-
公开(公告)号：CN107065834A
公开(公告)日：2017-08-18
申请号：CN201710379067.4
申请日：2017-05-25
申请人： 东北大学
IPC分类号： G05B23/02
CPC分类号： G05B23/0243 , G05B2219/24065
摘要： 本发明提供一种湿法冶金过程中浓密机的故障诊断方法，包括：获取湿法冶金浓密机用于识别一种故障的在线定性信息和在线定量数据；针对在线定性信息，采用基于可信度的规则推理的方法获取每一事件的可信度，获取第一条证据；针对在线定量数据，采用基于数据相似度的案例推理方法获取待诊断案例的相似度，获取第二条证据；待诊断案例为进行案例推理时使用的由在线定量数据组成的不同类数据；根据D‑S证据理论融合规则，将两条证据进行融合，获得湿法冶金过程中浓密机的故障诊断信息，该方法可以使操作人员根据故障诊断结果信息及时调整，进而有效降低事故发生率，提高生产安全性。
-
公开(公告)号：CN101526814B
公开(公告)日：2011-05-04
申请号：CN200910010294.5
申请日：2009-02-03
申请人： 东北大学
IPC分类号： G05B19/418 , G05B13/04 , C22B3/08
CPC分类号： Y02P10/234 , Y02P90/02
摘要： 湿法冶金浸出过程浸出率预测与优化操作方法，是通过建立的混合模型预报浸出率，并给出优化操作指导，其中建立了完整的浸出过程动态机理模型，机理模型由研究矿物浸出的动力学原理出发，逐步建立浸出过程物料平衡方程及能量平衡方程，本发明装置包括浸出过程浸出率预测及操作优化系统、上位机、PLC、现场传感变送部分，其中现场传感变送部分包括pH值、温度、流量等检测仪表。采用本发明的技术方案能大幅度提高浸出率，使生产始终维持在最佳操作状况，并能减少原料和能源的消耗，延长设备的运行周期。另外，还能及时反映市场供求关系的变化。
-
公开(公告)号：CN118965996A
公开(公告)日：2024-11-15
申请号：CN202411065219.X
申请日：2024-08-05
申请人： 东北大学
摘要： 本发明提供一种基于金字塔与深层神经网络的土壤定量建模方法，属于化学计量学的定量检测技术领域。获取土壤样本的光谱与含量作为土壤数据集；对土壤数据集的光谱进行光谱预处理，获得预处理光谱；从隐含层输出特征、隐含层神经元的角度分别构建基于隐含层输出特征的交叉分辨率模型、基于隐含层神经元的交叉分辨率模型，输入是预处理光谱，输出是土壤含量；利用均方根误差评价模型，为样本选取最优模型，从而构建基于样本的交叉分辨率模型。从而基于金字塔方式改进深度随机向量函数链神经网络，实现了深层神经网络、光谱重采样、特征提取的融合，构建了隐含层的层数与神经元数的定量关系，不仅提高了模型精度与准确度，而且简化了模型结构。
-
公开(公告)号：CN118643927A
公开(公告)日：2024-09-13
申请号：CN202410611575.0
申请日：2024-05-16
申请人： 东北大学
IPC分类号： G06Q10/04 , G06F30/27 , G06N3/0442 , G06N3/0475 , G06N3/094 , G06Q50/06 , G06F17/18
摘要： 本公开提供了一种光伏发电功率预测模型的训练方法及训练装置，涉及光伏发电技术领域，包括：获取光伏发电站的历史天气数据和对应的历史光伏发电功率，并对历史天气数据和历史光伏发电功率进行预处理；将预处理后的历史天气数据和由预处理后的历史天气数据生成的仿真降雨数据作为训练数据，将与训练数据对应的历史光伏发电功率作为数据标签；将训练数据输入至BiLSTM模型，得到预测结果；利用改进麻雀搜索算法，根据预测结果、数据标签以及BiLSTM模型的初始超参数确定目标超参数；基于目标超参数对BiLSTM模型进行优化，得到光伏发电功率预测模型。该过程可提高雨天状态下光伏发电功率预测模型的预测精度。
-
公开(公告)号：CN118072866A
公开(公告)日：2024-05-24
申请号：CN202311576119.9
申请日：2023-11-23
申请人： 东北大学
IPC分类号： G16C20/70 , G01N21/25 , G01N33/24 , G16C20/20 , G06F18/15 , G06F18/2135 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/08
摘要： 本发明公开一种基于光谱差与含量差的土壤数据增强方法，涉及化学计量学的定量检测领域。获取原始样本集；采用基于最值的光谱差减法处理原始样本获取若干个增强样本，进而得到增强样本集；分别对原始样本进行不同形式的数据增强从而得到光谱差与含量差；对土壤定量检测模型进行训练和测试；从若干个土壤定量检测模型中选择出最优的土壤定量检测模型；获取含有光谱与含量的新样本，基于选择出的最优的土壤定量检测模型，获得新样本的含量预测值。本发明基于含量的最大值或最小值，通过光谱与含量，获得光谱差与含量差，不仅实现了光谱数据增强，也实现了含量数据增强；降低了原始样本的数量限制，使模型不因样本有限局限于机器学习而引入深度学习。
