-
公开(公告)号:CN118606600B
公开(公告)日:2025-02-07
申请号:CN202410743042.8
申请日:2024-06-11
Applicant: 中国矿业大学
IPC: G06F17/10 , G06F17/18 , G06N3/0495 , G06N3/082 , G06N3/047
Abstract: 本发明公开了一种面向概念漂移数据流的矿浆密度智能检测方法,包括:得到人工化验值矿浆密度;得到线性模型估计值;得到数据驱动模型估计值;得到智能检测模型的估计值以及置信区间;得到线性模型估计值以及估计值的方差;得到非线性模型对密度的估计值;估计值不在置信区间内,进行结构动态调整以增强模型的泛化性能;反之完成整体模型的更新;选取一部分数据根据高斯过程回归和正则化随机配置的方法建立初始模型,通过流数据分别更新线性模型和非线性模型,将两个模型检测的结果相结合得到最终的矿浆密度检测值。本发明构建了一个由已知的线性模型以及未知非线性模型组成的整体模型,解决工业生产过程中矿浆密度检测时存在的精度和实时性问题。
-
公开(公告)号:CN119130944A
公开(公告)日:2024-12-13
申请号:CN202411163726.7
申请日:2024-08-23
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于深度学习的煤炭灰分预测方法及系统,该方法包括如下步骤:收集煤炭样品的CT图像数据集;对CT图像数据集进行预处理,以增强图像特征;构建MSA‑ViT模型,输入步骤S2预处理后的图像,通过3D卷积层、SPP层、两个不同的编码器提取特征,并输出预测结果;分析预测结果,引入误差指标进行评估。本发明有效解决了现有技术在煤炭灰分检测方面的效率低下、准确性不足、依赖性和成本高昂的问题,为用户提供了一个高效、准确、便捷的煤炭灰分检测解决方案。
-
公开(公告)号:CN119069019A
公开(公告)日:2024-12-03
申请号:CN202410631725.4
申请日:2024-05-21
Applicant: 中国矿业大学
IPC: G16C20/20 , G16C20/70 , G06F30/27 , G06F111/04 , G06F111/08 , G06F111/10 , G06F119/10
Abstract: 本发明涉及基于二次不等式约束鲁棒随机配置网络的工业软测量方法,把随机配置网络输出权重的优化问题转化为二次不等式约束条件下的最小二乘问题,提出了二次不等式约束的随机配置网络,使其输出权重更加稳定。进一步,为抑制训练样本中异常值对输出权重的影响提出了二次不等式约束的鲁棒随机配置网络,其过程是,先利用样本的拉普拉斯度矩阵构建样本的权重矩阵,鉴别出可能的异常值,再把SCN输出权重优化问题转为二次不等式约束下的加权最小二乘问题,把所提出方法应用在工业过程软测量中,实验结果表明在样本中存异常值时,有良好的软测量效果。
-
公开(公告)号:CN118941518A
公开(公告)日:2024-11-12
申请号:CN202410969266.0
申请日:2024-07-19
Applicant: 中国矿业大学
IPC: G06T7/00 , G06N3/0464 , G06T7/246 , G06T7/277
Abstract: 本发明公开了一种基于改进YOLO v8n算法的智能井下钻杆计数方法,该方法包括:获取井下打钻杆图像并对图像进行预处理,得到预处理后的图像;基于YOLO v8n网络模型结构,引入Dyhead模块、EMA模块和Inner‑WIoU损失函数,构建钻杆计数网络模型;运用DeepSORT算法对图像里检测到的person、drill rod和drilling machine种类进行目标跟踪;计算person与drill rod的IoU值是否大于设定阈值1,若大于则进行下一步判断,若小于则返回跟踪;判断drill rod与drilling machine的IoU值是否大于设定阈值2,若大于阈值则计数加1,若小于阈值则返回跟踪。本发明实例能同时提高模型检测的准确率、召回率以及精度。本发明作为基于改进的YOLO v8n算法的井下智能钻杆计数研究,可广泛应用于井下智能检测领域。
-
公开(公告)号:CN118122478A
公开(公告)日:2024-06-04
申请号:CN202410407003.0
申请日:2024-04-07
Applicant: 沈阳盛世五寰科技有限公司 , 中国矿业大学
