-
公开(公告)号：CN113776080A
公开(公告)日：2021-12-10
申请号：CN202111004201.5
申请日：2021-08-30
Applicant: 邯郸钢铁集团有限责任公司 , 河钢数字信达(邯郸)科技有限公司 , 东北大学
IPC: F23N1/02
Abstract: 本发明涉及一种基于综合满意度和时滞分析的热风炉空燃比修正方法，属于高炉冶炼工艺技术领域。本发明的技术方案是：搜索拱顶温度与空燃比相关性强而与压力等因素相关性弱的区间，通过综合评价体系，选取综合满意度最优良的空燃比，指导下一燃烧周期生产；利用互相关系数法计算出变量间的时滞。本发明的有益效果是：保证所选取区间温度变化直接受空燃比影响且影响最大，进而保证修正结果更可靠，降低运算量，减少时间复杂度；通过综合评价体系，选取综合满意度最优良的空燃比指导下一燃烧周期生产，可以提高生产效率并降低能耗；利用互相关系数法计算出变量间的时滞，校正数据样本，保证数据更准确，进一步提高空燃比修正结果的有效性。
-
公开(公告)号：CN110205427A
公开(公告)日：2019-09-06
申请号：CN201910537759.6
申请日：2019-06-20
Applicant: 东北大学
IPC: C21B9/00
Abstract: 本发明属于冶金行业热风炉燃烧技术领域，尤其涉及一种智能热风炉优化控制系统及方法。该系统包括：剩余送风时间预测模块：用于基于第一LSTM网络，根据混风阀开度参数和废气温度参数，获得热风炉的剩余送风时间；剩余燃烧时间预测模块：用于基于第二LSTM网络，根据煤气流量参数和废气温度参数，获得热风炉的剩余燃烧时间；优化模块：用于根据获得的剩余送风时间和剩余燃烧时间，动态调整煤气流量；其中，预先选取混风阀开度、废气温度和煤气流量的历史数据，经BP算法训练获得第一LSTM网络和第二LSTM网络的结构参数。该系统基于LSTM网络，使得热风炉的燃烧与送风时间相匹配，提高高炉炼铁的生产效率。
-
公开(公告)号：CN103672949A
公开(公告)日：2014-03-26
申请号：CN201310731500.8
申请日：2013-12-27
Applicant: 东北大学
IPC: F23N1/02
Abstract: 针对加热炉燃烧控制中普遍存在的燃气热值不稳定和生产节奏经常变化的问题，本发明提出了一种燃烧控制的新方法。该方法保留了传统的温度-燃气流量串级控制，即以温度控制为主回路，燃气流量为副回路，串级系统结构可以较好克服燃气压力的波动问题；引入生产率模糊前馈模块叠加于副回路设定值上，可以有效提高在生产节奏变化时温度控制系统跟随温度设定值的快速性。同时，按照生产率模型优化设定空气流量，根据供热量计算可以准确得到合理的最优空气需要量，客观上得到了最佳的空燃比，克服了以往燃烧控制技术中无法解决的燃气热值波动时空燃比难以自动修正的缺陷。该发明中的控制技术不但较好地解决热值和生产节奏波动时燃烧效率问题，而且可以大大改善炉膛温度的控制质量，控制方案简单易行，易于现场实施和维护。
-
公开(公告)号：CN119225181A
公开(公告)日：2024-12-31
申请号：CN202411348271.6
申请日：2024-09-26
Applicant: 东北大学
Abstract: 本发明公开了一种基于多模型的超超临界机组快速动态响应方法，涉及火力发电技术领域。该方法提出了一种将内模控制和广义预测控制统一起来的非线性控制方法，有效地实现了对超超临界机组(ultra supercritical unit，USC)系统的非线性控制：首先，通过基于LSTM‑Transformer的内模控制，USC系统实现了快速收敛到期望值附近，显著提高了负荷的响应速度；其次，通过增强复合加权人类学习优化网络((composite weighted human learning optimizationNetwork，CWHLO)进一步优化模型，提高了模型的精确度；最后，通过采用基于增强复合加权人类学习优化网络的广义预测控制(CWHLO‑GPC)算法对USC系统进行控制，实现了高精度的负荷跟踪性能，解决了超超临界机组系统动态响应慢的问题。
-
公开(公告)号：CN114739464A
公开(公告)日：2022-07-12
申请号：CN202210430514.5
申请日：2022-04-22
Applicant: 东北大学
Abstract: 本发明提出一种管道蝶阀气体流量的软测量方法，利用实际生产中收集的管道气体流量以及其对应的阀门开度和阀前压力数据，基于阀门的流量特性，通过离线建模，将阀门开度、阀前压力对管道气体流量的影响集中化，建立管道流量与阀门开度和阀前压力的关系模型，不需要传统的流量计，便可以实现对管道气体流量的快速预测。本发明的算例结果表明管道中气体流量的实际值与本发明预测值十分接近，对加强工艺监督、控制及降低测算复杂度均有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN111557660A
