-
公开(公告)号：CN106971079B
公开(公告)日：2019-06-28
申请号：CN201710250863.8
申请日：2017-04-17
Applicant: 中南大学
CPC classification number: Y02P10/234
Abstract: 本发明公开了一种沉铁过程出口亚铁离子浓度的协调优化设定方法及装置，该方法基于RBF神经网络建立沉铁过程出口亚铁离子浓度的优化设定模型，得到不同工况下出口亚铁离子浓度的最优设定值。由于生产工况的波动和外部干扰，控制系统无法精确达到设定值，根据出口亚铁离子浓度的实际值与设定值的偏差，协调调整出口亚铁离子浓度的设定值和建立基于指标分解的设定值补偿策略，使流程仍然能够优化运行。本发明能够自动的根据生产工况给出出口亚铁离子浓度的最优设定值，并根据流程反馈信息进行协调调整和补偿，显著提高了流程最终出口亚铁离子浓度的合格率，能够实现沉铁过程的优化运行。
-
公开(公告)号：CN108647423A
公开(公告)日：2018-10-12
申请号：CN201810422150.X
申请日：2018-05-04
Applicant: 中南大学
IPC: G06F17/50
Abstract: 本发明提供了一种氧化铝溶出过程闪蒸系统孔口尺寸的优化方法，建立了闪蒸系统稳态时孔口尺寸的流体力学模型；建立了以系统热量回收利用量最大为优化目标，以闪蒸系统孔口尺寸模型和工艺指标为约束的优化模型；采用自适应状态转移算法求解优化模型，得出各闪蒸器孔口尺寸最优值，采用实际生产数据对模型进行验证，其中，变换因子可根据设置的迭代终止条件在每一次迭代过程中自适应调节，同时针对难以测量的待辨识参数，根据最小二乘误差函数进行了辨识。本发明使氧化铝溶出过程闪蒸系统的孔口尺寸更加符合实际环境，从而使得闪蒸系统的温度和压强分布更加合理，热量回收量提高了0.75％-1.45％。
-
公开(公告)号：CN119918634A
公开(公告)日：2025-05-02
申请号：CN202510005765.2
申请日：2025-01-03
Applicant: 中南大学
Abstract: 本发明公开了一种基于多层级跨工序关联的矿物浮选工业知识图谱构建方法。通过结合本体建模和树状结构，系统化表达浮选工艺。该方法将浮选工艺视为一棵动态树，根节点用于表征进料参数，树干和分支节点分别对应主要工艺步骤及其子过程，叶节点表示工艺参数和性能指标反馈。本发明在知识图谱中引入本体，对工艺数据、工序关联及输入—输出关系进行语义化动态建模，并使用本体语义实现多源异构数据的统一描述和集成表达。通过该方法，有效解决了浮选工艺中多参数复杂关联的直观建模问题，提供了一种清晰的工艺表达与知识组织形式，为矿物浮选工艺智能化分析和优化奠定了基础。
-
公开(公告)号：CN116576979B
公开(公告)日：2024-08-13
申请号：CN202310304408.7
申请日：2023-03-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于分布式温度传感器的铝电解铝液及电解质水平测量装置及方法，包括巡检机器人、测量钎装置和测量系统，测量铁钎内部布置若干个温度传感器，用于测量铝液和电解质的温度，将温度传感器测得的数据传递到测量系统中进行处理，并提出一种自适应新息卡尔曼滤波算法对温度数据进行滤波，在卡尔曼滤波的基础上更新了Q值和R值，提升滤波器的精度，通过对滤波后温度数据的比较判断出铝液与电解质以及电解质与空气的水平分界点，求出铝液与电解质液的水平高度。本发明的装置利用了铝液与电解质温度的差异完成两水平测量，并能够降低人力成本，减小生产安全隐患，提升两水平测量的精度，有助于实现铝电解电解槽的智能化管理。
-
公开(公告)号：CN116307246B
公开(公告)日：2024-06-21
申请号：CN202310369675.2
申请日：2023-04-10
Applicant: 中南大学
IPC: G06Q10/04 , G06Q50/04 , G06F18/214 , G06F18/2431 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于LSTM‑CNN和ICBAM长短期特征提取的铝电解槽温预测方法，采用LSTM‑CNN作为影响槽温的长期特征提取方法，首先对数据用LSTM提取长时间相关特征，然后再用CNN提取数据间的局部相关特征，从而得到基于长周期数据的长期深度特征。采用基于2D‑CNN和1D‑CNN双流卷积分别提取阳极电流和槽电压特征，然后基于ICBAM对双流特征进行注意力加权融合，得到槽温短期深度特征。为了更好的融合铝电解生产过程中的长期特征和短期特征这两种语义和尺度不一样的特征，利用AAW中的多尺度注意力模块，充分考虑了特征图中的全局信息与局部信息，从而能够提升模型预测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN116402133B
公开(公告)日：2024-04-30
申请号：CN202310385458.2
申请日：2023-04-12
Applicant: 中南大学
