本文關鍵詞：基于認知建模的預測方法及其在智慧礦山生產(chǎn)管理中的應用

  更多相關文章： 智能生產(chǎn)管理 認知建模 ELM HTM

【摘要】：信息技術的高速發(fā)展改變著社會生產(chǎn),也推動著傳統(tǒng)流程工業(yè)的發(fā)展和變革。對以礦山生產(chǎn)為代表的復雜工業(yè)生產(chǎn)流程,由于其系統(tǒng)的龐大與復雜,往往無法建立精準的數(shù)學模型,用傳統(tǒng)的自動控制方法難以達到理想的控制效果。而大數(shù)據(jù)挖掘技術的進步與先進云計算能力的普及,使知識驅(qū)動下的認知學習與控制成為可能。本文首先論述了制造業(yè)“工業(yè)4.0”概念、“五品聯(lián)動”思想對智能生產(chǎn)管理技術的啟發(fā)與促進,進而在深入分析論證鞍鋼集團礦業(yè)公司實際生產(chǎn)情況的前提下,提出采用基于認知建模的預測方法,對礦山生產(chǎn)工藝指標、能耗指標進行預測分析,在合理預測的前提下進行決策、控制。本文以認知學習建模的常規(guī)算法極限學習機ELM(Extreme Learning Machine,ELM)、分層時序記憶模型HTM(Hierarchial Temporal Memory,HTM)為例,闡述了認知建模算法的原理和實現(xiàn)步驟,并進行了相關的預測試驗,對試驗結果進行分析。在對算法合理論證的基礎上,將認知建模預測方法應用到了具體的生產(chǎn)管理系統(tǒng)中,搭建了“智慧礦山”背景下的生產(chǎn)管理控制平臺,形成了“智慧礦山”生產(chǎn)管理新模式,基本達到準時化和精準化生產(chǎn)的目標,實現(xiàn)整體生產(chǎn)綜合效益最大化。
【學位授予單位】：遼寧科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TD67;TP311.52

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 方曉霞;楊丹輝;李曉華;;日本應對工業(yè)4.0:競爭優(yōu)勢重構與產(chǎn)業(yè)政策的角色[J];經(jīng)濟管理;2015年11期

2 張新征;麥曉春;張建芬;;基于層級實時記憶的地圖創(chuàng)建方法[J];模式識別與人工智能;2015年04期

3 張曙;;中國制造企業(yè)如何邁向工業(yè)4.0[J];機械設計與制造工程;2014年12期

4 邵安林;;基于五品聯(lián)動理論的品位效益優(yōu)化決策研究[J];中國工程科學;2014年02期

5 翟敏;張瑞;王宇;;極限學習機(ELM)網(wǎng)絡結構調(diào)整方法綜述[J];西安文理學院學報(自然科學版);2014年01期

6 王喜文;;工業(yè)4.0:智能工業(yè)[J];物聯(lián)網(wǎng)技術;2013年12期

7 柴天佑;;復雜工業(yè)過程運行優(yōu)化與反饋控制[J];自動化學報;2013年11期

8 陳雪;朱敏;鐘煜;范量;;基于HTM的離線手寫簽名識別及改進[J];四川大學學報(工程科學版);2011年S1期

9 查春生;倪志偉;倪麗萍;公維峰;;基于相空間重構的股價時間序列相關性分析[J];計算機技術與發(fā)展;2010年08期

10 王興東;李克慶;;基于數(shù)據(jù)挖掘的礦山生產(chǎn)技術指標優(yōu)化研究[J];金屬礦山;2008年05期

，

本文編號：1196056