|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 知识驱动的流程工业智能制造显示文摘智能制造是实现我国流程工业高效化、绿色化、高质量发展的必由之路.知识是流程工业智能制造的核心要素,知识驱动的流程工业智能制造是流程制造业发展的新模式.论文从流程制造业中知识的重要性和特点出发,综述了知识研究及应用现状.提出了知识驱动的流程工业智能制造系统框架,探讨了深度知识获取、知识注入和工业知识图谱等关键技术.通过铝电解企业智能决策过程应用案例阐明了以上关键技术在流程工业智能制造系统中的重要作用.最后给出了知识驱动的流程工业智能制造面临的挑战性问题和未来展望. | 桂卫华 曾朝晖 陈晓方 谢永芳 孙玉波 | 2020 | 中国科学:信息科学2020，50，9： | 19 |
| 2 | 近年来知识融合研究进展与趋势显示文摘[目的/意义]对近年来知识融合相关研究进行梳理与评价,以期为今后相关研究提供参考。[方法/过程]首先解析知识融合的概念,然后对知识融合的框架、过程和方法进行梳理,继而总结知识融合的研究趋势,最后进行研究展望。[结果/结论]知识融合研究在大数据环境下呈现出新的研究特点,但还不能满足大数据环境的要求,未来应从构建分层多维立体的大数据知识融合框架、提高知识融合的效率、构建实时动态融合机制、开展大数据实证应用研究4个方面开展知识融合研究。 | 朱祥 张云秋 | 2019 | 图书情报工作2019，63，16： | 11 |
| 3 | 流程工业知识自动化及其在铝电解生产中的应用显示文摘流程工业中存在大量的知识型工作,其中包括企业管理、车间调度和设备运行等,它是需要相关人员对知识的利用和创造才能完成的工作.流程工业知识自动化通过知识发现技术获得相关的领域知识,并采用知识推理方法进行自动推理,从而能够自主决策,最终实现流程工业的智慧化、绿色化以及高效化生产.论文综述了国内外有关流程工业在知识发现、自动推理以及自主决策等知识自动化相关的研究现状,以及基于知识的自动化应用技术以及相关的工业软件,并对这些方法以及已开发的软件存在的问题进行了分析.通过铝电解槽况辨识以及异常槽况的溯因分析详细阐述了流程工业知识自动化在铝电解行业的一些研究工作. | 桂卫华 岳伟超 陈晓方 谢永芳 阳春华 | 2018 | 控制理论与应用2018，35，7： | 6 |
| 4 | A Data and Knowledge Collaboration Strategy for Decision-Making on the Amount of Aluminum Fluoride Addition Based on Augmented Fuzzy Cognitive Maps显示文摘In the aluminum reduction process, aluminum uoride (AlF3) is added to lower the liquidus temperature of the electrolyte and increase the electrolytic ef ciency. Making the decision on the amount of AlF3 addi- tion (referred to in this work as MDAAA) is a complex and knowledge-based task that must take into con- sideration a variety of interrelated functions;in practice, this decision-making step is performed manually. Due to technician subjectivity and the complexity of the aluminum reduction cell, it is dif cult to guarantee the accuracy of MDAAA based on knowledge-driven or data-driven methods alone. Existing strategies for MDAAA have dif culty covering these complex causalities. In this work, a data and knowl- edge collaboration strategy for MDAAA based on augmented fuzzy cognitive maps (FCMs) is proposed. In the proposed strategy, the fuzzy rules are extracted by extended fuzzy k-means (EFKM) and fuzzy deci- sion trees, which are used to amend the initial structure provided by experts. The state transition algo- rithm (STA) is introduced to detect weight matrices that lead the FCMs to desired steady states. This study then experimentally compares the proposed strategy with some existing research. The results of the comparison show that the speed of FCMs convergence into a stable region based on the STA using the proposed strategy is faster than when using the differential Hebbian learning (DHL), particle swarm optimization (PSO), or genetic algorithm (GA) strategies. In addition, the accuracy of MDAAA based on the proposed method is better than those based on other methods. Accordingly, this paper provides a feasible and effective strategy for MDAAA. | Weichao Yue Weihua Gui Xiaofang Chen Zhaohui Zeng Yongfang Xie | 2019 | Engineering2019，5，6： | 3 |
