-
公开(公告)号：CN112801965A
公开(公告)日：2021-05-14
申请号：CN202110080319.X
申请日：2021-01-21
Applicant: 中南大学
Abstract: 本发明涉及一种基于卷积神经网络的烧结皮带异物监测方法及系统，所述方法包括：基于实时获取的皮带的监控视频信息，获取多帧异常检测图像；针对多帧异常检测图像中的每一帧异常检测图像进行预处理，获取预处理后的异常检测图像；针对预处理后的异常检测图像进行预先设定区域提取，获取第一检测图片；其中第一检测图片只含预先设定区域的图片；采用第一深度卷积神经网络模型对所述第一检测图片进行分类，获取分类结果；分类结果包括：正常生产图片或包含异物图片；第一深度卷积神经网络模型为预先经过第一预先设定的图片训练样本训练过的深度卷积神经网络模型；第一预先设定的图片训练样本包括：预先采集的皮带运输过程中的出现异物的图片。
-
公开(公告)号：CN111292312A
公开(公告)日：2020-06-16
申请号：CN202010118754.2
申请日：2020-02-26
Applicant: 中南大学
Abstract: 本发明提供了一种烧结热状态横向异质性在线定量测量方法，包括：获取烧结机尾断面图像，提取烧结料层横截面图片；对所述烧结料层横截面图片进行幂律变换和灰度化处理，抑制噪声干扰，得到第一图像；对所述第一图像进行阈值分割，并与烧结料层横截面图片进行Hadamard product运算，得到燃烧带图像；对所述燃烧带图像进行空间横向分割，绘制其空间洛伦兹曲线；结合所述燃烧带图像特征和空间洛伦兹曲线计算烧结横向异质性指数，对烧结热状态横向异质性进行在线定量测量。本发明利用计算机视觉图像，实现了烧结热状态横向异质性的在线定量测量，可高效地表征烧结热状态横向异质性各种情况，对优化烧结操作，提高烧结质量和产量具有指导意义。
-
公开(公告)号：CN110739031A
公开(公告)日：2020-01-31
申请号：CN201911127970.7
申请日：2019-11-18
Applicant: 中南大学
Abstract: 本发明公开了一种冶金烧结过程的有监督预测方法，按照时间序列采集烧结过程中的相关过程变量，将过程变量与对应时刻的质量变量组合，构造训练样本；继续采样过程变量，将过程变量与对应前一采样时刻的质量变量组合，构造测试样本输入，并对训练样本以及测试样本进行数据预处理；构建有监督受限玻尔兹曼机，利用L个有监督受限玻尔兹曼机及一个全连接层共同组成有监督深度置信网络模型，利用极大化似然原理，通过CD-K采样方法，预训练所提出的有监督受限玻尔兹曼机，利用反向传播微调多个有监督受限玻尔兹曼机堆叠组成的深度置信网络模型，获得模型参数；将测试样本输入到已经训练好的有监督深度置信网络模型中，获得对应的产品质量预测值。
-
公开(公告)号：CN106778008A
公开(公告)日：2017-05-31
申请号：CN201611238411.X
申请日：2016-12-28
Applicant: 中南大学
IPC: G06F19/00
CPC classification number: G06F19/702
Abstract: 本发明提供一种用于优化加氢裂化过程反应条件的方法，根据集总理论对加氢裂化流程中的化学反应分类处理，并结合物料平衡和能量平衡构建反应器的动力学模型。进一步，对所构建的动力学模型采用状态转移算法进行参数校正，并基于校正后的反应动力学模型构建稳态优化模型，以对加氢裂化过程反应器各床层的入口温度进行在线优化，进而实现延长设备开工周期，提高企业经济效益的目的。
-
公开(公告)号：CN106094751A
公开(公告)日：2016-11-09
申请号：CN201610453502.9
申请日：2016-06-21
Applicant: 中南大学
IPC: G05B19/418
CPC classification number: Y02P80/40 , Y02P90/02 , G05B19/41865 , G05B2219/32252
Abstract: 本发明提供了一种原料的调度方法及装置，该方法包括建立原料不确定调度模型；对原料不确定调度模型进行确定化处理，得到确定的带约束的多目标调度模型；对确定的带约束的多目标调度模型进行求解，得到原料调度信息，根据原料调度信息执行对混匀过程中原料的调度。通过建立原料不确定调度模型可以准确地描述实际生产过程，通过确定化和带变异的CMOSTA算法可以求取准确度很高的原料调度信息，原料调度信息可执行性很强，根据该原料调度信息执行原料的调度，可以大大提高生产效率，以及提高产品的质量。
-
Patent Agency Ranking
公开(公告)号：CN105678792A
公开(公告)日：2016-06-15
申请号：CN201610104006.2
申请日：2016-02-25
Applicant: 中南大学
IPC: G06T7/00
CPC classification number: G06K9/00362 , G06T2207/10004 , G06T2207/10024 , G06T2207/30196
