基于Rough集理论的薄膜蒸发器产量预测

第２８卷第３期　２００６年５月　南京工业大学学报　ＪＯＵＲＮＡＬ　０Ｆ　ＮＡＮＪＩＮＧ　ＵＮＩＶＥＲＳＩ　ＩＹ　０Ｆ　ＴＥＣＨＮＯＬＯＧＹ　Ｖ０１．２８　Ｎｏ．３　

Ｍａｖ．２ＯＯ６　

基于Ｒｏｕｇｈ集理论的薄膜蒸发器产量预测　华　洁，李庆生，尹　侠，李永生　（南京工业大学机械与动力工程学院，江苏南京２１０００９）　摘要：由于薄膜蒸发器生产过程高度复杂，导致产量的预测比较困难且准确率低。采用基于Ｒｏｕｇｈ集理论的数　据分析工具包Ｒｏｓｅｔｔａ，实现了薄膜蒸发器的产量预测研究。该研究完成了知识发现的全过程包括数据准备、数据　分析以及结果的解释评估。研究结果表明：对条件属性的约简找出了对产量影响较大的因素。如试验时间、流量、　蒸发强度、导热油温度以及刮板转速等；对产量的预测基本符合实际，总体正确率达７３．７％。　关键词：Ｒｏｕｇｈ集；薄膜蒸发器；预测　中图分类号：ＴＱ０５１．６　２；ＴＰＩ８　文献标识码：Ａ　文章编号：１６７ｌ一７６４３（２００６）０３—００９４—０６　

Ｒｏｕｇｈ集理论¨　自１９８２年由波兰数学家　Ｐａｗｌａｋ　Ｚ教授提出以来，经过２０多年的研究和发　展，在系统理论、计算机模型的建立和应用系统的研　制开发上，已经取得了许多成果，也建立了一套完整　的Ｒｏｕｇｈ集理论体系，特别是由于上世纪８０年代末　和９０年代初在知识发现等领域得到成功的应用而　受到国际上广泛关注。目前，它已经在人工智能、知　识与数据发现、模式识别与分类、故障检测等方面得　到了较为成功的应用。　本文针对薄膜蒸发器过程控制的需求，提出了　把Ｒｏｕｇｈ集理论应用到薄膜蒸发器的产量预测中，　利用基于Ｒｏｕｇｈ集理论框架的表格逻辑数据分析工　具包Ｒｏｓｅｔｔａ　－５］，实现了产量预测的ＫＤＤ过程，并　对结果进行解释评估。　１数据库知识发现（ＫＤＤ）过程　数据库知识发现是非平凡的处理过程，它是从　数据集中识别有效的、新颖的、潜在的、有用的以及　最终可理解的模式（Ｋｎｏｗｌｅｄｇｅ　ｄｉｓｃｏｖｅｒｙ　ｉｎ　ｄａｔａｂａｓｅｓ　ｉｓ　ｔｈｅ　ｎｏｎ—ｔｒｉｖｉａｌ　ｐｒｏｃｅｓｓ　ｏｆ　ｉｄｅｎｔｉｆｙｉｎｇ　ｖａｌｉｄ，ｎｏｖｅｌ，　ｐｏｔｅｎｔｉａｌｌｙ　ｕｓｅｆｕｌ，ａｎｄ　ｕｌｔｉｍａｔｅｌｙ　ｕｎｄｅ￣ｔａｎｄａｂｌｅ　ｐａｔ—　ｔｅｒｎｓ　ｉｎ　ｄａｔａ）　Ｊ。数据库知识发现是目前非常活跃　的研究领域，其研究涉及人工智能和数据库等多门　学科。数据库的广泛应用和数据量的飞速增长，使　人们迫切地感到需要新的技术和工具以支持从大量　的数据中智能地、自动地抽取出有价值的知识或信　息，数据库知识发现就是为解决上述问题而提出的　智能数据分析技术。　整个数据库知识发现过程可以分为３个阶段：　数据准备、数据挖掘、挖掘结果的解释与评估。　数据挖掘作为知识发现的核心部分，目前存在　很多数据挖掘方法或算法。根据挖掘任务分，有如　下几种知识发现任务：分类知识发现、数据总结、数　据聚类、关联规则发现、序列模式发现、依赖关系或　依赖模型发现、异常发现和趋势预测等　Ｊ。　Ｒｏｕｇｈ集作为一种处理不精确和不确定性的新　数学工具，已成为知识发现和数据挖掘的重要方法。　Ｒｏｕｇｈ集理论认为知识是对事物的区分能力，而属　性是这种区分能力的载体。属性的约简应当能够保　持这种区分能力的不变性（或近似不变性）。　

