相空间多尺度分析法及在冶金动态过程模式识别中的应用

提出了相空间多尺度分析法并用于冶金动态过程数据模式的特征提取，运用自组织人工神经网络进行了无导师模式分类，研究了各分类的冶金工艺学意义；基于上述识别研究提出了基于感知，体验和学习的进化专家系统的概念；设计开发了用于高炉炉况判断和炉热预测的软件高炉卫士并用于工业运行，研究结果表明；用基点浮动而大小固定的网格可减少由基点和大小均可浮动的网格用于特征提取所产生的特征对比增强。自组织人工神经网络可实时完成对炉况特征的分类且其警戒参数选择在0.92-0.95之间为宜；基于相空间多尺度特征提取分类法和进化专家系统概念的智能预测模型可较准确地预测前后两炉铁水[Si]变化大的情况。高炉卫士可用于炉况判断和炉热预测。