基于半监督学习的工况识别方法研究及铜闪速熔炼过程中的应用-控制科学与工程专业论文.docxVIP

．原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究 ．原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不 包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我 共同工作的同志对本研究所作的贡献均己在论文中作了明确的说明。 作者签名』。益玺垄日期：丛年』月二日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即：学校 有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文， 允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内 容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科 学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》， 并通过网络向社会公众提供信息服务。 作者签名：叠查：塑导师签名雄弛 日期：趔f年』月五日 摘要铜闪速熔炼过程工况变化频繁，造成经济指标波动大，单位产品 摘要 铜闪速熔炼过程工况变化频繁，造成经济指标波动大，单位产品 能耗高。闪速熔炼过程积累了大量的实际运行数据，包含了反映操作 参数与工况之间关系的信息。准确识别当前工况，采取相应的对策， 对节能降耗和保证生产的安全稳定具有重要意义。本文利用运行数据 中的有标签数据和无标签数据，研究了基于半监督学习的工况识别方 法。 针对YATSI算法中无标签样本被误标记，导致分类正确率下降 的问题，提出了一种基于数据剪辑技术的DE．YATSI算法。该算法采 用基于估计类条件概率的数据剪辑方法，识别并重新标记预标记样本 集中的误标记样本，利用有标签样本与经数据剪辑处理的预标记样本 所形成的样本集训练带权重的最近邻分类器。实验结果表明， DE-YATSI算法比YATSI算法具有更高的分类正确率。 对影响闪速熔炼过程工况的主要因素进行了分析，分别将半监督 算法(DE．YATSI和YATSI)和监督算法(KNN)应用于铜闪速熔炼过 程工况识别，实验结果表明，半监督学习算法(DE．YATSI)识别正 确率最高。 针对铜闪速熔炼过程积累的工业运行数据有大量的无标签数据 的特点，提出一种基于半监督学习工况识别方法，包括数据获取和预 处理、离线半监督学习建模和在线工况识别三部分；并对铜闪速熔炼 工况识别系统(WSRS)的设计与开发进行了深入研究，给出了WSRS 的完整开发方案、架构设计、子系统分解、实现功能和实施步骤，并 对系统软件进行了实现。 关键词铜闪速熔炼，工况识别，半监督学习，数据剪辑，最近邻分类 ABSTRACTWorking—status ABSTRACT Working—status of copper flash smelting process frequently changes， which contribute a lot to the poor output and quality of coppen Copper flash smelting process has accumulated lots of industrial operating data．It contains much underlying information between rules of working—status and production parameters．Accurately recognizing working—status and timely taking control are of very grand significance to ensure stable and reliable running of system and promote the economic benefits of enterprise．A method of working—status based semi—supervised learning by using labeled and unlabeled data has been studied in this paper． YATSI may suffer more from the common problem in semi-supervised learning，i．e．the performance is usually not stable due to the unlabeled examples may often be wrongly labeled．A semi—supervised k-nearest neighbor classifier named DE—YATSI