ディレードコーキングユニットのための証拠推論を使用する反復学習信念ルールベース推論方法論

YU Xiaodong; YU Xiaodong; HUANG Dexian; HUANG Dexian; JIANG Yongheng; JIANG Yongheng; JIN Yihui

文献

J-GLOBAL ID：201202286059036716 整理番号：12A1195245

ディレードコーキングユニットのための証拠推論を使用する反復学習信念ルールベース推論方法論

Iterative learning belief rule-base inference methodology using evidential reasoning for delayed coking unit

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=12A1195245&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=12A1195245&from=J-GLOBAL&jstjournalNo=W0647A") }}

著者 (7件)： , , , , , ,
資料名：
巻： 20 号： 10 ページ： 1005-1015 発行年： 2012年10月
JST資料番号： W0647A ISSN： 0967-0661 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

従来のルールベースのエキスパートシステムの有効な拡大と不確実性を有する情報の異なった形式を使用する,より複雑な因果関係を示すための強力なツールにするために,証拠推論(RIMER)アプローチを使用する信念ルールベース推論方法論を証明した。初期の信念ルールベース(BRB)の所定構造を用いて,RIMERアプローチは,専門知識を使用するルール重み,属性重み,および信念度合いを含むいくつかのシステムパラメータの割当を必要とした。この問題を解決するために何らかのアップデートアルゴリズムを提案したが,最適の超小型BRBを見つけることはまだ難しかった。本稿では,ディレードコーキングユニット(DCU)のための反復学習方策に基づいて,新しいアップデートアルゴリズムを提案したが,それには連続と離散の両方特性を含めた。異なった条件の下での毎日のDCU動作をBRBによってモデル化し,次に,あらゆる信念ルールのための新しい統計的な実用性に基づいて反復学習方法論を使用してアップデートした。他の学習アルゴリズムと比較して,提案の方法論をより最適な超小型の最終的BRBにつなげることができた。このエキスパートシステムの助けによって,フィードフォワード補償方策をドラムスイッチング動作が引き起こす外乱を除去するために導入した。このアプローチの利点を現実の精油所からモデル化し,最適化した先進のDCU動作エキスパートシステムによって,UniSim^TM Operations Suiteプラットホームで立証した。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

, , , , , , , ,
, ,

システム同定

, , , ,

前のページに戻る