国家高技术研究发展计划(2003AA412010) 作品数:17 被引量:224 H指数:9 相关作者: 钱锋 郑小霞 荣冈 王宏安 邹益仁 更多>> 相关机构: 华东理工大学 中国科学院自动化研究所 浙江大学 更多>> 发文基金: 国家高技术研究发展计划 国家重点基础研究发展计划 国家自然科学基金 更多>> 相关领域: 自动化与计算机技术 化学工程 经济管理 更多>>
模糊神经网络推理的实时故障诊断专家系统 被引量:17 2006年 将模糊神经网络推理引入专家系统,采用修正的RLS算法训练网络的权系数,以此开发了模糊神经网络实时故障诊断专家系统,并将其成功应用于某化工厂大型PTA装置。文章介绍了系统的总体结构和主要特点,并以溶剂脱水塔釜水浓度高事件为例阐述了系统的具体实现。现场运行表明:该系统预报准确,界面友好,能满足工厂的实际需求,具有良好的易维护性和可扩充性。 郑小霞 钱锋关键词:模糊神经网络 故障诊断 专家系统 PTA 一种混杂系统数据校正新方法 被引量:8 2005年 对于既包含连续生产过程又包含离散事件的混杂系统,尤其是对于带有生产方案切换的实际生产过程,通过在物料平衡模型中引入随机调度方程,从而构造出包含随机调度方程参数变量θ的新型协调模型,然后利用一种不确定模型的协调算法对此模型进行求解,最后,通过仿真研究证实了该方法的有效性和鲁棒性. 张奇然 荣冈关键词:数据校正 混杂系统 权重队列实时调度系统的反馈控制 2007年 针对工作在不可预测环境下具有不确定性任务特征的实时调度系统的服务区分问题,利用队列理论对权重队列实时调度系统进行多变量控制建模,并结合模型预测控制方法将控制问题转化为受限多变量优化问题,进而基于标准的最小二乘求解器设计预测控制调度框架以及算法。通过调整任务类的权重因子来改变任务类的计算资源分配,以实现为调度任务类提供相对延迟时间比保证。仿真试验结果表明,所设计方法在任务到达速率和执行时间变化且不能预知的情况下,仍然能为系统提供良好的相对延迟时间比控制。 张军 邹益仁关键词:实时调度 预测控制 一种新的种群数自适应遗传算法 被引量:9 2006年 针对简单遗传算法存在早收敛和在进化后期搜索效率较低的缺点,提出了一种新的种群数自适应遗传算法。该算法在对进化种群数进行宏观调控的同时,再用个体寿命限制个体的生存期,实现对种群数的微观调控。实验数据表明,该算法具有比简单遗传算法好的收敛性能。 何宏 钱锋关键词:遗传算法 基于模式优选思想改进的粒子群优化算法 被引量:3 2006年 针对粒子群优化算法(PSO)容易陷入局部最优值的缺点,提出一种基于遗传算法模式定理思想改进的粒子群优化算法(IPSO).新算法改善了粒子群优化算法摆脱局部极小点的能力.对典型函数的测试表明,IPSO算法的全局搜索能力有了显著提高,特别是对多峰函数能有效地避免早熟收敛问题.将改进的粒子群优化算法用于氧化反应动力学参数的优化,计算结果表明,新算法优化结果明显优于文献报道. 李绍军 王惠 钱锋关键词:粒子群 反应动力学 数据挖掘中关联规则算法的研究及应用 针对Apriori和AprioriTid算法中存在的项集生成瓶颈问题,提出了一种基于事务集压缩、候选项集压缩和支持度布尔矩阵的改进AprioriTid算法.该算法中通过删去不必比较的事务来有效缩减数据集;优化频繁项集的自... 高杰 李绍军 钱锋关键词:数据挖掘 关联规则 APRIORI算法 APRIORITID算法 频繁项集 文献传递 流程工业MES中的数据集成研究及应用 被引量:13 2006年 MES是流程工业综合自动化系统的关键环节。数据集成是MES中的基础。如何实现在异构网络、异构操作系统、异构数据库等异构环境中的数据集成是系统集成中的难点。该文提出了一种基于实时数据平台的集成模型,并应用于实际系统集成中,取得了比较满意的效果。 邓全亮 邹云涛 邹益仁关键词:制造执行系统 实时数据平台 数据集成 数据挖掘中关联规则算法的研究及应用 被引量:4 2006年 针对Apriori和AprioriTid算法中存在的项集生成瓶颈问题,提出了一种基于事务集压缩、候选项集压缩和支持度布尔矩阵的改进AprioriTid算法.该算法中通过删去不必比较的事务来有效缩减数据集;优化频繁项集的自连接方式来减少生成的候选项集个数;使用支持度布尔矩阵来加快候选项集的验证速度.实验结果表明改进算法比原算法执行效率明显提高,同时也验证了该算法在油液监测故障诊断中的有效性. 高杰 李绍军 钱锋关键词:数据挖掘 关联规则 APRIORI算法 APRIORITID算法 频繁项集 Blending Scheduling under Uncertainty Based on Particle Swarm Optimization Algorithm 被引量:19 2005年 Blending is an important unit operation in process industry. Blending scheduling is nonlinear optimiza- tion problem with constraints. It is difficult to obtain optimum solution by other general optimization methods. Particle swarm optimization (PSO) algorithm is developed for nonlinear optimization problems with both contin- uous and discrete variables. In order to obtain a global optimum solution quickly, PSO algorithm is applied to solve the problem of blending scheduling under uncertainty. The calculation results based on an example of gasoline blending agree satisfactory with the ideal values, which illustrates that the PSO algorithm is valid and effective in solving the blending scheduling problem. ZHAO Xiaoqiang(赵小强) RONG Gang(荣冈)关键词:微粒群算法 约束优化问题 PSO算法 一种改进的微粒群优化算法 被引量:27 2006年 提出了一种基于差分进化算子变异的改进微粒群优化算法,为减小陷入局优的可能性,在群体最优信息陷入停滞时引入差分进化算子变异,使算法摆脱局部极优点的束缚,同时又保持前期搜索速度快的特性,提高全局搜索能力。仿真实验表明:与标准微粒群优化算法相比,该文算法的全局收敛性能得到了显著提高,能有效避免微粒群优化算法中的早熟收敛问题。 郑小霞 钱锋关键词:微粒群 差分进化