-
公开(公告)号：CN118197453B
公开(公告)日：2024-10-01
申请号：CN202410617232.5
申请日：2024-05-17
申请人： 中南大学
摘要： 本发明提供一种氧化铝溶出过程苛性比值软测量建模方法，先构建考虑实时固相含铝浓度的氧化铝溶出过程铝溶解微观动力学模型，用于反映主反应的反应速率#imgabs0#；再基于溶出工艺流程的质量平衡和能量守恒，以及主反应的反应速率#imgabs1#，获得基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程，得氧化铝浓度#imgabs2#；基于副反应的影响，获得溶出过程溶液中苛性钠浓度方程，得苛性氧化钠的浓度#imgabs3#；然后基于氧化铝浓度#imgabs4#和苛性氧化钠的浓度#imgabs5#，建立溶出过程苛性比值软测量模型，最后结合工业实际数据辨识融合和优化求解算法，获得溶出过程苛性比值软测量模型的未知参数；本发明构建的氧化铝溶出过程苛性比值软测量模型的预测精度高，平均相对误差在1%以内。
-
公开(公告)号：CN115309045B
公开(公告)日：2024-08-16
申请号：CN202210888939.0
申请日：2022-07-27
申请人： 中南大学
IPC分类号： G05B13/04
摘要： 本发明公开了一种面向工业系统多工况学习的预测控制方法和系统，方法包括：获取工业系统当前工况下的稳定跟踪给定值序列R(t)，获取工业系统被控对象在最近时间以前的历史控制变量序列Up(t)和最近时间的历史控制输出序列Yp(t)；使用训练好的基于LSTM的预测模型，根据Up(t)和Yp(t)，预测被控对象在多个未来时刻的控制输出序列#imgabs0#根据#imgabs1#和R(t)，采用自适应梯度下降方法求解基于模型预测控制的滚动控制优化问题，获得预测被控对象在下一时间以后的控制变量序列U(t)。本发明可以精确预测不同工况下被控对象的输出，实现被控对象多工况下的精准控制，增强被控工业系统的稳定性。
-
公开(公告)号：CN116125922B
公开(公告)日：2024-06-21
申请号：CN202310023849.X
申请日：2023-01-09
申请人： 中南大学
IPC分类号： G05B19/418
摘要： 本发明公开了一种基于平行式字典学习的复杂工业过程监测方法和系统，方法包括：根据各监测变量的方差膨胀因子，提取工业过程的共线性变量集；基于线性最大化方法从共线性变量集中划分线性变量子集，剩余监测变量构成非线性变量子集；对每个线性变量子集均基于字典学习建立线性监测模型，对非线性变量子集则基于核字典学习建立非线性监测模型；基于建立的线性和非线性监测模型计算重构误差，并计算各误差控制限；在线获取复杂工业过程的实时监测样本数据，计算各变量子集的重构误差；基于各重构误差和控制限，融合计算当前监测样本数据的全局指标，由全局指标判定当前工业过程是否故障。本发明可以实现对线性、非线性共存的复杂工业过程的监测。
-
公开(公告)号：CN116088307B
公开(公告)日：2024-01-30
申请号：CN202211688206.9
申请日：2022-12-28
申请人： 中南大学
IPC分类号： G05B13/04
摘要： 本发明公开了一种基于误差触发自适应稀疏辨识的多工况工业过程预测控制方法、装置、设备及介质，方法：采集工业过程多个已知工况的数据，基于采集数据辨识各工况的预测模型并构建预测模型集合，以及估计各预测模型的预测误差阈值；采集当前状态量，使用各预测模型并根据上一时刻状态量和控制量预测当前时刻状态量，计算预测误差；选择预测误差最小的预测模型，将其预测误差与阈值比较：若预测误差连续超过阈值，则判定出现新工况，采用自适应更新方法对该预测误差最小的预测模型进行更新，并作为当前工况预测模型以及添加到预测模型集合中；对工业过程进行当前工况下的模型预测控制。本发明能够提供精准的预测模型，对工业(56)对比文件喻聪.电站锅炉燃烧优化及低NOx排放控制若干问题研究《.中国博士学位论文全文数据库工程科技Ⅰ辑》.2020,(第2020年05期),B027-65.汤健;柴天佑;刘卓;余文;周晓杰.基于更新样本智能识别算法的自适应集成建模.自动化学报.2016,(第07期),全文.吕文兵;陆新江;黄明辉;雷杰;邹玮.集成机理与数据的复杂模锻过程在线建模方法.中国机械工程.2015,(第09期),全文.王琳;谢敬华.电子衍射谱仪探测负载惯量优化控制.计算机仿真.2018,(第11期),全文.