-
公开(公告)号：CN109521672B
公开(公告)日：2021-08-13
申请号：CN201811230826.1
申请日：2018-10-22
申请人： 东北大学
IPC分类号： G05B13/04
摘要： 本发明公开了一种电弧炉供电曲线的智能选取方法，在分析影响电弧炉炼钢过程中熔炼阶段成本的各个因素及它们之间关系的基础上，采用改进的层次分析法从众多备选的供电曲线方案中选择出一个合理的方案以实现冶炼成本的最小化，依次包括构造递阶层次结构、构造两两比较判断矩阵、判断矩阵一致性检验及修正、层次单排序及权值修正、层次总排序。本发明可以充分利用相关领域专家的工作经验及企业长期生产积累的实践经验以弥补传统通过机理建模并使用优化方法求解的方式制定供电曲线时存在的建模不精确、计算量大且计算复杂等缺陷。使用本发明选择的供电曲线在保证电弧炉炼钢生产的稳定、高效运行的同时使得生产成本最低，节约资源，提高企业的竞争力。
-
公开(公告)号：CN104597755B
公开(公告)日：2017-02-15
申请号：CN201410258103.8
申请日：2014-06-12
申请人： 东北大学
摘要： 一种湿法冶金金氰化浸出过程优化方法，采用已知的湿法冶金金氰化浸出工艺，在确保稳定生产及达到生产指标的基础上，实现总生产成本的最小化，包括下述工艺步骤：（1）数据采集、（2）辅助变量的选取和数据处理、（3）优化模型建立、4）优化模型的求解、（5）浸出过程优化操作指导的确定步骤。本发明能根据生产要求及生产现场状况，优化指导生产过程中的原料添加量，制定合理的生产计划，以解决生产过程中存在的原料添加量不足以及盲目过多添加等问题，确保达到生产要求的同时，避免原料浪费。
-
公开(公告)号：CN101526814A
公开(公告)日：2009-09-09
申请号：CN200910010294.5
申请日：2009-02-03
申请人： 东北大学
IPC分类号： G05B19/418 , G05B13/04 , C22B3/08
CPC分类号： Y02P10/234 , Y02P90/02
摘要： 湿法冶金浸出过程浸出率预测与优化操作方法，是通过建立的混合模型预报浸出率，并给出优化操作指导，其中建立了完整的浸出过程动态机理模型，机理模型由研究矿物浸出的动力学原理出发，逐步建立浸出过程物料平衡方程及能量平衡方程，本发明装置包括浸出过程浸出率预测及操作优化系统、上位机、PLC、现场传感变送部分，其中现场传感变送部分包括pH值、温度、流量等检测仪表。采用本发明的技术方案能大幅度提高浸出率，使生产始终维持在最佳操作状况，并能减少原料和能源的消耗，延长设备的运行周期。另外，还能及时反映市场供求关系的变化。
-
公开(公告)号：CN118485131A
公开(公告)日：2024-08-13
申请号：CN202410597773.6
申请日：2024-05-14
申请人： 东北大学
IPC分类号： G06N3/092 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/0499 , G06N3/045
摘要： 本公开提供了一种用于微电网调度的深度强化学习训练方法及装置，涉及微电网调度技术领域，包括：可将微电网在多个控制周期内的运行数据作为训练数据，并对训练数据预处理；将预处理后的训练数据输入至预测神经网络，得到训练数据所在的控制周期的下一控制周期的预测数据；根据训练数据、预测数据以及微电网调度的操作决策构建深度强化学习神经网络；根据训练数据、预测数据以及微电网调度的操作决策训练深度强化学习神经网络。该过程能够在控制周期内有效适应环境变化，提高微电网调度决策的时效性和准确性，减少因控制周期内环境变化而导致的成本增加。
-
公开(公告)号：CN104199285A
公开(公告)日：2014-12-10
申请号：CN201410258246.9
申请日：2014-06-12
申请人： 东北大学
IPC分类号： G05B13/04
摘要： 本发明公开了一种基于串行混合模型的金氰化浸出过程浸出率实时预测方法，即实现浸出率的在线预测方法。预测方法的特点是：（1）本发明建立了完整的金氰化浸出过程动态机理模型—金、氰离子物料守恒方程，并以此机理模型作为串行混合预测模型的核心，这样能够保证模型趋势的准确性；（2）本发明基于Tikhonov正则化方法估计金氰化浸出过程动力学反应速度，该方法可以有效抑制测量数据噪声对估计结果的影响。并采用BP神经网络数据模型以串行形式估计机理模型中的未知参数，提高了模型的精度及推广能力。本发明的预测方法有以下优点：采用了机理模型与数据模型相结合的串行混合建模方法，充分利用了已有的过程先验知识，提高了动态机理模型的预测精度以及泛化能力，具有结构简单、可靠性高、可解释性强、泛化能力好等优点。
-
-
-
-
-
-
-
-
-
搜索结果
24 条记录 (耗时 0.027 秒)
