-
公开(公告)号：CN108388218B
公开(公告)日：2020-06-19
申请号：CN201810126743.1
申请日：2018-02-08
Applicant: 中国矿业大学
IPC: G05B19/418
Abstract: 本发明公开一种基于潜变量过程迁移模型的修正自适应批次过程优化方法，包括：获取旧批次过程、新批次过程的输入数据和输出数据；根据旧批次过程、新批次过程的输入输出数据建立潜变量过程迁移模型；在以新批次过程进行生产时，根据潜变量过程迁移模型和当前批次的最优输入数据获取当前批次的预测输出数据，并根据潜变量过程迁移模型和当前批次的输入数据获取下一批次的最优输入数据；根据当前批次的最优输入数据和实际输出数据对潜变量过程迁移模型进行更新；根据新批次过程中多个批次的预测输出数据和实际输出数据判断新批次过程的稳定性是否满足要求；如果新批次过程的稳定性满足要求，则对旧批次过程的输入数据和输出数据进行部分数据的剔除。
-
公开(公告)号：CN110222453A
公开(公告)日：2019-09-10
申请号：CN201910516031.5
申请日：2019-06-14
Applicant: 中国矿业大学
IPC: G06F17/50
Abstract: 一种基于宽度学习系统的压缩机出口参数预测建模方法，采集数据并对其进行预处理；利用宽度学习系统构建压缩机的出口参数预测模型，设定宽度学习系统的特征节点组数为n，每组k个特征节点，增强节点组数为m，每组q个增强节点，进行建模；在有新的训练数据输入模型时，利用增量学习算法对原有模型进行在线的更新，设新的训练数据的输入数据矩阵为Xa∈Ra*M，输出数据矩阵为Ya∈Ra*C，其中，a表示新增加训练数据的个数，进行模型更新；利用均方根误差对所构建的模型进行验证。该方法能快速地建立大型压缩机性能预测模型，能有效地节省模型的开发时间与成本。
-
公开(公告)号：CN106843172A
公开(公告)日：2017-06-13
申请号：CN201611243467.4
申请日：2016-12-29
Applicant: 中国矿业大学
IPC: G05B19/418
CPC classification number: Y02P90/22 , Y02P90/26 , G05B19/41885 , G05B2219/32339
Abstract: 一种基于JY‑KPLS的复杂工业过程在线质量预测方法，利用联合Y变量的核偏最小二乘技术建立运行状态的离线质量预测模型、批次工业过程的在线质量预测，具体是先利用联合Y的核偏最小二乘法技术离线建立预测模型，在线获取决策点所有数据，采用均值填充方式对数据进行补充完整，利用预测模型对产品的质量进行预测。本发明能够有效克服新的生产过程数据少而无法建立预测模型的问题，能够加快建模速度，可以提高模型预测精度，实现模型自适应，可根据实时获得预测结果，现场操作人员就能及时调整生产策略，实现生产过程的实时优化，提高工厂的综合经济效益。
-
公开(公告)号：CN119926677A
公开(公告)日：2025-05-06
申请号：CN202510020035.X
申请日：2025-01-07
Applicant: 中国矿业大学
Abstract: 一种基于集成学习与分布式混合贝叶斯网络的煤泥浮选控制方法，步骤一：基于集成学习的分布式混合贝叶斯网络离线建模；S11：划分煤泥浮选过程，并确定贝叶斯网络节点；S12：确定N个相应的混合贝叶斯网络结构；S13：利用最大似然估计法确定N个混合贝叶斯网络的参数；S14：完成基于集成学习的分布式混合贝叶斯网络建模；步骤二：进行煤泥浮选过程在线安全运行的控制；S21：基于当前工况数据信息判断是否发生异常工况，并利用N个混合贝叶斯网络控制模型分别制定安全控制决策；S22：集成N个决策结果，制定当前工况的最终安全控制策略；S23：在异常工况未消除时，重新执行S21。该方法能制定出更加合理可靠的安全控制决策。
-
公开(公告)号：CN114384870B
公开(公告)日：2024-06-11
申请号：CN202111329913.4
申请日：2021-11-10
Applicant: 中国矿业大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于核局部线性嵌入PLS的复杂工业过程运行状态评价方法，包括离线建模、在线评价和非优原因追溯。首先使用KLLEPLS算法建立离线模型，该模型不仅能够提取与综合经济指标(CEI)相关性最大的特征，而且能够保持数据的局部非线性结构；然后针对过程强非线性关系提出一种新的在线评价方法，通过计算在线数据特征与离线建模数据特征之间的相似性，制定有效的评价规则，实现在线数据的实时评价；当评价结果非优时，根据提取的在线数据计算变量的贡献率，确定非优原因变量。本发明有效解决了现有评价方法在强非线性过程提取特征信息不全面的问题，从而使评价结果更准确，保障了生产产品的质量。
-
