流程雁阵(Process Goose Queue,PGQ)为复杂生产工艺优化提供了新的思路和方法,目前PGQ方法仍是采用基于机理数学模型的优化和阵型调整方法,其中对系统模型准确性要求较高,限制了其实际工程应用。本课题结合数据挖掘相关技术,提出了一种基于数据挖掘的流程雁阵阵型调整方法,主要研究内容和取得成果如下:1、深入研究了流程雁阵(PGQ)方法及其阵型调整机制,研究了模糊聚类和模糊关联规则算法,为后续研究工作奠定基础。2、对头雁位置变量进行目标聚类分析,发现头雁在不同工作点的分布情况,利用模糊聚类算法对各状态子雁和操作子雁进行模糊聚类划分,给出在不同模糊语言值下的模糊参数分布;然后,划分的模糊集用于流程雁阵的模糊关联规则挖掘,并通过实例给出了流程雁阵模糊关联规则模糊查询表的实现方法,通过查询表可以对雁阵阵型偏移进行干预。3、以水泥生产工艺作为研究对象,建立以分解炉温度为目标的多级流程雁阵结构,对生产过程数据在各模糊语言值上进行模糊聚类,通过对子雁的模糊关联规则挖掘,得到的模糊关联规则查询表,用于雁阵阵型调整的指导。