公开(公告)日：2020-08-21
申请号：CN202010514806.8
申请日：2020-06-08
Applicant: 东北大学
IPC: A61B5/0402 , A61B5/00 , A61B5/0452
Abstract: 本发明涉及一种亚群体深度学习框架下的心律失常识别方法，包括如下步骤：S1、获取病人的数据信息，所述数据信息至少包括：单导联心电信号数据、年龄和/或性别；S2、根据病人的年龄和/或性别，将病人的单导联心电信号数据输入相应的样本空间的心率识别模型中，获得病人的心律识别结果；其中，所述心率识别模型为基于亚群体样本空间深度学习框架下建立的模型。本发明提供的识别方法利用亚人群自身的特性在符合现实的基础上提升识别性能，而且在应用时无需医生的硬性介入，可以实现自动使用。
-
公开(公告)号：CN110197306A
公开(公告)日：2019-09-03
申请号：CN201910473152.6
申请日：2019-05-31
Applicant: 东北大学
Abstract: 本发明涉及一种基于VMD-PACF-BP模型的动态血糖在线预测方法，包括如下步骤：S1、获取原始血糖时间序列数据，并对获取的原始血糖时间序列数据进行数据预处理；S2、采用VMD分解方法将经过数据预处理后的血糖时间序列数据分解成多个子模态；S3、采用PACF方法分别选择每个子模态的输入变量；S4、将选出的输入变量分别利用BP神经网络进行预测，获得每个子模态的预测值，最后，再将获得的所有子模态的预测值融合，获得血糖数据的预测结果。本发明提供的预测方法具有预测精度高的优点。
-
公开(公告)号：CN110289094B
公开(公告)日：2023-07-07
申请号：CN201910471962.8
申请日：2019-05-31
Applicant: 东北大学
Abstract: 本发明涉及一种基于专家规则的胰岛素精准给药决策方法，包括如下步骤：S1、获取患者当前血糖变化时间序列数据，并根据获得的当前血糖变化时间序列数据在线预测未来半小时后的血糖变化预测值；S2、根据获取的患者当前血糖变化时间序列数据和未来血糖变化预测值计算当前时刻的患者基础胰岛素数据和患者大剂量胰岛素数据；S3、根据患者当前血糖变化时间序列数据、未来血糖变化预测值、当前时刻的患者基础胰岛素数据和患者大剂量胰岛素数据再与专家规则库中的专家规则相匹配，获得相匹配专家规则标签下的用药策略；本发明提供的方法，能够实现为糖尿病人提供更加精准的治病给药决策。
-
公开(公告)号：CN110205427B
公开(公告)日：2020-06-16
申请号：CN201910537759.6
申请日：2019-06-20
Applicant: 东北大学
IPC: C21B9/00
Abstract: 本发明属于冶金行业热风炉燃烧技术领域，尤其涉及一种智能热风炉优化控制系统及方法。该系统包括：剩余送风时间预测模块：用于基于第一LSTM网络，根据混风阀开度参数和废气温度参数，获得热风炉的剩余送风时间；剩余燃烧时间预测模块：用于基于第二LSTM网络，根据煤气流量参数和废气温度参数，获得热风炉的剩余燃烧时间；优化模块：用于根据获得的剩余送风时间和剩余燃烧时间，动态调整煤气流量；其中，预先选取混风阀开度、废气温度和煤气流量的历史数据，经BP算法训练获得第一LSTM网络和第二LSTM网络的结构参数。该系统基于LSTM网络，使得热风炉的燃烧与送风时间相匹配，提高高炉炼铁的生产效率。
-
公开(公告)号：CN110503133A
公开(公告)日：2019-11-26
申请号：CN201910680802.4
申请日：2019-07-26
Applicant: 东北大学
Abstract: 本发明属于故障预测技术领域，涉及一种基于深度学习的离心式压缩机故障预测方法。本发明基于GRU网络，根据经过数据融合和特征提取的数据集建立预测模型，利用多元高斯分布根据预测误设置阈值，通过阈值与故障前期数据误差比较来预测离心式压缩机的故障。该方法通过聚类算法为不同时间步长候选序列子集的每个变量划分类别，然后通过信息增益对每个子集的每个变量进行评价，从而确定特征变量和多维时间序列的时间步长。本发明构建并训练GRU神经网络模型，充分考虑了数据的时间相关性，具有长期记忆能力，不用考虑具体的机理知识，且解决了传统网络模型的过拟合问题，速度快，精度高，有良好的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.082 seconds)