Abstract: 本发明提供一种人体轮廓提取方法及系统，所述方法包括：获取包含待测人体的身体轮廓的图像；对获取的图像进行灰度处理，得到所述待测人体的灰度图像；提取所述灰度图像的人体轮廓信息，得到所述待测人体的轮廓线图；根据预设的类型确定规则，确定所述轮廓线图的类型；根据所述轮廓线图的类型，确定所述待测人体的各部位的轮廓。上述人体轮廓提取方法及系统，可节省图像处理的时间，从而有效地提高对待测人体的轮廓提取的效率，解决了现有技术提取人体轮廓线效率低的技术问题。
-
公开(公告)号：CN120086643A
公开(公告)日：2025-06-03
申请号：CN202510125938.4
申请日：2025-01-27
Applicant: 中南大学
Abstract: 本发明公开了一种面向动态工业过程的云边协同智能自主监测方法，包括：云端建立字典模型并对模型进行训练和更新；边缘设备从云端获取最新的字典、分类器和控制限，进而对当前工业过程进行异常监测和工况识别；其中云端过程包括：建立字典模型并训练获得字典、分类器和编码矩阵；基于历史样本多方位硬度值筛选历史样本，再与新工况样本构成平衡数据集以更新字典、分类器；以重构数据集和重构标签作为完备工况知识，对更新得到的过完备字典和分类器进行压缩简化，作为最终部署到边缘层的字典和分类器。本发明可以实现对动态工业场合的可靠高效监测。
-
公开(公告)号：CN119849719A
公开(公告)日：2025-04-18
申请号：CN202510348860.2
申请日：2025-03-24
Applicant: 中南大学
IPC: G06Q10/04 , G16C20/10 , G16C20/70 , G06N3/006 , G06N3/042 , G06N3/0464 , G06N3/096 , G06N5/01 , G06Q10/0639 , G06F18/243 , G06F18/25 , G06F18/20
Abstract: 本发明涉及有色金属冶金技术领域，具体公开了基于有色冶金系统自组织特性的过程优化方法，从工业数据中发现自组织现象、挖掘自组织规律，通过分析冶金系统内物质转化过程中的自组织特性，合理描述系统运行状态和关联单元间的耦合关系，基于不同运行状态对工艺流程的关键指标精准估计，最终形成一套运行优化方案，以减少工业除杂置换剂消耗，为过程的动态－有序、协同－连续运行提供方法支撑，解决了传统的对于采用有自组织级联协作优化方法的有色冶金反应过程，高度依赖历史生产数据，历史生产样本会出现存在噪声、不完整或质量不高的状况，进而影响模型的精确性和可靠性的问题。
-
公开(公告)号：CN114020814B
公开(公告)日：2025-03-14
申请号：CN202111430878.5
申请日：2021-11-29
Applicant: 中南大学
IPC: G06F16/2458 , G06F16/28 , G06F16/182 , G06N3/04 , G06N3/08 , G06Q10/063 , G06Q10/0639 , G06N3/044 , G06N3/0442 , G06N3/0455 , G06N3/082 , G06N3/0985
Abstract: 本申请公开了一种流程工业制造全链条数据集成与分析方法和系统，该方法包括：获取流程工业产业中的各种业务应用系统和硬件设备中的数据；将获取到的数据根据不同主题业务进行数据的分类汇总，其中，每种分类汇总的数据对应与一个主题业务；接收数据分析需求；根据所述数据分析需求的目标获取所述数据分析需求所需要的分类汇总数据，并对获取到的分类汇总数据进行分析得到目标结果。通过本申请解决了现有技术中流程工业全链条数据在不同企业间系统相互独立所导致的问题，从而实现流程工业中多源异构的数据跨域集成和制造全链条的动态感知。
-
公开(公告)号：CN119168454A
公开(公告)日：2024-12-20
申请号：CN202411191442.9
申请日：2024-08-28
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/213
Abstract: 本申请适用于数据处理技术领域，提供了一种基于多层级时空关联特征的工业关键质量指标预测方法，包括：确定与关键质量指标相关的过程变量，并获取训练样本；将全流程、每个子流程分别作为一目标流程，并分别针对每个目标流程执行：从确定出的所有过程变量中筛选出目标流程对应的目标过程变量，并利用邻接矩阵模型和目标过程变量数据，获取目标流程的图邻接矩阵；利用时空依赖感知特征提取模型获取目标流程对应于训练样本的时空特征表示；基于得到的时空特征表示对邻接矩阵模型、时空依赖感知特征提取模型和预测模型进行优化；利用参数优化后的模型对预测时刻的工业关键质量指标进行预测。本申请能提升工业关键质量指标预测的精准度和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.022 seconds)