IPC: G06N5/02 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F16/36
Abstract: 本发明公开了一种基于结构聚合图卷积网络的知识图谱补全方法及系统，获取待补全的知识图谱，首先将其输入LSTM网络提取三元组连接的语义规则，再利用词嵌入模型将知识图谱初步嵌入，将训练集的初步嵌入结果输入结构聚合图卷积网络进行迭代训练，得到最终的实体、关系嵌入表示。再抽取测试集中的头实体‑关系对与测试集中的所有实体作为尾实体，得到新三元组集合，再次利用LSTM网络提取新三元组集合对应的语义规则集。将测试集输入训练好的网络中，利用评分函数与加分函数评估图谱补全的效果。本发明的图谱补全方法比现有的一些方法具有更好的图谱补全性能。
-
公开(公告)号：CN117548234A
公开(公告)日：2024-02-13
申请号：CN202311558727.7
申请日：2023-11-22
Applicant: 中南大学
IPC: B03D1/02 , G06F18/2113 , G06F18/2115 , G06F18/214 , G06F18/241 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种用于泡沫浮选工况预估的级联特征选择方法，主要包括如下步骤：按照fisher分数从大到小的顺序对原特征集排名后，依次从特征集中删除排名集中最后一名对应的特征，分别评估所得特征数目递减的特征集，将评估结果最好的特征集作为中间特征子集，在中间特征子集的基础上，以特征子集编码二值向量为输入、模型准确率均值为输出，采用BGSA求解最优值，综合考虑目标值以及特征数目得到最终特征子集。本发明的特点是在原始特征数目众多时对于特征选择效果与计算代价之间的关系有一定协调能力，以在有限时间内达到特征选择减少不相关和冗余特征的基本目标，找到能使模型效率和最终表现均有所提升的合适特征子集。
-
公开(公告)号：CN116484275B
公开(公告)日：2023-12-22
申请号：CN202310405505.5
申请日：2023-04-17
Applicant: 中南大学
IPC: G06F18/241 , G06F18/214 , G06N3/042 , C25C3/20
Abstract: 本发明公开了一种基于自适应时空图卷积神经网络的铝电解阳极效应监测方法，包括：对记阳极电流数据进行预处理；将多通道的阳极电流信号建模成以阳极通道为节点、节点间连接权重为边的图结构数据，得到阳极电流信号的初始邻接矩阵；构建时空图卷积神经网络，获取阳极电流数据的空间特征和时间特征；构建图结构损失函数和交叉熵损失函数以更新网络参数；利用Softmax分类器得到最终的分类结果。本发明的方法可以根据已有的阳极电流数据，在提前10分钟的情况下，充分考虑到阳极电流信号的时空分布特点，建立起阳极效应的预测模型，实现对阳极效应的提前预判，降低人力成本，为操作人员处理阳极效应提供依据，有助于提高铝电解过程的智能化水平。
-
公开(公告)号：CN116402133A
公开(公告)日：2023-07-07
申请号：CN202310385458.2
申请日：2023-04-12
Applicant: 中南大学
IPC: G06N5/02 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F16/36
Abstract: 本发明公开了一种基于结构聚合图卷积网络的知识图谱补全方法及系统，获取待补全的知识图谱，首先将其输入LSTM网络提取三元组连接的语义规则，再利用词嵌入模型将知识图谱初步嵌入，将训练集的初步嵌入结果输入结构聚合图卷积网络进行迭代训练，得到最终的实体、关系嵌入表示。再抽取测试集中的头实体‑关系对与测试集中的所有实体作为尾实体，得到新三元组集合，再次利用LSTM网络提取新三元组集合对应的语义规则集。将测试集输入训练好的网络中，利用评分函数与加分函数评估图谱补全的效果。本发明的图谱补全方法比现有的一些方法具有更好的图谱补全性能。
-
公开(公告)号：CN116108189A
公开(公告)日：2023-05-12
申请号：CN202211257576.7
申请日：2022-10-14
Applicant: 中南大学
Abstract: 本发明公开了一种基于四元数的知识图谱嵌入方法及系统，包括S1：构造投影矩阵对于三元组的层次结构；S2：构建基于四元数的知识图嵌入模型，利用基于四元数的知识图嵌入模型实现实体之间的旋转，利用四元数的模量实现构建层次结构的能力；得到基于四元数的知识图嵌入模型的得分函数，并通过得分函数构建最终损失函数；S3：利用基于四元数知识图嵌入模型对主要关系模式进行建模；S4：通过利用基于四元数知识图嵌入模型的最终损失函数学习知识图谱中实体和关系表示的问题，进行预测连接，从而得到知识图谱中缺失的且真实的三元组事实，实现知识图谱补全；并且，能够解决实体在不同场景中的多重表示，提高实体分类性能。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.024 seconds)