-
公开(公告)号：CN117170332A
公开(公告)日：2023-12-05
申请号：CN202311333044.1
申请日：2023-10-16
申请人： 中南大学
IPC分类号： G05B19/418
摘要： 本发明公开了一种基于一体化时空模型预测的多工况工业控制方法和系统，方法包括：基于正交试验的典型工况特征提取方法，构建工况识别器；构建各工况下的时间动态模型和空间分布模型，采用数据驱动和一体化训练方法得到各工况对应的时空模型的最优参数；利用工况识别器实时识别多工况工业系统当前工况，并以当前工况下的时空模型作为预测模型，通过滚动优化的方式得到系统当前最优的控制输入。本发明通过学习可观测点和不可观测点的时空相关性，建立不可观测点的预测模型，并将其融入到预测控制框架中，实现不可观测点的精准控制。
-
公开(公告)号：CN117115587A
公开(公告)日：2023-11-24
申请号：CN202311078685.7
申请日：2023-08-25
申请人： 中南大学
IPC分类号： G06V10/774 , G06V10/40 , G06V10/82 , G06V10/42 , G06V20/40
摘要： 本发明公开了一种基于GDNN的工业视频全局稀疏对抗样本生成方法和设备，方法：获取良性的工业视频样本输入至GDNN；通过可控攻击成本和预设概率分布分别对GDNN两个分支解码器的输出处理，学习获得扰动强度矩阵和扰动位置矩阵，用于对良性视频样本扰动叠加处理得到全局稀疏对抗样本；将得到的全局稀疏对抗样本输入至视频识别模型，并根据识别结果和真实标签计算对抗损失，再考虑扰动位置的优化损失得到样本损失；最终基于所有样本损失训练GDNN得到对抗样本生成模型，用于对未知的工业视频样本进行处理，生成对应的全局稀疏对抗样本。本发明提高了对抗生成样本的全局稀疏性，降低扰动像素修改需求，从而节省通信资源。
-
公开(公告)号：CN116257026A
公开(公告)日：2023-06-13
申请号：CN202310304587.4
申请日：2023-03-27
申请人： 云南驰宏资源综合利用有限公司 , 中南大学
IPC分类号： G05B19/418
摘要： 本发明公开了一种焙烧炉数字化智能运行监控系统及方法，属于冶金领域，所述的焙烧炉数字化智能运行监控系统包括数据管理层、应用层、DCS控制系统，所述的数据管理层包括实时数据采集模块、数据库、控制指令下发模块，所述的数据管理层采集焙烧炉的实时数据，并进行存储，应用层对监控系统进行数据进行可视化限时，并自动计算出需要设置的各项数据，自动写入DCS控制系统。本发明采用模块化设计思路，有效保障控制、监测等应用模块的独立运行，在添加新的智能应用时，无需对底层通讯模块进行重新设计。
-
公开(公告)号：CN118445694A
公开(公告)日：2024-08-06
申请号：CN202410544004.X
申请日：2024-05-06
申请人： 中南大学
IPC分类号： G06F18/2411 , G06F18/213 , G06F18/214 , G06F18/2415 , G06N3/04 , G06Q50/04
摘要： 本发明公开了一种面向厂级知识安全迁移的无监督模型领域自适应方法，应用于目标域工厂对目标域模型进行训练，包括：获取源域工厂的源域模型，其特征提取器和分类器利用带标签的源域数据集训练得到；使用源域模型对目标域模型的特征提取器和分类器初始化；使用源域模型的特征提取器计算目标域样本的特征，构建特征库；将目标域模型的分类器的参数固定，并利用特征库分批次训练目标域模型；其中，在每批次训练更新完模型参数后，使用当前目标域模型的特征提取器重新计算当前训练批次样本的特征，更新特征库，再利用下一批次样本的特征库训练目标域模型。本发明在不需要源域数据参与的条件下实现了高精度的领域对齐。
-
公开(公告)号：CN116125923B
公开(公告)日：2024-06-21
申请号：CN202310024018.4
申请日：2023-01-09
申请人： 中南大学
IPC分类号： G05B19/418
摘要： 本发明公开了一种基于混合变量字典学习的混杂工业过程监测方法和系统，方法：获取混杂工业过程混合变量的历史监测数据构建训练数据集；构建离散字典以获得离散数据集的标签矩阵；采用LC‑KSVD方法构建优化问题，求解连续字典、线性变换矩阵、分类器参数和稀疏编码；计算每个样本的连续变量数据和离散变量数据的重构误差，及重构阈值；在线获取实时监测数据，根据连续字典计算其连续变量的稀疏编码，并计算连续变量和离散变量的重构误差；将两种变量数据的重构误差分别与对应阈值比较，判断两类变量各自是否出现数据异常，判断混杂工业过程当前状况。在缺乏先验知识导致数据的分布情况未知时，本发明仍能更全面地识别出工业过程各种故障。
-
公开(公告)号：CN117930649A
公开(公告)日：2024-04-26
申请号：CN202410000356.9
申请日：2024-01-02
申请人： 中南大学
IPC分类号： G05B13/04
摘要： 本发明公开了一种针对非平稳工业过程的故障监测方法和装置，方法包括：利用稀疏平稳投影矩阵对工业过程的多维观测变量进行稀疏线性组合构建多维度平稳源，并构建平稳源的监测统计指标；其中，稀疏平稳投影矩阵，采用平稳子空间分析方法并在优化问题中引入l2,p范数作为稀疏约束，并利用由多维观测变量构成的训练数据求解得到；根据每条训练数据，均计算平稳源的监测统计指标，并计算平稳源的控制限；在线监测阶段，根据实时观测数据计算平稳源的监测统计指标，并与控制限比较以完成故障检测；之后将每个观测变量对于监测统计指标的贡献值进行动态重构，通过比较重构贡献值的大小来确定故障变量。本发明可以实现高故障检测率以及精准确定故障位置。
-
-
-
-
-
-
-
-
-
搜索结果
35 条记录 (耗时 0.073 秒)
