基于数据挖掘近似函数的智能制造装备生产决策参数稳健优化方法研究

项目名称： 基于数据挖掘近似函数的智能制造装备生产决策参数稳健优化方法研究

项目编号： No.51375520

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 机械、仪表工业

项目作者： 李太福

作者单位： 重庆科技学院

项目金额： 80万元

中文摘要： 智能制造装备可由数据挖掘发现生产过程潜在规律，并用智能优化利用其规律，实现制造过程智能化、绿色化。然而，因数据挖掘建模误差、控制系统执行误差等不确定性因素的影响，难以实现理想性能。故需在智能制造动态演化过程模型基础上，研究生产决策参数的稳健优化方法，以降低目标性能对不确定因素的敏感性。首先，针对稳健性度量形式繁多的问题，用模糊集合描述决策变量空间和目标函数空间的不确定性，再用模糊扩展定理获得稳健准则度量；其次，基于Deb构造函数，研究建模误差对多目标稳健优化的影响，并用Gamma Test来估计建模误差，修正目标函数；再改进OWA算法融合专家经验，获得基于OWA和神经网络的Pareto前沿决策模型；然后分析优化效率，并用自适应抽样方法、拟合分布模型来提升效率；最后开展超低能耗铝电解装备的生产决策参数稳健优化实验。以此建立智能制造装备的决策参数稳健优化方法，从而解决其智能功能的关键共性问题。

中文关键词： Kalman神经网络；目标优化；铝电解；决策参数；

英文摘要： Data mining can be used to discover potential law of the produciton process for intelligent manufacturing equipemnt,and intelligent optimization can use these laws to achieve the optimum goals in manufacturing. However, it is difficult to get desired perf

英文关键词： Kalman neural network；Goal optimization；Aluminum electrolysis；Decision parameters；