鉴于现代控制理论面对复杂生产过程显得力不从心,这几年来我们一直致力于智能自动化的模式识别方法之研究,暂且撇开机理分析,改从信息科学的角度,借助工况图象和仪表数据提取特征向量以描述生产过程,再用模式识别和时间序列分析相结合的方法建立工况的多元统计推断模型,进而实现旨在工艺最优化的预测控制。我们以砷化镓单晶炉为对象,按照上述技术路线,研制成功一种新型计算机检测-控制系统,性能良好,有工业应用价值。对于炼铁烧结和水泥煅烧等过程也同样有效,这套原理与方法是课题组坚持理论联系实际,独立探索多年的结果,系我们自己所首创,特别适用于冶金,建材行业的复杂生产过程,为逐步建立非牛顿力学系统控制理论提供一个开端。
{{i.achievement_title}}
数据更新时间:2023-05-31
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Image super-resolution based on sparse coding with multi-class dictionaries
Phosphorus-Induced Lipid Class Alteration Revealed by Lipidomic and Transcriptomic Profiling in Oleaginous Microalga Nannochloropsis sp. PJ12
Numerical investigation on aerodynamic performance of a bionics flapping wing
距离图象、强度图象结合作模式识别的研究
图象序列的估计,预报及其工业应用
三维动态医学图象分析和应用研究
基于LiveWire的交互式图象分割及其在医学图象分析中的应用