改進的粗糙集及其在球團成球質量判斷中的探討.pdf

1、在球團生產(chǎn)過程中，熱工過程復雜、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)學模型來對球團質量判斷。因此，如何尋求球團成球質量與工藝參數(shù)之間的關系，對球團成球質量做出正確判斷，這已經(jīng)成為球團生產(chǎn)技術領域的一個前沿課題。目前大多數(shù)球團生產(chǎn)過程控制還處于手動操作狀態(tài)，具有很大的不確定性。特別是當溫度等指標發(fā)生變化，采用常規(guī)的方法很難及時調整工藝參數(shù)，導致產(chǎn)品質量合格率低，無法使生產(chǎn)處于較理想的狀態(tài)。在球團生產(chǎn)過程

2、中，溫度調節(jié)是關鍵的因素。目前球團的質量指標和國外相比，還有很大差距。為了獲得更好的經(jīng)濟效益，本文嘗試采用改進的粗糙集理論與粒子群等智能方法相結合策略來對成球質量進行有效的判斷。 本文針對基本粗糙集不能完全滿足球團質量判斷的問題，對其改進算法進行了深入研究，并將改進的粗糙集理論應用于球團質量判斷中。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行約簡的問題。 提出了基于條件粗糙熵的層次樹模型構造方法。解決了算法時間復雜度大，無法挖掘感興趣屬性的難點問題。 提出了基于離散粒子群的變精度粗糙集規(guī)則提取算法。將信息熵做為適應值函數(shù)，對變精度粗糙集的屬性依賴度進行尋優(yōu)，從而在處理噪聲數(shù)據(jù)時獲得更可靠的分類規(guī)則。 提出了基于粗糙集的加權TOPSIS偏序關系全序化方法，解決了辨識矩陣無法求取偏序集，不能進行偏序關系全序化的普遍問題。

4、該算法首先根據(jù)屬性間差異程度計算各個屬性的權值，然后再對信息系統(tǒng)進行加權TOPSIS排序分析，克服了原算法對數(shù)據(jù)信息表本身的過嚴限制，擴大了偏序關系全序化的粗糙集方法的應用范圍。 將提出的改進粗糙集應用到球團成球質量判斷中。首先建立了成球質量指標和鏈篦機各段溫度數(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)下的球團成球質量判斷規(guī)則。仿真結果和實驗數(shù)據(jù)進行了比較，實現(xiàn)了生產(chǎn)的離線分析和質量跟蹤查詢。本文提出的方法為現(xiàn)場正