在现代化的工业生产中,生产呈现出集中大规模形式。这与科技成果被迅速地应用到工业生产中是密不可分的,计算机技术被引入到工业生产就是一个最好的见证。随着工业控制与数字监控系统的成熟,生产的效率和产品的质量不断提高,工人的劳动强度也得到了一定程度的缓解。与此同时,对生产的安全性提出了更高地要求。 工业智能监测与管理系统就是解决这一问题的有效方案。该系统可以在生产线出现异常情况时,对总体进行评估,并向工人提供有效的调整建议。构建整个系统的关键就在于搜集有效的控制措施。为了实现这一步,可以对现有控制系统中采集的大量数据进行分析。本文正是在分析了活性石灰回转窑的特点的基础上,合理运用各种数据挖掘算法与工具,从历史信息中有效地提取大量的控制信息,并综合各种工具提出了一个数据挖掘引擎的模型。 本文首先对数据挖掘技术进行了研究,介绍了挖掘任务的分类,过程与步骤,并详细介绍了数据挖掘算法的组成,以及常用的统计分析法、聚类分析、关联规则等算法。然后提出了工业智能监测与管理系统结构设计,分析了数据挖掘在系统中的位置和不同阶段的各种作用。在以上数据挖掘技术的研究和系统结构设计的基础上,开始对历史数据进行挖掘。在挖掘过程中详细地描述了各个阶段的研究步骤。首先是数据挖掘的准备阶段,该阶段中对原系统的数据源、生产线的工作原理进行了分析,并采用了面向专家的方法进行了知识获取。随后基于数学方法对数据进行建模,它能够很好的对单因素的关系进行很好的建模与分析,但是由于生产线固有的特点,数学建模的方法也存在局限性。因此最后采用了基于模式发现的数据挖掘算法。这也是整篇文章的核心内容。在模式发现的数据挖掘过程,采用了有效的信息提取的策略,使用聚类分析法将不同产量下的各监测点的安全范围作出了界定;并在对安全生产规则挖掘的过程中,分析了现有的关联规则算法的缺陷,并提出了一种效率更高的数据挖掘算法,并利用该算法对生产线安全规则进行识别,对控制模型进行了完善。最后介绍了作者在研究和使用了各种数据挖掘方法与工具后,针对数据挖掘任务的特点所提出的一个数据挖掘引擎模型。该模型具有良好的扩展性,可以更有效的面向问题的解决各种数据挖掘问题。