基于类核函数的间歇生产过程配方模糊聚类算法

"这篇论文是2005年由侯迪波、张光新和周泽魁在江南大学学报(自然科学版)上发表的研究成果，主要探讨了间歇生产过程中的配方模糊聚类方法。他们针对间歇生产过程中配方缺乏定量分析工具的问题，提出了一种基于类核函数的模糊聚类算法，旨在改善过程建模和控制策略的实施。通过对ISA配方模型的简化，建立了衡量配方样本相似性的方法，并引入配方类核的概念，以替代传统的配方类心，通过优化所有配方样本到类核的距离加权和来进行聚类。这种方法的应用实例是对一种间歇蒸发器的配方进行模糊聚类，并通过与经典的FCM算法对比，验证了其有效性和实用性。" 在这篇论文中，作者深入研究了间歇生产过程的配方管理问题。间歇生产过程通常涉及多步骤、非连续的生产操作，其配方设计和优化对于产品质量和生产效率至关重要。由于传统方法在处理配方数据时存在局限，如缺乏定量分析，因此，研究者提出了一个创新的模糊聚类方法。 模糊聚类是一种能够处理不确定性和模糊性的数据分类方法，它允许样本同时属于多个类别，且每个样本对类别的归属程度可以用模糊隶属度来表示。在这个研究中，他们提出使用类核函数来定义配方样本的聚类中心，这能更好地适应配方样本的多样性和复杂性。类核函数的选择和优化是关键，目的是最小化所有配方样本到类核的距离加权和，以此确定最佳聚类结构和隶属度矩阵。 论文中提到的ISA（Industrial Scale Automation）配方模型简化是将复杂的工艺过程简化为可操作的数学模型，以便进行后续的模糊聚类。相似性测度方法的建立则为配方样本之间的关系提供了一个量化的标准，有助于识别相似的配方。 实验部分，作者应用这个新方法对一种间歇蒸发器的配方进行模糊聚类，结果与经典的模糊C均值（FCM）算法进行了对比。FCM算法是最常见的模糊聚类方法之一，通过迭代优化使得样本到类心的加权距离平方和最小。通过比较，证明了提出的类核函数模糊聚类算法在处理间歇生产过程的配方数据时具有优势，能更有效地捕捉配方的内在结构和模式。 总结来说，这篇论文为间歇生产过程的配方管理和控制提供了新的分析工具，模糊聚类方法的提出有助于提升过程建模的准确性和控制策略的效率。这一研究对于改进化工、制药等行业的生产优化具有实际意义。