２在薄膜蒸发器的产量预测中应用Ｒｏｕｇｈ　集理论　

机械搅拌式薄膜蒸发器【８　简称薄膜蒸发器，　又称旋转薄膜蒸发器，是一种真空条件下采用机械　搅拌进行降膜蒸发的新型高效蒸发器。薄膜蒸发器　以其设备传热系数高（蒸发强度大）、低温蒸发效果　好、物料停留时间短、适用的粘度范围宽、操作弹性　大等优越的性能，在化工、轻工、制药、环保、食品等　行业中逐步得到推广和应用。由于薄膜蒸发生产过　

收稿日期：２００５—０４—２６　作者简介：华洁（１９７８一），女，江苏泰兴人，硕士生，主要研究方向为粗糙集理论应用以及化工设备设计；　李庆生（联系人），副教授，Ｅ—ｍａｉｌ：ｓｊｓ＠ｎｊｕｔ．ｅｄｕ．ｃｎ　

维普资讯 http://www.cqvip.com 第３期　华洁等：基于Ｒｏｕｇｈ集理论的薄膜蒸发器产量预测　９５　程高度复杂，其信息结构表现为高度非线性、强关联　性和交错性的特点，这给产品产量预测带来了很大　的难度，直接导致生产结果和设计结果存在较大误　差。实际生产过程中，过程参数的变化以及彼此间　耦合作用直接影响着生产结果。对产量的预测是对　蒸发过程控制的核心问题，如果能够准确地预测，分　析各个参数对其影响，根据生产需要对系统参数作　一个正确评价，就可以适时对系统参数进行合理调　整，从而实现过程优化控制。　把Ｒｏｕｇｈ集理论应用到薄膜蒸发器产量预测中　去，能够充分发挥Ｒｏｕｇｈ集理论的优势，弥补传统的　分析方法的不足。薄膜蒸发器的数据库知识发现过　程如图１所示。　本文利用Ｒｏｓｅｔｔａ来分析薄膜蒸发器的过程参　数数据库，首先把７７组数据分成训练数据和预测数　据两组，通过对３９组训练数据属性约简及其规则的　生成，得到了系统的决策规则，然后把决策规则应用　到对预测数据的分类中，最终得到系统的预测结果，　和试验结果做出对比，从而实现了薄膜蒸发器产量　预测的ＫＤＤ过程。　

图１　薄膜蒸发器产量预测过程　Ｆｉｇ．１　Ｐ￣ｅｄｕｒｅｓ　ｆｏｒ　ｔｈｅ　ｆｏｒｅｃａｓｔｉｎｇ　ｏｆ　ｔｈｉｎ—ｆｉｌｍ　ｅｖａｐｏｒａｔｏｒ’ｓ　ｔｈｒｏｕｇｈｐｕｔ　

ＲＯＳＥＴｒＡ是由挪威科技大学计算机与信息科　学系和波兰华沙大学数学研究所合作开发的一个基　于粗糙集理论框架的表格逻辑数据分析工具包，包　括了计算核和图形用户界面。它的设计实现了对数　据挖掘和知识发现的支持从数据的初始浏览和预处　理，计算最小属性约简和产生ｉｆ－ｔｈｅｎ决策规则或描　述模式，到对所得到的规则或模式的验证和分析。　它的计算程序可以从网站ｈｔｔｐ：／／ｗｗｗ．ｉｄｔ．ｕｎｉｔ．ｎｏ／　一ａｌｅｋｓ／ｒｏｓｅｔｔａ／ｒｏｓｅｔｔａ下载到一个非商业的版本。　