| 5 | 一种基于动态鉴别性序列的多变量时间序列分类方法及在阳极电流信号上的应用(英文)显示文摘多变量时间序列的分类方法是时间序列知识发现的重要组成部分。因此,提出了多种多变量时间序列分类方法。然而,大部分的多变量时间序列方法都没有考虑鉴别性特征不受维度限制的时间序列。因此,本文提出了一种基于shapelet转换的特征提取方法。首先,从同一类别中的所有维度的候选shapelet中提取核心特征,它代替k个shapelet计算距离。其次,利用相似数量特征去加强分类的可靠性。最后,为缩短搜索和聚类shapelet的时间使用了距离矩阵。基于公共数据集的实验结果表明了该方法的有效性,且将实验结果成功地应用于阳极电流信号的分类。 | 万晓雪 陈晓方 桂卫华 岳伟超 谢永芳 | 2020 | Journal of Central South University2020，27，1： | 3 |
| 6 | Constrained voting extreme learning machine and its application显示文摘Extreme learning machine(ELM)has been proved to be an effective pattern classification and regression learning mechanism by researchers.However,its good performance is based on a large number of hidden layer nodes.With the increase of the nodes in the hidden layers,the computation cost is greatly increased.In this paper,we propose a novel algorithm,named constrained voting extreme learning machine(CV-ELM).Compared with the traditional ELM,the CV-ELM determines the input weight and bias based on the differences of between-class samples.At the same time,to improve the accuracy of the proposed method,the voting selection is introduced.The proposed method is evaluated on public benchmark datasets.The experimental results show that the proposed algorithm is superior to the original ELM algorithm.Further,we apply the CV-ELM to the classification of superheat degree(SD)state in the aluminum electrolysis industry,and the recognition accuracy rate reaches87.4%,and the experimental results demonstrate that the proposed method is more robust than the existing state-of-the-art identification methods. | MIN Mengcan CHEN Xiaofang XIE Yongfang | 2021 | Journal of Systems Engineering and Electronics2021，32，1： | 3 |
| 7 | Dynamic response surface methodology using Lasso regression for organic pharmaceutical synthesis显示文摘To study the dynamic behavior of a process,time-resolved data are collected at different time instants during each of a series of experiments,which are usually designed with the design of experiments or the design of dynamic experiments methodologies.For utilizing such time-resolved data to model the dynamic behavior,dynamic response surface methodology(DRSM),a datadriven modeling method,has been proposed.Two approaches can be adopted in the estimation of the model parameters:stepwise regression,used in several of previous publications,and Lasso regression,which is newly incorporated in this paper for the estimation of DRSM models.Here,we show that both approaches yield similarly accurate models,while the computational time of Lasso is on average two magnitude smaller.Two case studies are performed to show the advantages of the proposed method.In the first case study,where the concentrations of different species are modeled directly,DRSM method provides more accurate models compared to the models in