文献

J-GLOBAL ID：201802287797019086   整理番号：18A0649993

高炉面の特徴抽出とクラスター分析【JST・京大機械翻訳】

Feature extraction and clustering of blast furnace burden surface

著者 (4件)： Zhang Haigang (北京科技大学 自動化学院,北京,100083) ,  Zhang Sen (北京科技大学 自動化学院,北京,100083) ,  Yin Yixin (北京科技大学 自動化学院,北京,100083) ,  Zhang Xiaojuan (北京科技大学 自動化学院,北京,100083)
資料名： Kongzhi Lilun yu Yingyong  (Kongzhi Lilun yu Yingyong)
巻： 34  号： 7  ページ： 938-946  発行年： 2017年 
JST資料番号： W1473A  ISSN： 1000-8152  CODEN： KLYYEB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 布地は高炉の上部調整の主要な方式であり、材料の面形状特徴は高炉の長さを指導することによる次の一つの布地の決定を行う重要な根拠である。本論文では、高炉レーダーの実測データを分析することにより、専門家の経験を結合し、材料の面の特徴の定義と抽出の方法を提案し、材料の表面形状を表すことができる6つの特徴を抽出した。次に,スペクトルクラスタ化アルゴリズムを,特性データのクラスタ化に導入し,そして,材料特性のモデルライブラリを,確立した;そして,それは,材料特性のモデルを確立することができた。最後に,新しい材料の表面特性をモデルデータベースと整合させ,後続の高炉布の制御に関する研究の基礎を築いた。シミュレーション結果により,実際の高炉生産データを用いて,材料特性抽出法の有効性を検証した。シミュレーション結果により,スペクトルクラスタリングアルゴリズムは,従来のK平均アルゴリズムおよびファジィC平均クラスタリングアルゴリズムと比較して,高い収束速度および高いクラスタ化性能を持ち,そして,正確に,効果的に,特徴モデルを確立することができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： クラスタ化 ,  レーダ ,  シミュレーション ,  *クラスタ分析 ,  *特徴抽出 ,  スペクトル ,  曖昧さ ,  モデル ,  表面性状 ,  *高炉 ,  アルゴリズム
準シソーラス用語： 収束速度 ,  クラスタリングアルゴリズム ,  材料特性 ,  表面形状 , 【Automatic Indexing@JST】

著者キーワード (5件)： blast furnace ,  burden surface ,  feature extraction ,  spectral clustering ,  feature matching

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： 高炉 ,  特徴抽出 ,  クラスター分析