面向炼铁高炉的动态数据与先验知识协同驱动的可计算建模研究

项目名称： 面向炼铁高炉的动态数据与先验知识协同驱动的可计算建模研究

项目编号： No.61403419

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 自动化技术、计算机技术

项目作者： 渐令

作者单位： 中国石油大学（华东）

项目金额： 25万元

中文摘要： 高炉炼铁是高度复杂的非线性工业生产过程，难以建立精确的数学模型和机理模型。动态变化的生产过程积累了大量数据、丰富的专家知识和模糊规则等定量、定性和半定性信息。研究多源信息融合的可计算建模方法，高效整合上述异质互补信息是实现高炉炼铁过程优化操作的有效途径。本课题拟研究动态数据与先验知识协同驱动的可计算建模方法，包括：在线核学习模型及其规则提取算法，从动态变化的生产数据中挖掘有价值的知识以增进模型的可解释性和透明度；在模糊数学框架下建立多源信息的统一数学表示方案，解决繁杂多样的先验知识的数学描述问题；通过设计非稀疏多核学习算法，解决动态数据和先验知识的融合建模问题；完成模型在冶金工业中的应用验证。课题研究将有助于获取更多的高炉专家规则，为实现数据和知识互补融合的可计算建模提供可行方案，对于提高高炉炼铁的自动化水平、促进工业技术进步具有重要意义。

中文关键词： 数据驱动模型；在线核学习模型；高炉炼铁；多核学习；多源信息融合

英文摘要： As blast furance ironmaking process is a highly complicated nonlinear industrial process, it is difficult to set up accurate mathematical model and mechanism model. The dynamic production process has accumulated massive production data, a large amount of

英文关键词： data-driven modeling；online kernel learning model；blast furnace ironmaking；multiple kernel learning；multiple information fusion