《表3 槽况判断知识元之间的关联概率统计表(2)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于贝叶斯概率语义网的铝电解槽况知识表示模型与约简方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验前假定工艺专家的每次判断结果百分之百准确.从某厂的某个车间选择10台电解槽进行槽况判断实验，每台电解槽采用本文提出的知识表示和推理方法进行100次槽况判断实验，每次判断结果与工艺专家的判断结果进行比对.表6是采用本文提出的知识表示和推理方法进行槽况判断实验所得结果与工艺专家判断结果的吻合率.可以看出，将贝叶斯概率语义网应用于槽况判断得出的结果与工艺专家的判断结果的吻合率达到了90%以上.表7是采用基于知识反馈的槽况判断与控制模型进行槽况判断实验所得结果与工艺专家判断结果的吻合率.可以看出采用该方法进行槽况判断实验所得结果比单独采用贝叶斯概率语义网的知识表示和推理方法进行槽况判断实验所得结果有明显的改善.采用基于知识反馈的槽况判断与控制模型进行槽况判断实验所得结果与工艺专家判断结果的吻合率达到95%以上.表8是采用基于模糊神经网络推理系统的槽况判断结果与工艺专家判断结果的吻合率[37].在模糊神经网络中，采用非模糊向量XT=[x1，x2，...，xi，...，xN]和YT=[y1，y2，...，yi，...，yN]分别表示输入和输出.其中N表示输入和输出变量的个数，在本次实验中N取4.输入变量x1表示火焰呈蓝白色、火焰黄而无力和槽电压摆动等语义符号；输出变量y1表示提高系列电流、调整极距、扒沉淀等语义符号.为保证输入和输出的连续性，将推断出当前时间点的输出向量看作是下一个时间点的输入向量.在神经网络训练过程中，每个神经元的最大激活阈值取0.985，实际输出与期望输出允许的相似程度阈值取0.03，神经元的输入权重和输出权重的学习效率都取0.01，当前神经元数量的阈值取50，神经元的平均激活阈值取0.4.根据上述设置的参数，依靠模糊神经网可以建立模糊认知图.在实验过程中，采用上述方法将语言术语引入模糊认知图的输入/输出中，可以更准确地描述调查系统的状态.但是，由表8可以看出，采用这种方式进行槽况判断时得到的吻合率明显低于前两种方法的吻合率.上述结果表明，贝叶斯概率语义网应用在槽况判断中所得结果的准确性以及基于知识反馈的槽况判断与控制模型的准确性比基于模糊神经网络推理系统的槽况判断结果准确性更高.