新書推薦：
《
拯救免疫失衡
》
售價：NT$
254.0
《
收尸人
》
售價：NT$
332.0
《
大模型应用开发：RAG入门与实战
》
售價：NT$
407.0
《
不挨饿快速瘦的减脂餐
》
售價：NT$
305.0
《
形而上学与存在论之间：费希特知识学研究（守望者）（德国古典哲学研究译丛）
》
售價：NT$
504.0
《
卫宫家今天的饭9 附画集特装版（含漫画1本+画集1本+卫宫士郎购物清单2张+特制相卡1张）
》
售價：NT$
602.0
《
化妆品学原理
》
售價：NT$
254.0
《
万千教育学前·与幼儿一起解决问题：捕捉幼儿园一日生活中的教育契机
》
售價：NT$
214.0
|
| 編輯推薦： |
|
本书针对复杂工业过程建模问题，运用图像处理和机器学习技术，深入地研究了水泥回转窑烧成状态的识别方法和熟料质量指标的软测量方法，为实现回转窑烧结过程的智能化监控、有效地提高水泥的产量和质量奠定了基础。
|
| 內容簡介： |
|
以水泥回转窑为研究对象，以提高烧成状态识别和熟料质量指标软测量精度为目标，开展了基于图像处理和机器学习的烧成状态识别和熟料质量指标软测量的研究： ①提出了一种压缩Gabor滤波器组设计方法对具有不同纹理特性的火焰图像感兴趣区域进行滤波预处理；提出了一种基于多源火焰图像特征的烧成状态融合识别方法。 ②提出了一种基于KPLS的压缩过程数据特征向量子集提取方法；给出了一种基于全景信息的烧成状态融合识别方法。 ③提出了一种基于全景信息的熟料质量指标f-CaO含量软测量方法。
|
| 關於作者： |
|
李帷韬，男，博士，副教授，合肥工业大学，主要研究方向为图像处理、模式识别和人工智能。主持国家自然科学基金项目1项，省自然科学基金项目1项，博士后面上项目1项，发表SCI论文10余篇。合肥工业大学电气与自动化工程学院自动化系副主任。主持国家自然科学基金项目1项，省自然科学基金项目1项，博士后面上项目1项，发表SCI论文10余篇。教授《微机原理与接口技术》、《电气与PLC》、《数字图像处理与识别技术》、《信号分析与处理》等多门自动化专业课程及其实验，长期研究图像处理、模式识别、人工智能技术。
|
| 目錄：
|
第1章绪论
1.1研究背景和意义
1.2工业过程中图像处理技术研究现状
1.2.1图像预处理
1.2.2图像分割
1.2.3图像特征提取和选择
1.2.4图像模式识别
1.3不确定信息认知对象的认知智能模型研究现状
1.3.1不确定信息认知对象的认知知识表征方法研究现状
1.3.2不确定认知过程与结果评价体系研究现状
1.3.3不确定认知过程的认知智能机制研究现状
1.4工业过程中软测量技术研究现状
1.4.1模型输入维数约简
1.4.2神经网络集成建模理论
1.4.3选择性集成建模
1.4.4混合集成建模
1.5回转窑烧成状态识别研究现状和存在的问题
1.6回转窑熟料质量指标检测研究现状和存在的问题
第2章水泥回转窑烧成状态识别及熟料质量测量问题描述
2.1水泥回转窑烧结过程工艺描述
2.2水泥回转窑烧成状态特性分析及其识别现状描述
2.3水泥回转窑熟料质量测量现状描述
2.4影响水泥回转窑熟料产品质量的因素分析
2.5水泥回转窑烧成状态识别和熟料质量预测的难点
第3章图像处理与软测量预备知识
3.1引言
3.2信息预处理
3.3图像分割方法
3.3.1大津算法
3.3.2模糊C均值聚类
3.3.3基于加博小波去模糊化的聚类算法
3.3.4改进的快速行进法
3.3.5归一化割准则法
3.3.6多阶自适应阈值法
3.4特征提取方法
3.4.1多变量图像分析算法
3.4.2主成分分析算法
3.4.3尺度不变特征转换算法
3.4.4偏小二乘算法
3.4.5神经网络偏小二乘算法
3.4.6核偏小二乘算法
3.5多特征融合方法
3.6模式分类器设计方法
3.6.1概率神经网络
3.6.2反向传播神经网络
3.6.3支持向量机
3.6.4随机向量函数功能连接网络
3.7软测量回归器设计方法
第4章基于火焰图像多特征的烧成状态识别方法
4.1引言