３　数据准备——薄膜蒸发器产量预测信息　系统模型的建立　

薄膜蒸发器生产过程中，物料自进口进入蒸发　器，由分布器均匀地分布在内筒壁受热面上，被刮板　涂布成为薄而均匀的一层膜，并强制形成湍流，向下　移动，吸收自夹套导热油传人的热量，迅速蒸发浓　缩。浓缩液自出料口直接进入接受罐。二次蒸汽向　上经捕沫器去除夹带的雾滴和泡沫后，由二次蒸汽　管口排出。　在薄膜蒸发器中用纯水进行蒸发试验，采用分　布式测控系统模式对系统参数进行监测。监测系统　由南京工业大学机电一体化研究所研制，主要包括　３部分：压阻式压力变送器、热电偶温度传感器、霍　尔转速传感器和流量传感器等传感（执行）单元；模　拟输入信号调理、数据采集以及开关状态输入、控制　开关信号输出接口等工作的下位机以及上位机，它　由ＰＩＩＩ工控微机配以Ｓｙｎａｌｌ工控组态软件及应用监　控软件系统构成，以形象生动的方式向用户显示现　场状态，能实时传输蒸发器内各测点的流量、温度、　

维普资讯 http://www.cqvip.com 南京工业大学学报　第２８卷　转速及系统真空度等参量。界面方便、友好，可完成　实时数据、曲线查询、历史数据、处理存储等工作。　根据试验的数据建立系统的信息库。薄膜蒸发　

器的产量受到系统的温度、压力、流量以及转子的转　速等众多因素的影响。我们可以分析得到对产量比　较重要的１２个因素，如表１所示。　

表１　薄膜蒸发器产量预测的条件因素　Ｔａｂｌｅ　１　Ｃｏｎｄｉｔｉｏｎ　ｆａｃｔｏｒｓ　ｆｏｒ　ｔｈｅ　ｆｏｒｅｃａｓｔｉｎｇ　ｏｆ　ｔｈｉｎ・ｆｉｌｍ　ｅｖａｐｏｒａｔｏｒ’ｓ　ｔｈｒｏｕｇｈｐｕｔ　

第一个需要考虑的因素是日期，因为试验是分期　分批完成的，不同时间的环境温度、压力等参数都不　相同，还可能会有其他因素的影响。试验时间是第二　个因素，考虑到时间的长短对系统的稳定性有很大的　影响，所以把时间也作为一个条件属性。　导热油温度、进料温度、真空度、流量以及刮板转　速是可以控制的５个参数。在这里，可以设定不同的　试验条件来对结果属性进行研究。同时，这些属性除　了导热油温度以外，都可以从监控软件系统实时地看　到其大小。为了简化系统，省却将来离散化的计算　量，仅用近似的控制大小来记录，用监控软件校对控　制属性的稳定性。　测温口１、测温口２、测温口３以及收集罐温度这　４个温度的数值是从监控软件读出来的试验时间内　的平均温度值，测温口设在蒸发器内不同的位置，可　以更好地研究蒸发器内的温度分布。　

蒸发强度属性则是将二次蒸汽冷凝液收集起来，　测出试验时间内的冷凝液质量，然后根据公式（１）计　算得出。　

＝　（１）　式中：　为蒸发强度，ｋｓ／（ｍ　ｈ）；ｍ为冷凝液质量，　ｋｇ；Ａ为传热面积，ｍ　，本试验中Ａ＝０．４ｍ　；ｔ为试验　时间，ｈ。　对于决策信息，即是接受罐中的浓缩液的产量经　测量后除以试验的时间而得到的单位时间内的产量　值，单位是ｋｓ／ｈ。　信息表基于属性值来表示薄膜蒸发器属性的分　类。这里用３月份、１１月份两批试验的７７组样例来　表示７７次试验的条件属性和决策属性的信息。表２　是其中８个样例在各个属性上的投影。　

表２　薄膜蒸发器产量预测系统信息表　Ｔａｂｌｅ　２　Ｄａｔａｆｏｒｔｈｅｆｏｒｅｃａｓｔｉｎｇ　ｏｆｔｈｉｎ・ｆｉｌｍ　ｅｖａｐｏｒａｔｏｒ’ｓｔｈｒｏｕｇｈｐｕｔ　

首先根据观察对数据进行初步的手工处理。如　条件属性ａ１分别列出了试验的日期，而我们关心的　是试验的月份，所以用１表示所有３月份的数据，２表　示所有１１月份的数据；对于决策属性，可以预先对其　

维普资讯 http://www.cqvip.com