-
公开(公告)号：CN115861193A
公开(公告)日：2023-03-28
申请号：CN202211457222.7
申请日：2022-11-21
申请人： 东北大学 , 紫金矿业集团股份有限公司
IPC分类号： G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464 , G06N3/045 , G06N3/0499
摘要： 本发明涉及一种基于多源异构信息的浮选过程运行状态评价方法，所述方法包括：S1、分别对在线采集的泡沫图像和泡沫数据进行预处理，获取预处理后的泡沫图像和泡沫数据；S2、分别将预处理后的泡沫图像和泡沫数据输入训练的ResNet‑SSPAE‑AM评价模型中，训练的ResNet‑SSPAE‑AM评价模型输出浮选过程运行状态的状态等级标签；所述训练的ResNet‑SSPAE‑AM评价模型包括残差网络ResNet、SSPAE网络模型以及AM网络结构；其中，所述残差网络ResNet、SSPAE网络模型分别与所述AM网络结构连接；S3、基于所述状态等级标签，确定当前浮选过程运行状态的具体的状态等级。
-
公开(公告)号：CN113238543B
公开(公告)日：2022-09-23
申请号：CN202110402603.4
申请日：2021-04-14
申请人： 东北大学
IPC分类号： G06F17/10
摘要： 本发明面向呈现多模态特性的实际工业过程，通过模态划分、离线建模、在线监测三个步骤实现对多模态过程的故障监测。包括：步骤S1、基于变长度滑动窗口均值‑增广迪基福勒检验方法进行模态划分；步骤S2、着眼于常被忽视的过渡模态，使用动态局部主成分分析法对不同模态分别建模；步骤S3、充分利用历史模态，并提出模态匹配方法，确定当前在线数据所处的模态，从而进行准确的监测。本发明能够准确有效的完成多模态过程的划分、建模和在线监测一系列工作。对提高生产安全性、确保企业经济效益和生产效益具有重要意义。
-
公开(公告)号：CN111915092A
公开(公告)日：2020-11-10
申请号：CN202010799486.5
申请日：2020-08-11
申请人： 东北大学
摘要： 本发明提供一种基于长短时记忆神经网络的超短期风电功率预测方法。首先获取历史样本数据、预测日样本数据，然后计算历史日内各因素与预测日内对应因素的关联系数，其次计算各影响因素在风电功率影响因素中所占权重，通过计算历史日与预测日的相似度，得到相似样本数据作为训练数据，最后采用LSTM模型对预测日的风电功率进行预测；本发明对训练数据进行了筛选，选择与预测日的样本数据相似度大的数据作为训练数据，有利于增强建模数据的相似性，进而提高模型的准确性，采用LSTM模型作为训练模型，可以达到充分考虑风电功率的时序性、非线性的目的。
-
公开(公告)号：CN107169658B
公开(公告)日：2020-09-15
申请号：CN201710350739.9
申请日：2017-05-18
申请人： 东北大学
摘要： 本发明提供一种基于可信度的湿法冶金浓密机的故障诊断方法，包括：获取湿法冶金浓密机的在线变量；根据在线变量，确定每一变量的模糊维度；模糊维度为预先建立的专家规则库中的规则前件包括的模糊概念对应的维度；针对每一个变量及该变量的模糊维度，采用模糊隶属度函数获取该变量所属模糊维度的可信度；基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析，得到故障结论可信度；将故障结论可信度与预设阈值进行比较，获取故障结果。上述方法可以预先获取专家或操作人员的诊断经验对应的规则，并对当前的在线变量进行故障诊断，以便根据故障诊断结果及时调整，进而有效降低事故发生率，提高生产安全性。
-
公开(公告)号：CN107563656B
公开(公告)日：2020-06-16
申请号：CN201710813336.3
申请日：2017-09-11
申请人： 东北大学
摘要： 本发明涉及一种金湿法冶金氰化浸出过程运行状态的评价方法，包括如下步骤：S1、数据收集：采集金湿法冶金氰化浸出过程中的过程变量；S2、数据处理：对获得的定性变量和定量变量数据进行建模处理；S3、评价模型的建立：利用处理后的定性变量与定量变量的数据，拟合每一个运行状态等级数据的概率密度函数，建立高斯混合模型；S4、过程运行状态的在线评价：采集实时生产数据，根据所建立的所述高斯混合模型，利用贝叶斯理论，得到运行状态处于各等级的后验概率，再根据最大后验概率原则，判断当前运行状态等级。本发明方法充分利用可定量测量和定性估计的变量信息，对过程运行状态进行在线评价，使生产过程更加高效，确保企业经济效益。
-
公开(公告)号：CN106886154B
公开(公告)日：2019-04-12
申请号：CN201710280388.9
申请日：2017-04-26