Abstract: 本发明公开了一种高压辊磨智能运行控制半实物实验方法,包括如下步骤:工业计算机A、工智机B、工业计算机C均与交换机D数据连接;工业计算机A在Metsim中仿真高压辊磨工艺流程;工业计算机A在MATLAB中仿真高压辊磨设备辊缝、节料阀位移控制;工智机B中设计工智机控制器并实现设定值优化;工业计算机C进行数据监控。本本发明实现高压辊磨运行过程的模拟仿真,并且通过设计工智机控制器控制高压辊磨设备辊缝、节料阀位移;并且通过嵌入优化决策算法优化设定值,以提高生产质量;同时设计运行监控界面,监控运行过程数据,实现运行过程可视化。各模块之间建立稳定的数据通讯通道,以保证半实物仿真平台运行的稳定性。
-
公开(公告)号:CN112883836B
公开(公告)日:2024-04-16
申请号:CN202110134732.X
申请日:2021-01-29
Applicant: 中国矿业大学
Abstract: 本发明公开一种煤矿井下巷道形变视频检测方法,属于机器视觉技术领域。该方法主要包括:悬挂轨道式机器人移动平台巡检视频分段采集,获取原始视频与历次巡检视频;原始视频关键帧提取,获得背景模型关键帧;关键帧与当前巡检视频匹配建立背景模型;根据模型匹配的结果进行图像差分处理,检测井下巷道变化并输出检测结果;根据异常检测结果更新背景模型。本发明能够通过视频巡检对煤矿井下巷道进行周期性形变检测,排除安全隐患。
-
公开(公告)号:CN116992260B
公开(公告)日:2024-03-22
申请号:CN202210425403.5
申请日:2022-04-21
Applicant: 中国矿业大学 , 江苏锐策智能科技有限公司
IPC: G06F18/213 , G06F18/24 , G06F18/214 , G06F18/2135 , G01M13/003 , G06F18/15
Abstract: 本发明公开了一种基于云理论的气动调节阀故障诊断方法,本发明采用云模型理论与动态内部主成分分析方法分别进行特征提取并融合,提出一种基于云化采样的集成随机配置网络模型进行故障诊断。本发明不仅以较高的诊断准确率实现了对气动调节阀的故障诊断,有效避免了阀门带故障运行;而且考虑到在实际应用中阀门故障数据匮乏的问题,通过构造样本和集成的方法解决了模型在小样本数据下诊断精度不高的问题。除此之外,本发明无需熟悉阀门机理与繁杂的经验知识即可完成故障诊断,具有较好的实用性。
-
公开(公告)号:CN117668720A
公开(公告)日:2024-03-08
申请号:CN202311544478.6
申请日:2023-11-20
Applicant: 中国矿业大学 , 沈阳盛世五寰科技有限公司
IPC: G06F18/2433 , G06F18/27 , G06F18/213 , G06N3/082 , G06N3/094 , G06N3/0455 , G06N3/0499
Abstract: 本发明公开了一种基于轻量化重构网络的可解释性时序数据异常检测方法,包括如下步骤:获取时序数据进而构建数据集;构建编码网络以获得编码后的潜在特征;获得多个序列通道之间的依赖关系;将更新后的潜在特征输入到解码网络中以获得重构数据;构建生成器和判别器并采用对抗训练方法优化重构网络的参数;将待检测数据输入经过对抗训练优化后的重构网络,并通过分析重构误差来判断数据的异常状态,结合依赖关系图对异常状态进一步推断。本发明实现在轻量化和可解释性方面的进步,该方法不仅专注于精简网络结构,降低参数量,以便在资源受限的环境下高效部署,同时强调了构建的依赖关系,为异常状态的解释提供了有价值的信息。
-
公开(公告)号:CN113269055B
公开(公告)日:2024-02-13
申请号:CN202110488329.7
申请日:2021-05-06
Applicant: 中国矿业大学
Abstract: 本发明针对智能清扫装置对成片落叶检测难、效率低的问题,提出一种用于落叶检测的预测框损失函数—引力损失函数(AIoU Loss)的计算方法。通过引入预测框间的距离参数,使用最小外接矩形框替换符合条件的原预测框,达到预测成片落叶的效果。本发明解决了在检测落叶时,区分单片落叶和成片落叶的问题,使智能落叶清扫装置更准确的定位落叶地点,提高清扫效率。
-
公开(公告)号:CN116338573B
公开(公告)日:2023-12-22
申请号:CN202310333105.8
申请日:2023-03-30
Applicant: 中国矿业大学
Abstract: 本发明公开了一种封闭空间考虑噪声误差特性的无人系统定位方法,包括步骤如下:利用状态扩维和量测差分方法白化有色厚尾过程噪声和量测噪声,用广义双曲分布建模厚尾非高斯噪声,将一步预测和似然概率密度函数用广义双曲分布的分层高斯形式表达,利用变分贝叶斯方法求解系统状态、未知的噪声参数以及辅助变量的后验分布联合求解;输出估计结果及对应的方差矩阵。本发明解决了过程噪声和量测噪声服从有色厚尾分布并且其先验信息未知下的状态估计问题,提高了无人系统在室内、井下、地下室等封闭空间中对设备的定位精度,保障系统正常运行,实现任务目标。
-
-
-
-
-
-
-
-
-