面向知识自动化的磨矿系统操作员脑认知特征与控制效果的相关分析
面向知识型工作自动化,研究了流程工业生产过程中操作人员的脑认知特征与操作控制水平之间的关键,建立了一种基于操作员脑网络特征的操作熟练程度隐性知识的显性化模型.采用关注信号瞬时相位、基于希尔伯特变换的相位锁方法,构建了脑功能网络(Functional brain network, FBN).基于磨矿系统操作员脑功能网络的图论参数与社区连接强度,建立了特征空间,采用支持向量机与神经网络进行特征分类.结果表明,在高频区,熟练操作员(熟手)的脑功能网络连接强度明显高于不熟练操作员(生手):在低频部分则生手的脑功能网络连接强度略高,其特征分类准确率为87.24 %.磨矿系统操作过程中形成的溢流粒度(Grinding particle size, GPS) 曲线可以初略地反映操作人员的熟练程度,本文在深入分析了其溢流粒度曲线与操作员脑网络特征的基础上,发现相对于溢流粒度曲线操作员的脑网络特征可以更全面地描述操作控制水平(特别在操作开始时间段),采用脑网络特征识别操作控制水平在时间上超前于溢流粒度曲线识别方法.本研究对于将知识工作者的认知特征引入到流程工业控制中,具有一定的借鉴意义.
知识自动化、操作控制水平、实时检测系统、脑认知、脑功能网络、相位锁
43
TP3;TP2
国家自然科学基金51505069, 61621004;辽宁省高等学校创新团队项目LT2014006;流程工业综合自动化国家重点实验室开放基金PAL-N201304 资助 Supported by National Natural Science Foundation of China51505069,61621004;the University Innovation Team of Liaon-ing ProvinceLT2014006;the State Key Laboratory of Process Industry Automation of ChinaPAL-N201304
2018-02-02（万方平台首次上网日期，不代表论文的发表时间）
共10页
1898-1907
