中的NP-complete问题.本文根据加热炉区生产特点建立了分别以生产能耗最小化和加热质量最优化为主次目标的钢坯加热炉区调度数学模型,将其归结为布尔可满足性问题,构造了采用二进制编码方式的遗传禁忌搜索算法进行求解.基于实际生产数据的模拟优化结果表明,该模型和求解方法充分满足了现场加热炉区生产调度的需求,在满足生产工艺约束的前提下,缩短了生产时间,提高了钢坯入炉温度和加热质量,与传统人工调度方法的结果相比具有更好的节能、高产效果

以工业轧机为对象,根据热连轧板形前馈的特点,研究提出了基于遗传算法的轧制力负荷再分配的模型.实验数据对比分析结果表明,使用该策略能够获得良好的板形及生产的平稳过渡,可用于热连轧生产

主要采用数据挖掘技术中的聚类分析算法对电弧炉炼钢的历史数据进行分析、加工处理,得出不同热装铁水比、炼钢成本、氧耗情况下的炉次分类,再利用K-means聚类法得到聚类结果,并对结果进行分析.通过分析比对,在结果的不同分类中选出最优的用氧和用电曲线

以钢铁企业的冷轧生产过程为背景,分析了酸洗-冷轧联合机组与后续机组间的生产协调特征,探讨了在确保生产连续运行的前提下降低库存水准和降低切换频率的机组切换策略,建立了确定酸洗-冷轧联合机组切换时长和切换批量的优化模型,研究了用于模型求解的切换规则,开发了面向生产实际的应用算法.对企业生产实际数据的计算和分析表明,算法具有良好的计算效率和适用性

从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果

§1 绪论 §2 数值计算中的误差与算法稳定性 §3 计数与数值 §4 舍入方法与有效数字 §5 算术运算中的误差 §6 算法举例

提出了一种基于小波和动态时间弯曲(DTW)距离的时间序列索引和相似匹配方法.该方法采用小波变换进行数据降维,利用R*-tree建立多维索引结构.给出了查询序列的DTW距离边界和其在小波空间的查询超矩形的计算方法,从而将原始空间的基于DTW距离的相似匹配转换为小波空间基于欧氏距离的相似匹配.证明了此匹配方法不会产生漏报,给出了基于DTW距离的范围查询算法和近邻查询算法.实验结果表明该方法具有较高匹配精度和其较低的计算代价

提出了一种基于聚类的支持向量机增量学习算法.先用最近邻聚类算法将训练集分成具有若干个聚类子集,每一子集用支持向量机进行训练得出支持向量集;对于新增数据首先聚类到相应的子集,然后计算其与聚类集内的支持向量之间的距离,给每个训练样本赋以适当的权重;而后再建立预估模型.此算法通过钢材力学性能预报建模的工业实例研究,结果表明:与标准的支持向量回归算法相比,此算法在建模过程中不仅支持向量个数明显减少,而且模型的精度也有所提高