Підвищення точності класифікуючих правил для управління процесами десульфурації та дефосфорації розплаву Fe-c
DOI:
https://doi.org/10.15587/2312-8372.2019.169696Ключові слова:
хіміко-технологічна система, Fe-C розплав, класифікуючі правила, статистична класифікація, дискримінантна функціяАнотація
Об'єктом дослідження є процес функціонування хіміко-технологічної системи з двох послідовно включених агрегатів, призначеної для отримання Fe-C розплаву. Цей процес оцінюється на основі класифікаційних правил, що дозволяє виявити ту складову системи, за якою виявлено відхилення режиму роботи від нормального за хімічним аналізом вмісту сірки та фосфору. Такий розгляд дозволяє визначити повноту процесів десульфурації та дефосфорації Fe-C розплаву. Одним з найбільш проблемних місць є відсутність систематизованих даних щодо процедур визначення можливих відхилень від нормального режиму функціонування агрегатів за повнотою процесів десульфурації та дефосфорації.
В ході дослідження використовувалися методи параметричної класифікації, які дозволяють отримувати аналітичний опис дискримінантної функції та на основі порівняння її значень в заданій точці простору факторів-ознак з пороговим значенням відносити об’єкт до одного з класів. В даному дослідженні кожен з класів характеризує агрегат хіміко-технологічної системи за вмістом сірки та фосфору в Fe-C розплаві.
Отримані результати дозволяють стверджувати щодо можливості побудови ломаної кривої, поділяючої класи, з використанням методів параметричної класифікації. Це пов'язано з тим, що запропонована п’ятикрокова процедура вибору області вхідних даних забезпечує можливість зняти одне з обмежень на використання методів параметричної класифікації, а саме – вимогу щодо рівності коваріаційних матриць. Запропонована процедура має ряд особливостей, зокрема вибір області вхідних даних для розрахунку коефіцієнтів дискримінантної функції та порогових значень визначається через вершини планів повного факторного експерименту. Завдяки цьому забезпечується можливість отримання стовідсоткової точності класифікації в областях, що відповідають своєму планові. У порівнянні з результатами побудови класифікуючих правил за загальною вибіркою даних, тобто за усіма точками простору факторів-ознак, а не лише за точками обраного плану, це не надає значних переваг. Але з точки зору отримання форми поділяючої кривої, відмінної від лінійної, це може надати переваги, якщо вибірки вхідних даних погано розділюються.
Посилання
- Aouati, M. (2017). Parametric identification in the problem of determining the quality of dusulfusation and deposphoration processes of Fe-C alloy. Technology Audit and Production Reserves, 2 (1 (34)), 9–15. doi: http://doi.org/10.15587/2312-8372.2017.99130
- Grachev, V. A., Kuznecov, B. L., Bochkarev, V. Е., Venger, V. V. (1988). Metallurgiia plavki chuguna v dugovoi pechi. Liteinoe proizvodstvo, 2, 19–21.
- Shulte, Iu. A. (1983). Proizvodstvo otlivok iz stali. Kyiv; Doneck: Vishcha shkola. Golovnoe izd-vo, 184.
- Pavlenko, V. D., Fomin, A. A. (2001). Povyishenie tochnosti postroeniya reshayuschego pravila v metodah statisticheskoy klassifikatsii. Elektronnoe modelirovanie, 23 (4), 61–68.
- Vasenko, Y. (2012). Technology for improved wear iron. Technology Audit and Production Reserves, 1 (1 (3)), 17–21. doi: http://doi.org/10.15587/2312-8372.2012.4870
- Ponomarenko, O. I. Trenev, N. S. (2013). Computer modeling of crystallization processes as a reserve of improving the quality of pistons of ICE. Technology Audit and Production Reserves, 6 (2 (14)), 36–40. doi: http://doi.org/10.15587/2312-8372.2013.19529
- Ignaszaka, Z., Popielarskia, P., Krawiecb, K. (2007). Contribute to quantitative identification of casting defects based on computer analysis of X-ray images. Archives of foundry engineering, 7 (4 (18/4)), 89–94.
- Lin, Z., Lyu, M. R., King, I. (2011). MatchSim: a novel similarity measure based on maximum neighborhood matching. Knowledge and Information Systems, 32 (1), 141–166. doi: http://doi.org/10.1007/s10115-011-0427-z
- Arsirii, Е., Manikaeva, О., Vasilevskaia, O. (2015). Development of the decision support subsystem in the systems of neural network pattern recognition by statistical information. Eastern-European Journal of Enterprise Technologies, 6 (4 (78)), 4–15. doi: http://doi.org/10.15587/1729-4061.2015.56429
- Fraze-Frazenko, A. (2012). Algorithm of study neural network for image recognition. Technology Audit and Production Reserves, 4 (1 (6)), 33–34. doi: http://doi.org/10.15587/2312-8372.2012.4781
- Fertsev, A. A. (2012). Uskorenie obucheniya neyronnoy seti dlya raspoznavaniya izobrazheniy s pomoschyu tehnologii NVidia Cuda. Vestnik Samarskogo gosudarstvennogo tehnicheskogo universiteta, 1 (26), 183–191. doi: http://doi.org/10.14498/vsgtu990
- Unglert, K., Radić, V., Jellinek, A. M. (2016). Principal component analysis vs. self-organizing maps combined with hierarchical clustering for pattern recognition in volcano seismic spectra. Journal of Volcanology and Geothermal Research, 320, 58–74. doi: http://doi.org/10.1016/j.jvolgeores.2016.04.014
- Fakhar, K., El Aroussi, M., Saidi, M. N., Aboutajdine, D. (2016). Fuzzy pattern recognition-based approach to biometric score fusion problem. Fuzzy Sets and Systems, 305, 149–159. doi: http://doi.org/10.1016/j.fss.2016.05.005
- Perova, I. G. (2014). Adaptive treatment of these mediсo-biological researches by methods of computational intelligence. Eastern-European Journal of Enterprise Technologies, 1 (4 (67)), 24–28. doi: http://doi.org/10.15587/1729-4061.2014.21202
- Aouati, M. (2016). Localization of vectors–patterns in the problems of parametric classification with the purpose of increasing its accuracy. Eastern-European Journal of Enterprise Technologies, 4 (4 (82)), 10–20. doi: http://doi.org/10.15587/1729-4061.2016.76171
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2019 Mourad Aouati
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.