一种云边协同质量预测方法
    21.
    发明公开

    公开(公告)号:CN117333069A

    公开(公告)日:2024-01-02

    申请号:CN202311342483.9

    申请日:2023-10-17

    Applicant: 中南大学

    Abstract: 本公开实施例中提供了一种云边协同质量预测方法,属于数据处理技术领域,具体包括:获取预设时段内的历史工业过程数据;对预处理后的历史工业过程数据按时间窗进行分割,得到时间窗数据;在云端构建Koopman约束分层深度状态空间模型并利用时间窗数据训练;将深度状态空间模型在云端进行简化并重新训练;根据简化后模型的隐变量和预测的观测值计算统计量估计分别确定统计量Tz2,Tx2的监测阈值ηz,Tηzx2;,将简化后的模型Tx2;利用核密度部署到边端设备;在边端设备,对实际工业过程在线数据进行预处理,并得到新的时间窗数据,输入至简化模型,在线进行质量预测并计算统计量来判断模型是否适配并予以解决。通过本公开的方案,提高了模型预测精准度和可靠性。

    基于音频信号特征的浮选过程工况识别方法

    公开(公告)号:CN114510970A

    公开(公告)日:2022-05-17

    申请号:CN202210092432.4

    申请日:2022-01-26

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于音频信号特征的浮选过程工况识别方法,包括:步骤1,数据准备与数据预处理,具体包括数据的获取、降噪和工况类别划分;步骤2,根据梅尔声谱图纵轴代表的频率物理意义,放大浮选音频信号中关键频段所占比例,减小不重要频段的影响,构建基于特征注意力机制的浮选音频梅尔声谱图。本发明通过观察梅尔谱图中不同频段对识别结果的影响,找出关键频段,构建基于注意力机制的浮选音频梅尔声谱图,进行特征的初步提取,在建立模型时引入迁移学习,通过模型本身的输出特性筛选出最可能识别正确的测试集数据并打上伪标签,同时对齐数据的边缘分布和条件分布来确保迁移时仍能产生良好的分类界限,达到提高模型泛化性能的目的。

    一种钾盐产品的运输规划方法及相关设备

    公开(公告)号:CN119168517A

    公开(公告)日:2024-12-20

    申请号:CN202411313221.4

    申请日:2024-09-20

    Applicant: 中南大学

    Abstract: 本申请涉及运输技术领域,提供了一种钾盐产品的运输规划方法及相关设备,该方法包括:获取钾盐产品发运区域的多个货位空间、多个车皮空间、多个车皮,以及钾盐产品发运区域的多个不确定性发运需求;对所有不确定性发运需求进行聚类,并将聚类得到的聚类簇中的不确定性发运需求作为目标发运需求;根据所有货位空间、所有车皮空间、所有车皮、所有目标发运需求构建两阶段目标函数和约束条件;对两阶段目标函数和约束条件进行对等转换,得到对等模型;对对等模型进行分阶段求解,得到钾盐产品发运区域的运输规划方案。本申请的方法能够提高运输规划的可靠性。

    一种基于图像多级特征匹配的烧结矿粒智能计数方法

    公开(公告)号:CN116228681A

    公开(公告)日:2023-06-06

    申请号:CN202310061279.3

    申请日:2023-01-19

    Applicant: 中南大学

    Abstract: 本发明适用于图像处理技术领域,提供了一种基于图像多级特征匹配的烧结矿粒智能计数方法,包括:获取破碎机破碎后的矿粒做自由下落运动的视频数据;提取视频数据中第K帧矿粒图像和第K+1帧矿粒图像内每个矿粒的形态特征,并基于动力学模型及提取到的形态特征,通过多级特征匹配追踪第K帧矿粒图像内每个矿粒在第K+1帧矿粒图像中的形态特征,得到视频数据中每个矿粒对应的面积初步确定结果;分别针对视频数据中每个矿粒,根据该矿粒对应的所有面积初步确定结果确定该矿粒的最大面积;根据预设矿粒面积阈值以及每个矿粒的最大面积,对每个矿粒进行粒径划分,并统计不同粒径包含的矿粒个数。本发明能提高烧结矿粒计数的准确度。

    基于深度学习的周期性工业视频片段关键帧两阶段提取方法

    公开(公告)号:CN113269067B

    公开(公告)日:2023-04-07

    申请号:CN202110532120.6

    申请日:2021-05-17

    Applicant: 中南大学

    Abstract: 本发明涉及一种基于深度学习的周期性工业视频片段关键帧两阶段提取方法。该方法包括:获取工业视频图像,提取感兴趣区域,预处理,得到预处理后图像序列;构建基于深度学习的语义分割网络模型,提取所述预处理后图像的目标区域;第一阶段,构建卷积神经网络对所述预处理后图像进行分类,并对其时间序列进行分割,得候选关键帧序列集合;第二阶段,构建所述目标区域相似度矩阵,对所述候选关键帧序列进行聚类、筛选和融合,得关键帧。本发明针对工业视频特征复杂,当前方法缺乏全局性和局部性的问题,引入深度学习技术,以“先全局后局部”的两阶段思想,更快、更准确地提取了工业视频关键帧,对优化生产,实现提质增产具有指导意义。

Patent Agency Ranking