熔炼是提取铜、铅、锌、镍等重金属的主要工艺方法,是一个非常复杂的高温、多相的物理化学变化过程,具有多变量、非线性、强耦合、大滞后、不确定性等特点,许多过程参量无法直接检测,难以采用精确的数学模型进行描述。目前,熔炼过程的操作参数大多由生产操作决策人员凭经验主观确定,难以实现生产过程的持续稳定运行,生产过程的工艺指标波动较大。因此,研究复杂有色金属熔炼过程的操作模式优化,对于实现熔炼过程的节能降耗、提高资源和熔炼设备的利用率以及充分发挥熔炼过程的生产潜力、提高熔炼过程的技术经济指标,实现企业的可持续发展,都具有重大意义。 本文通过探索复杂有色金属熔炼过程的“数据—信息—知识—智能行为”转化关系,研究并提出了其过程相关操作模式的智能优化方法。论文首先总结了复杂有色金属熔炼过程操作优化和数据挖掘在流程工业中的应用特点及研究现状,提出了基于模式挖掘的操作模式滚动优化框架;然后在此框架的基础上,分别提出了单参数决策和多参数决策的操作模式智能优化方法,并将其应用于复杂有色金属熔炼过程操作优化决策,取得了明显的成效。主要研究成果如下: (1) 提出了基于模式挖掘的操作模式滚动优化框架。定义并形式化描述了有色金属熔炼过程的操作模式、优化操作模式及操作模式挖掘;描述了利用数据挖掘技术从生产过程积累的大量实际生产数据中提取有效规则来实现操作模式优化的思想;阐述了有色金属熔炼过程操作模式挖掘的三个阶段,即模式集初始化、模式分解和规则挖掘;在此基础上,提出了基于模式挖掘的操作模式滚动优化框架。 (2) 研究并提出了单参数的操作模式智能优化方法。首先,利用减法聚类能自动确定类别数的特点,提出了基于最近邻减法聚类的连续型属性的离散化方法。该方法利用一个改进的减法聚类来获得类别个数和类的中心的初始值,利用最近邻聚类来得到最终的类中心,并利用这些类中心对连续属性进行硬离散和模糊离散。然后,提出了一种快速的模糊规则挖掘方法,直接从大量的数值型数据中