基于XML技术的知识学习进化系统以及在间歇工业过程中的应用

现代过程工业逐渐倚重于生产小批量、多品种、高附加值产品的间歇过程。由于间歇过程的机理复杂、产品市场占有周期短、过程数据具有高维高耦合高噪音特性等众多因素，基于数据建模的方法都需要覆盖整个操作空间的大批量实验数据的支持。本课题集成XML数据的高表达能力与强大的查询处理能力、多变量投影算法的解耦能力以及相似性过滤能力、基于数据趋势的关联规则知识表示的可分解组合进化能力，利用新目标过程的部分数据特征，对历史数据库中的过程知识进行高效率学习并自主进化，实现使用少量数据快速建立过程模型的目的，以达到节省人力物力尽快批量生产新产品的目标。本项目将从间歇工业过程的特点出发，重点研究数据库管理技术在特定需求中的应用问题，不仅具有突出的应用价值，也具有重要的理论意义。