انتخاب ویژگی از داده های احیاء مستقیم سنگ آهن مبتنی بر بهینه سازی چند هدفه و باینری

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 595

فایل این مقاله در 10 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICELE01_411

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

با توجه به رشد روز افزون تولید محصول های فولادی، شناسایی و کنترل اتوماتیک پارامترهای تأثیر گذار در تعیین کیفیت محصول خروجی در صنعت فولاد سازی از اهمیت بالایی برخوردار می باشد. این فعالیت در حوزه اتوماسیون سطح 2 قابل بیان می باشد. در این مقاله روشی مبتنی بر بهینه سازی چند هدفه باینری به منظور انتخاب ویژگی (پارامتر) های مؤثر در تعیین درجه خلوص آهن اسفنجی خروجی در پروسه احیاء مستقیم پیشنهاد شده است. در این روش از الگوریتم بهینه سازی تکامل تفاضلی و الگوریتم رگرسیون LS-SVM به منظور یافتن کوچکترین زیرمجموعه از پارامترهای مؤثر در تخمین درصد خلوص آهن اسفنجی خروجی با کمترین خطا استفاده شده است. نتایج حاصل از شبیه سازی الگوریتم پیشنهادی بر روی پایگاه داده جمع آوری شده از مجتمع فولاد سازی بردسیر ایران نشان می دهد که الگوریتم پیشنهادی توانسته با شناسایی 9 پارامتر، به دقت تخمین 8/98 درصد (خطای تخمین معادل 2/1 درصد) دست یابد.

کلیدواژه ها:

استخراج ویژگی ، بهینه سازی باینری ، احیاء مستقیم سنگ آهن ، الگوریتم بهینه سازی تکامل تفاضلی

نویسندگان

صالح شاه بیک

باشگاه پژوهشگران جوان و نخبگان، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

خلیل سجاد

شرکت مهندسی بین المللی فولاد تکنیک، اصفهان، ایران

محسن صادقی

شرکت مهندسی بین المللی فولاد تکنیک، اصفهان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • S.-i. Amari and S Wu, "Improving support vector machine classifiers ...
  • G. M. Fung and O. L. Mangasarian, "Multicategory proximal support ...
  • A. Widodo and B.-S. Yang, "Support vector machine in machine ...
  • J.-S. Wu and Z.-H Zhou, _ S equence-based prediction of ...
  • S. An, W. Liu, and S. Venkatesh, "Fast _ s-validation ...
  • S. H. Hwang, D. H. Ham, and J. H. Kim, ...
  • J. A. Suykens and J. Vandewalle, "Least squares support vector ...
  • A. K. Qin, V. L. Huang, and P. N. Suganthan, ...
  • R. Storn and K Price, "Differential evolution-a simple and efficient ...
  • T. Niknam, M. Narimani, J. Aghaei, and R. Aziz ipanah-Ab ...
  • T. Niknam, S. I. Taheri, J. Aghaei, S. Tabatabaei, and ...
  • نمایش کامل مراجع