4.2基于火焰图像多特征的烧成状态识别策略
4.3基于压缩加博滤波器组的火焰图像预处理算法
4.4基于火焰图像感兴趣区域色彩特征的烧成状态识别算法
4.5基于火焰图像感兴趣区域全局形态特征的烧成状态识别算法
4.6基于火焰图像感兴趣区域局部形态特征的烧成状态识别算法
4.7基于模糊积分的火焰图像多特征融合烧成状态识别算法
4.8实验验证
4.8.1数据描述
4.8.2实验结果与分析
第5章基于过程数据与火焰图像融合的烧成状态识别方法
5.1引言
5.2识别策略
5.3识别算法
5.3.1基于改进中值滤波器的过程数据滤波预处理
5.3.2基于KPLS的过程数据烧成状态识别模型
5.3.3基于过程数据与火焰图像融合的烧成状态识别模型
5.4实验验证
5.4.1数据描述
5.4.2实验结果与分析
第6章面向不确定信息认知对象的仿反馈认知机制及其在烧成状态识别中
的研究
6.1引言
6.2不确定信息认知对象的仿反馈认知智能模型结构与机制研究
6.2.1构建目标
6.2.2模型结构与功能要求
6.2.3仿反馈认知智能系统设计
6.2.4智能系统模型及其运行机制
6.3不确定信息认知对象的仿反馈认知智能计算模型研究
6.3.1基于粗糙集理论的不确定信息认知对象模式化建模
6.3.2基于广义误差和广义熵理论的不确定认知过程与结果评价
测度指标体系建立
6.3.3不确定认知过程与结果评价体系建立
6.3.4认知知识粒度调节机制研究
6.3.5不确定信息认知对象的多层次变粒度仿反馈认知智能算法
研究
6.4应用研究
6.4.1脱机手写体汉字图像的机器认知应用验证研究
6.4.2人体健康状态评测的机器认知应用验证研究
6.4.3全天候光伏发电智能跟踪控制系统应用验证研究
6.4.4工业回转窑烧成状态的机器认知应用验证研究
第7章基于火焰图像与过程数据融合的回转窑熟料质量软测量模型
7.1引言
7.2软测量策略
7.3软测量算法
7.3.1数据预处理
7.3.2火焰图像特征提取
7.3.3软测量模型构建
7.4实验验证
7.4.1数据描述
7.4.2仿真结果
第8章基于双层遗传算法的异构数据融合水泥熟料质量选择性集成软测量
模型
8.1引言
8.2建模策略
8.3算法实现
8.3.1模型参数编码
8.3.2模型参数解码
8.3.3候选子模型构造
8.3.4选择性集成建模
8.3.5遗传操作
8.3.6算法步骤
8.4实验验证
8.4.1合成数据
8.4.2低维基准数据
8.4.3高维基准数据
8.4.4多源异构水泥熟料质量数据
8.4.5总结与讨论
参考文献
|
| 內容試閱：
|
水泥熟料的煅烧是水泥生产过程中为重要的一道工序，直接影响水泥的产量和质量。水泥熟料煅烧使用的热工设备被称为“回转窑”，它的主要功能是将生料浆烧结成合格的熟料，其运转情况直接决定水泥熟料的质量。
回转窑长达百米且处于不断旋转中，其结构的特殊性和工艺的复杂性使回转窑烧结过程机理复杂，包括物料的物理化学反应，燃料燃烧，气体、物料、内衬间传热，气体、物料运动等多个耦合过程。由于回转窑烧结过程存在熟料质量指标游离氧化钙(fCaO)含量难以在线测量，与fCaO含量密切相关的关键工艺参数烧成状态难以准确识别等问题，现有的回转窑烧结过程仍处于“人工看火”的开环操作阶段，即看火操作人员通过观察窑内烧成带状况，辅以过程变量，识别当前烧成状态，继而调节控制变量使与fCaO含量密切相关的被控变量位于适宜的范围，以实现生料的充分燃烧并获得合格的熟料。然而，人工烧成状态的识别结果受到操作人员的经验、责任心和关注度等主观因素的制约，易造成熟料质量指标不稳定、窑内衬使用寿命短、窑运转率低、产能低、能耗高、人工劳动强度大等问题。
烧成带火焰图像中蕴含丰富的烧成带温度场信息和熟料烧结状况信息，连同过程数据信息是目前看火操作人员识别烧成状态的主要依据。适宜的烧成状态意味着合格的熟料，因此，熟料质量指标与烧成状态之间有着紧密的关联性。然而，受窑内煤粉烟尘的影响，烧成带火焰图像中感兴趣区域之间存在强烈耦合，边界模糊不清，加之过程数据包含大量复杂噪声，之前基于图像分割技术或基于过程变量的烧成状态识别技术和熟料质量指标软测量的方法精度不高。因而，融合烧成带火焰图像和过程数据信息，研究基于图像处理和机器学习理论的回转窑烧成状态识别与熟料质量指标软测量的新方法、新技术具有重要意义。这项研究将机器学习技术应用于工程实践，真正实现“机器看火”取代“人工看火”，为实现水泥回转窑烧结过程的监控和熟料质量指标的闭环控制奠定了基础。
