改進(jìn)的粗糙集及其在球團(tuán)成球質(zhì)量判斷中的探討.pdf

1、在球團(tuán)生產(chǎn)過程中，熱工過程復(fù)雜、各工藝參數(shù)和操作參數(shù)之間互相耦合，存在許多不確定因素，難以通過建立精確數(shù)學(xué)模型來對球團(tuán)質(zhì)量判斷。因此，如何尋求球團(tuán)成球質(zhì)量與工藝參數(shù)之間的關(guān)系，對球團(tuán)成球質(zhì)量做出正確判斷，這已經(jīng)成為球團(tuán)生產(chǎn)技術(shù)領(lǐng)域的一個(gè)前沿課題。目前大多數(shù)球團(tuán)生產(chǎn)過程控制還處于手動(dòng)操作狀態(tài)，具有很大的不確定性。特別是當(dāng)溫度等指標(biāo)發(fā)生變化，采用常規(guī)的方法很難及時(shí)調(diào)整工藝參數(shù)，導(dǎo)致產(chǎn)品質(zhì)量合格率低，無法使生產(chǎn)處于較理想的狀態(tài)。在球團(tuán)生產(chǎn)過程

2、中，溫度調(diào)節(jié)是關(guān)鍵的因素。目前球團(tuán)的質(zhì)量指標(biāo)和國外相比，還有很大差距。為了獲得更好的經(jīng)濟(jì)效益，本文嘗試采用改進(jìn)的粗糙集理論與粒子群等智能方法相結(jié)合策略來對成球質(zhì)量進(jìn)行有效的判斷。 本文針對基本粗糙集不能完全滿足球團(tuán)質(zhì)量判斷的問題，對其改進(jìn)算法進(jìn)行了深入研究，并將改進(jìn)的粗糙集理論應(yīng)用于球團(tuán)質(zhì)量判斷中。主要工作如下： 提出一種基于粒子群優(yōu)化的粗糙集屬性約簡算法。該算法用離散二進(jìn)制粒子群算法優(yōu)化屬性依賴度，有效獲取屬性相對約簡

3、，解決了啟發(fā)式算法無法全局搜索進(jìn)行約簡的問題。 提出了基于條件粗糙熵的層次樹模型構(gòu)造方法。解決了算法時(shí)間復(fù)雜度大，無法挖掘感興趣屬性的難點(diǎn)問題。 提出了基于離散粒子群的變精度粗糙集規(guī)則提取算法。將信息熵做為適應(yīng)值函數(shù)，對變精度粗糙集的屬性依賴度進(jìn)行尋優(yōu)，從而在處理噪聲數(shù)據(jù)時(shí)獲得更可靠的分類規(guī)則。 提出了基于粗糙集的加權(quán)TOPSIS偏序關(guān)系全序化方法，解決了辨識(shí)矩陣無法求取偏序集，不能進(jìn)行偏序關(guān)系全序化的普遍問題。

4、該算法首先根據(jù)屬性間差異程度計(jì)算各個(gè)屬性的權(quán)值，然后再對信息系統(tǒng)進(jìn)行加權(quán)TOPSIS排序分析，克服了原算法對數(shù)據(jù)信息表本身的過嚴(yán)限制，擴(kuò)大了偏序關(guān)系全序化的粗糙集方法的應(yīng)用范圍。 將提出的改進(jìn)粗糙集應(yīng)用到球團(tuán)成球質(zhì)量判斷中。首先建立了成球質(zhì)量指標(biāo)和鏈篦機(jī)各段溫度數(shù)據(jù)之間的決策表。然后經(jīng)過分析和約簡，得出了不同生產(chǎn)狀態(tài)下的球團(tuán)成球質(zhì)量判斷規(guī)則。仿真結(jié)果和實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了比較，實(shí)現(xiàn)了生產(chǎn)的離線分析和質(zhì)量跟蹤查詢。本文提出的方法為現(xiàn)場正