模糊遺傳規畫混合式技術在水泥窯燒製程控制最適化之應用

GP-Fuzzy Hybrid Technology in Cement Kiln Optimal Control

萬煦錚(Hsucheng Wan)

指導教授 ： 邱昭彰

元智大學/管理學院/資訊研究所/碩士(1997年)

摘要

一般而言，水泥工廠之設計及機器設備之選擇，常以旋窯為重心，全廠的作業程序、廠房的佈置等均須配合旋窯之生產。旋窯之運轉是否順利，熟料產量及品質是否達成效率最佳化等均為影響整個公司收益之關鍵因素；然而影響旋窯之生產操作過程當中，卻有眾多可能直接或間接相關之變數，諸如飼料量、飼煤量、甚或風車速率等控制變數設定或操作手法均可能會影響其效率及產出。除此之外，這些變數間彼此關係牽連複雜且可能個別影響製程效率之程度也大小不一。因此如何剖析與確認生產目標與這些變數間可能維繫著某種程度下之因果定量關係，並藉此關係式提供較適合操作之指導原則將是目前值得亟待著手改善及實質加強窯燒效率提昇之首要研究課題。
本篇論文主要是以一個新興的人工智慧混合式技術-模糊遺傳規畫，來建構一個水泥窯燒控制規則的萃取模式。透過大量的窯燒歷史資料之學習與訓練，從中萃取出隱含的窯燒控制之模糊規則，並利用萃取出的規則來幫助瞭解反應變數與可控制變數間複雜的變化關係，以協助水泥窯燒製程的穩定控制。

關鍵字

模糊遺傳規畫 ； 模糊理論 ； 模糊類神經網路 ； 水泥旋窯製程

並列摘要

無資料

並列關鍵字

HASH(0xac2e3b0)

參考文獻

1. Kurt E. P. and Joseph J. W. (1978), 水泥旋窯, 程月初譯, 台灣區水泥工業同業公會.

3. Andre, D. (1994), “Learning and Upgrading Rules for an OCR System Using Genetic Programming,” Proceedings of the First IEEE Conference on Evolutionary Computation, Vol. 1, pp. 462-467.

4. Atkin, H. L. and Altin, V. (1991), “Rule-based Fuzzy Logic Controller for a PWR-type Nuclear Power Plant,” IEEE Transactions on Nuclear Science, Vol. 38, Iss. 2, pp. 883-890.

5. Autere, A. (1993), “An Empirical Study of Population and Non-population Based Search Strategies for Optimizing a Combinatorical Problem,” Artificial Neural Nets and Genetic Algorithms, Springer-Verlag Wien, New York, pp.375-384.

7. Chemouil, P., Khalfet, J. and Lebourges, M. (1995), “A Fuzzy Control Approach for Adaptive Traffic Routing,” IEEE Communications Magazine, Vol. 33, Iss. 7, pp. 70-76.