申请人： 东北大学
IPC分类号： G05B13/04
摘要： 本发明涉及冶金技术领域，涉及一种基于区间数的湿法冶金全流程建模方法与优化方法，建模方法包括：根据预设时间段内历史数据中的输入变量、输出变量和操作变量建立湿法冶金过程中上游子流程的操作模式库，操作模式库中包括：输入变量、输出变量和操作变量之间的映射关系；根据预设时间段内历史数据中下游子流程在各种工序下的综合经济指标、最优氰化钠操作参数、最优锌粉操作参数，建立最优模式库，所述最优模式库包括：综合经济指标、各工序质量指标、最优氰化钠操作参数、最优锌粉操作参数的映射关系；将所述操作模式库和最优模式库组成湿法冶金过程中的全流程最优模态库。上述方法通过全流程最优模态库在应用中能够提高湿法冶金的经济效益。
-
公开(公告)号：CN107169658A
公开(公告)日：2017-09-15
申请号：CN201710350739.9
申请日：2017-05-18
申请人： 东北大学
摘要： 本发明提供一种基于可信度的湿法冶金浓密机的故障诊断方法，包括：获取湿法冶金浓密机的在线变量；根据在线变量，确定每一变量的模糊维度；模糊维度为预先建立的专家规则库中的规则前件包括的模糊概念对应的维度；针对每一个变量及该变量的模糊维度，采用模糊隶属度函数获取该变量所属模糊维度的可信度；基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析，得到故障结论可信度；将故障结论可信度与预设阈值进行比较，获取故障结果。上述方法可以预先获取专家或操作人员的诊断经验对应的规则，并对当前的在线变量进行故障诊断，以便根据故障诊断结果及时调整，进而有效降低事故发生率，提高生产安全性。
-
公开(公告)号：CN102033523B
公开(公告)日：2014-01-01
申请号：CN200910196396.0
申请日：2009-09-25
申请人： 上海宝钢工业检测公司 , 东北大学
IPC分类号： G05B19/418 , C21D1/26 , C21D9/52
摘要： 本发明涉及一种带钢质量预测、炉况预警与故障诊断方法。一种基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方法，它包括：模型选择步骤：它包括采用多模型来描述与其对应的钢种的过程特性；数据预处理步骤；包括基于模型的数据对整，建立过程输入与质量输出的同步关系和数据去量纲处理以消除过程数据因物理单位不统一带来的对建模精度的影响；建立离线模型步骤；通过利用大量的正常工况下的历史数据建立带钢质量与过程变量的PLS模型；监控指标控制限的确定步骤；变量控制限的确定步骤；在线预测步骤；在线检测和故障诊断步骤。本发明通过PLS算法建立带钢质量与变量的之间的模型，实现实时的质量预测、过程监测与故障诊断。
-
公开(公告)号：CN102033523A
公开(公告)日：2011-04-27
申请号：CN200910196396.0
申请日：2009-09-25
申请人： 上海宝钢工业检测公司 , 东北大学
IPC分类号： G05B19/418 , C21D1/26 , C21D9/52
摘要： 本发明涉及一种带钢质量预测、炉况预警与故障诊断方法。一种基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方法，它包括：模型选择步骤：它包括采用多模型来描述与其对应的钢种的过程特性；数据预处理步骤；包括基于模型的数据对整，建立过程输入与质量输出的同步关系和数据去量纲处理以消除过程数据因物理单位不统一带来的对建模精度的影响；建立离线模型步骤；通过利用大量的正常工况下的历史数据建立带钢质量与过程变量的PLS模型；监控指标控制限的确定步骤；变量控制限的确定步骤；在线预测步骤；在线检测和故障诊断步骤。本发明通过PLS算法建立带钢质量与变量的之间的模型，实现实时的质量预测、过程监测与故障诊断。
-
公开(公告)号：CN113238543A
公开(公告)日：2021-08-10
申请号：CN202110402603.4
申请日：2021-04-14
申请人： 东北大学
摘要： 本发明面向呈现多模态特性的实际工业过程，通过模态划分、离线建模、在线监测三个步骤实现对多模态过程的故障监测。包括：步骤S1、基于变长度滑动窗口均值‑增广迪基福勒检验方法进行模态划分；步骤S2、着眼于常被忽视的过渡模态，使用动态局部主成分分析法对不同模态分别建模；步骤S3、充分利用历史模态，并提出模态匹配方法，确定当前在线数据所处的模态，从而进行准确的监测。本发明能够准确有效的完成多模态过程的划分、建模和在线监测一系列工作。对提高生产安全性、确保企业经济效益和生产效益具有重要意义。
-
-
-
-
-
-
-
-
-
搜索结果
38 条记录 (耗时 0.036 秒)