本书依托“国家高技术研究发展计划”（863计划）重点项目“中国铝业公司综合自动化系统总体方案设计及关键技术攻关”的子课题“大型回转窑过程优化控制技术”和国家自然科学基金青年基金项目“不确定过程和仿反馈调整机制的多源信息回转窑烧成状态智能认知模型研究”，以水泥回转窑为研究对象，以提高烧成状态识别和熟料质量指标软测量精度为目标，重点研究了烧成带火焰图像和过程数据的处理与分析技术，开展了基于图像处理和机器学习的烧成状态识别和熟料质量指标软测量的研究，主要内容归纳如下。
(1) 综述工业过程中图像处理技术、不确定信息认知对象的认知智能模型、工业过程中软测量技术、回转窑烧成状态识别、回转窑熟料质量指标检测的国内外现状，明晰基于异构数据融合的回转窑熟料质量软测量面临的实际问题。
(2) 系统地对水泥回转窑烧成状态识别和熟料质量测量问题进行描述，说明了水泥回转窑烧成状态识别和熟料质量指标fCaO含量软测量的重要性，对烧成状态识别和fCaO含量软测量的实现进行特性分析和难度分析。
(3) 详细介绍了本书采用的模式识别系统和软测量系统中的信息预处理、图像分割、特征提取和选择、多特征融合、模式分类器/回归器设计等方法，为后续相关方法提供基础支撑。
(4) 提出了基于火焰图像多特征的烧成状态识别策略，包括基于压缩加博滤波器组的火焰图像预处理算法、基于火焰图像感兴趣区域色彩特征的烧成状态识别算法、基于火焰图像感兴趣区域全局形态特征的烧成状态识别算法、基于火焰图像感兴趣区域局部形态特征的烧成状态识别算法和基于模糊积分的火焰图像多特征融合烧成状态识别算法，并对所提方法进行仿真验证。
(5) 提出了基于过程数据与火焰图像融合的烧成状态识别策略，包括基于改进中值滤波器的过程数据滤波预处理、基于核偏小二乘(KPLS)算法的过程数据烧成状态识别模型和基于过程数据与火焰图像的模糊积分融合的烧成状态识别模型，并对所提方法进行仿真验证。
(6) 提出了面向不确定信息认知对象的仿反馈认知智能模型结构与机制，并进行不确定信息认知对象的仿反馈认知智能计算模型研究，并对脱机手写体汉字图像的机器认知、人体健康状态评测的机器认知、全天候光伏发电智能跟踪控制认知和工业回转窑烧成状态的机器认知等方面进行了应用研究。
(7) 提出了基于火焰图像与过程数据融合的回转窑熟料质量软测量建模策略，包括火焰图像和过程数据滤波预处理、火焰图像感兴趣区域色彩特征提取、全局形态特征和局部形态特征提取、潜在变量特征向量提取和支持向量回归器设计等方法，并对所提方法进行仿真验证。
(8) 提出了基于双层遗传算法的异构数据融合水泥熟料质量选择性集成软测量模型，包括基于外层遗传算法的模型参数编码、基于外层遗传算法的模型参数解码、基于KPLS的候选子模型构造、基于内层遗传算法的选择性集成建模和基于外层遗传算法的遗传操作等组成部分，基于合成数据、低维与高维基准数据集，以及多源异构回转窑熟料质量建模数据仿真验证所提方法的有效性。
本书针对复杂工业过程建模问题，运用图像处理和机器学习技术，深入地研究了水泥回转窑烧成状态的识别方法和熟料质量指标的软测量方法。实验结果表明，基于不同特征的模式分类器融合技术具有较好的识别和预测结果； 过程数据信息可以改进基于图像特征的模式分类器结果。本书的研究为实现回转窑烧结过程的智能化监控，进而有效地提高水泥的产量和质量奠定了基础。
感谢北京工业大学和合肥工业大学在本书出版过程中给予的支持。
由于本书作者学识和水平有限，时间也甚是紧迫，虽然尽力而为，但难免会有不妥和错误之处，敬请广大读者批评指正，并给予谅解。
作者
2021年4月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