Patent Agency Ranking
公开(公告)号：CN116125915A
公开(公告)日：2023-05-16
申请号：CN202211489071.3
申请日：2022-11-25
Applicant: 中国矿业大学
IPC: G05B19/418
Abstract: 本发明提供了一种基于贝叶斯网络的选煤过程安全与质量一体化控制方法，确定选煤过程中的控制变量与目标变量；确定相应的贝叶斯网络节点类型及等级状态；确定贝叶斯网络结构；确定贝叶斯网络参数；建立安全与质量一体化控制贝叶斯网络；根据溢流灰分判断是否发生异常工况，将控制变量初始状态做离散化处理；利用建立的贝叶斯网络进行推理，获取能够消除异常工况的控制变量调整值；利用建立的贝叶斯网络进行推理得到调整后的溢流灰分值；判断异常工况是否消除；利用建立的贝叶斯网络，并结合模拟退火算法，推理得到能使溢流灰分达到最优的控制变量调整值以及最优溢流灰分值。该方法可以给出有效安全控制决策，能有效提升产品煤的质量。
-
公开(公告)号：CN114548267A
公开(公告)日：2022-05-27
申请号：CN202210159277.3
申请日：2022-02-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于增量学习的重介质选煤过程安全控制贝叶斯网络模型在线更新方法，属于工业安全运行智能控制技术领域。本发明主要步骤如下：首先，将异常工况的现象变量作为证据信息输入到安全控制贝叶斯网络模型中进行推理。其次，依据最大后验概率原则制定相应的安全控制决策，并依据领域专家知识判断安全控制决策是否合理。若合理，则实施该控制决策。若不合理，则继续判断是否发生新的异常工况，并按照判断条件分别进行结构更新学习和参数更新学习。最后，利用更新完成的安全控制贝叶斯网络模型重新获取安全控制决策。本发明提出的重介质选煤过程安全控制模型更新方法，能够提高模型适应选煤环境变化的能力，为操作人员提供安全、可靠的控制决策。
-
公开(公告)号：CN113110341B
公开(公告)日：2022-03-25
申请号：CN202110430280.X
申请日：2021-04-21
IPC: G05B19/418
Abstract: 一种基于潜变量过程迁移模型的批次过程分层优化方法，上层优化部分，利用DoDE方法在生产过程约束条件下产生涵盖全过程信息的样本点，通过在样本点对应条件下执行生产过程，得到相应的产品质量输出信息并依此建立全局RSM；通过求解基于RSM的优化问题，得到操作变量的次优轨迹并将其作为下层优化的初始工况点；下层优化中，基于即时学习和迁移学习思想建立次优解附近的局部JY‑PLS潜变量过程迁移模型；建模完成后，采用批次间自整定方法对操作变量轨迹进行优化；提出关于当前运行的批次个数和产品质量的判别准则，作为判断上层优化结束时传递至下层优化的初始工况点是否具备实现预期生产目标的判据。该方法能够实现少数据情况下的批次过程高效、精细优化。
-
公开(公告)号：CN112415894B
公开(公告)日：2021-09-10
申请号：CN202011304778.3
申请日：2020-11-20
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于主动学习和BN的重介质选煤过程安全运行控制方法，属于工业安全运行控制技术领域。本发明在分析重介质选煤过程中异常工况机制及相应操作方案的基础上，将主动学习引入到贝叶斯网络的结构学习中，减少所需数据量，提高贝叶斯网络结构学习的效率。利用贝叶斯网络能够结合定性专家知识与定量数据信息分析轻重度异常工况的优势，将异常工况的现象变量作为证据信息，通过贝叶斯推理得到不同等级决策变量的后验概率，并遵循后验概率最大的原则获取相应的控制决策，为排除重介质选煤过程中的异常工况提供决策依据。本发明能有效排除重介质选煤过程中的异常工况，为操作人员的安全控制决策提供依据。
-
公开(公告)号：CN113361711A
公开(公告)日：2021-09-07
申请号：CN202110734236.8
申请日：2021-06-30
Applicant: 中国矿业大学
Abstract: 一种多样性驱动的集成宽度学习系统，通过获取训练数据并对其进行预处理；随机生成的权值和偏差生成特征节点组和增强节点组，在损失函数中加入多样性正则化项来约束各模型之间的输出权重参数的多样性，在训练得到一个标准宽度学习系统后，不用重新得到扩展输入矩阵，只对输出权重进行多样性约束，顺序生成多个具有互补性的子模型，增加模型间差异性，得到一个多样性较高的集成模型，根据测试精度来评估模型的预测性能效果，本发明改善了单个宽度学习系统对复杂高维数据性能较差以及随机操作带来的不稳定性的问题，提高了模型的预测精度，提升了模型的泛化性与鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.023 seconds)
