摘要: 卷取温度过程控制主要是通过传统数学模型进行描述,而层流冷却过程是一个非常复杂的非线性过程,尤其是对于低温卷取的温度控制,难以用数学模型精确表达.以攀钢热轧板厂层流冷却系统实测数据为基础建立采样数据的决策表,运用粗糙集理论将采样信息表进行模糊语言化,依据适合实际应用的语言数据关联规则支持度和可信度,通过属性约简,剔除冗余规则,挖掘出隐含的关联规则,通过动态的模糊模型的建立,优化传统层流冷却数学模型.实测数据运算表明,该方法可以将原模型的卷取温度控制精度提高1%~2%,具有很好的应用前景.
中图分类号:
丁敬国;胡贤磊;焦景民;刘相华;. 基于粗糙集的关联规则数据挖掘在层流冷却中的应用[J]. 东北大学学报(自然科学版), 2007, 28(11): 1583-1585+1598.
Ding, Jing-Guo (1); Hu, Xian-Lei (1); Jiao, Jing-Min (1); Liu, Xiang-Hua (1) . Application of data mining based on rough sets and association rule in laminar cooling system[J]. Journal of Northeastern University, 2007, 28(11): 1583-1585+1598.