the literature.The second case study,where the reaction extents are modeled instead of the species concentrations,illustrates the versatility of the DRSM methodology.Therefore,DRSM with Lasso regression can provide faster and more accurate datadriven models for a variety of organic synthesis datasets. | Yachao Dong Christos Georgakis Jacob Santos-Marques Jian Du | 2022 | Frontiers of Chemical Science and Engineering2022，16，2： | 2 |
| 8 | 铝电解数字孪生体构建及应用研究显示文摘智能制造与传统铝电解技术的深度融合,引领着铝电解行业可持续发展,但是当前铝电解实体装备与数据模型缺乏有效映射,阻碍了铝电解行业智慧转型的步伐。因此,本文将数字孪生技术与铝电解生产技术有机结合,开展铝电解数字孪生体整体架构设计、关键技术研发及应用研究,构建物理实体、虚拟模型、孪生数据、智能决策服务及虚拟-现实交互连接五维模型。铝电解物理实体划分为电解厂、电解车间及电解设备三个层级,通过三维场景数字化建模、离线物理场建模及动态仿真数学建模,映射与之对应的虚拟模型。使用交互连接技术进行物理实体与虚拟模型实时同步孪生数据,部署铝电解数字孪生体原型系统,实现铝电解生产环节虚实映射,为铝电解行业数字化、智能化转型提供了先进思路与技术方法。 | 李劼 罗若木 彭晨 冉岭 张红亮 | 2023 | 中南大学学报(自然科学版)2023，54，2： | 1 |
| 9 | 图书情报领域知识融合研究现状分析显示文摘通过使用SATI、UCINET、Netdraw等工具,对CNKI上获取的图书情报领域研究的知识融合文献进行分析,在目前研究现状进行梳理的同时发现所存在的问题和不足,旨在促进知识融合的进一步发展。首先,得到知识融合相关研究的时间和空间特征;然后,对知识融合研究的作者分布进行分析,最后进行高频关键词共现分析与聚类分析来把握知识融合内容特征与集团化特征,总结目前知识融合研究的热点及不足,针对这些问题提出若干建议。 | 张蓉 张澜 | 2020 | 科技创业月刊2020，33，2： | 0 |
| 10 | 从结构推断到根因识别——工业过程故障根因诊断研究综述显示文摘由于现代工业过程的复杂结构,变量间普遍存在紧密耦合,故障往往在变量间广泛传播,为过程运维带来挑战.针对该问题,工业根因诊断(industrial root cause diagnosis,IRCD)技术应运而生,其从异常变量中确定故障根因,便于针对性故障处理.IRCD包含两个主要步骤:结构推断和根因识别.前者建立变量间的信息传递结构;后者根据传递结构定位根因.然而,现有IRCD综述多侧重于结构推断,未对根因识别步骤进行调研,且未建立起各类IRCD模型与过程特性间的系统关联.为此,从结构推断和根因识别两个层级展开IRCD的研究综述.首先,依据推断准则的异同,归纳4类经典结构推断模型;其次,考虑到过程的高维度、非线性、非平稳性质以及机理知识的效用,对结构推断模型的变种及适用场景进行梳理;随后,对根因识别方法进行归类,包括纯数据驱动、知识与数据融合驱动的范式,涵盖6类典型方法,并分析它们的优势与不足;最后,讨论IRCD技术中存在的挑战,并给出未来研究方向,为后续研究提供参考. | 赵春晖 宋鹏宇 | 2023 | 控制与决策2023，38，8： | 0 |
| 11 | 基于分布式感知的铝电解智能识别系统及应用显示文摘传统铝电解过程人工干预较多,决策的随意性和不可靠性直接影响着电解槽的运行稳定性,进而对技术经济指标产生重大影响。为推进铝电解生产实现智能制造转型升级,采用新型分布式检测装置实现电解槽状态参数实时获取,并在此基础上结合两级智能识别方法,实现生产过程的精细化控制。研究结果表明:在实际投运过程中,上述技术使国内某铝电解厂350 kA系列阳极效应系数降低到0.006次/(槽·d),平均电流效率提高1.3%,每生产1 tAl节电338 kW·h,取得了显著的增效节能减排效果,可为铝电解槽数字孪生体的构建提供参考。 | 邹忠 彭晨 李劼 张红亮 罗若木 肖胜华 韩博 | 2023 | 中南大学学报(自然科学版)2023，54，2： | 0 |
| 12 | 基于特征融合和ILSTSVM的铝电解过热度识别显示文摘为提高过热度识别的准确性和降低成本,提出了一种融合火眼图像深层特征和浅层特征的过热度识别方法。首先,提出CNN-CGWO-ILSTSVM的过热度识别模型,利用卷积神经网络(CNN)对火眼图像进行深层特征提取,利用改进的最小二乘孪生支持向量机(ILSTSVM)作为分类器提高算法的泛化能力和运算效率。然后,针对ILSTSVM参数选择困难,采用混沌灰狼优化算法(CGWO)对ILSTSVM进行参数寻优,从而提高分类器的精度和泛化能力。最后,采用实际生产数据对方法进行验证。实验结果表明,提出的CNN-CGWO-ILSTSVM模型提高了火眼图像识别的泛化能力和鲁棒性,该方法识别的准确率为93.74%,对比目前的过热度识别方法,显示出更好的优越性。 | 刘斌 韦业辉 徐辰华 熊建斌 | 2022 | 广西大学学报(自然科学版)2022，47，4： | 0 |
| 13 | 基于时序数据挖掘的铝电解槽工艺参数优化研究显示文摘中国铝电解生产过程通过获取在线监测数据和离线测量数据进行自动化控制,但是因工艺反应机理复杂、异构数据关联度低、作业控制大量依赖人工经验等问题,只能实现模糊控制,为了进一步提升电流效率、节能降耗,需要深入研究电解槽各项铝工艺参数间的数据相关度模型,本文基于铝电解槽生产时的时序数据,采用数据挖掘方法发现工艺参数之间关联性关系。首先,将预处理好的数据进行平稳性检验和正态分布检验,将满足性质的序列集合通过皮尔逊相关性分析、格兰杰因果检验和梯度提升回归树得到各个工艺参数之间的相关系数集合、因果关系集合和非线性关系系数集合,并建立工艺参数之间数学模型;其次,将非线性关系系数集合通过有向概率图建立物料平衡和热量平衡模型。以果变量出铝量为例,平衡模型检索出影响出铝量的所有工艺参数并进行验证,出铝量的拟合结果验证了本文方法的有效性。 | 张显国 曹斌 王明刚 石进 | 2023 | 智能计算机与应用2023，13，2： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员