-
公开(公告)号：CN112182854B
公开(公告)日：2022-08-16
申请号：CN202010940303.7
申请日：2020-09-09
Applicant: 中南大学
Abstract: 本发明公开了一种高炉异常炉况智能监测方法及系统，通过获取高炉炉况现场的样本数据，基于样本数据，获取用于表征样本数据与高炉炉况目标的动态因子，基于动态因子，建立基于目标驱动的去噪自编码机，堆叠多个基于目标驱动的去噪自编码机，获得堆叠目标驱动的去噪自编码机，基于堆叠目标驱动的去噪自编码机，提取高炉炉况目标特征变量，以及基于高炉炉况目标特征变量，对堆叠目标驱动的去噪自编码机进行训练，从而实现对高炉炉况的在线监测，解决了现有高炉异常炉况监测精度低的技术问题，且通过堆叠多个基于动态因子建立的基于目标驱动的去噪自编码机能逐层提取与高炉炉况目标相关的目标特征变量，进而提高监测模型的准确性和鲁棒性。
-
公开(公告)号：CN108764517A
公开(公告)日：2018-11-06
申请号：CN201810305865.7
申请日：2018-04-08
Applicant: 中南大学
Abstract: 本发明提供一种高炉铁水硅含量变化趋势预测方法、设备和存储介质，所述方法包括：获取炼铁过程中与高炉铁水中硅含量变化相关的特征参数，基于已训练的高炉铁水硅含量预测模型，对硅含量变化趋势进行预测；其中，所述高炉铁水含量预测模型包括第一层预测模型和第二层预测模型，所述第一层预测模型用于根据原始样本对硅含量变化趋势进行初步预测，所述第二层预测模型根据所述第一层预测模型的预测结果进行二次预测，得到硅含量变化趋势。建立了极限梯度提升和长短期记忆网络的融合模型对铁水硅含量的趋势进行预测，为高炉操作者提前判断炉况的变化趋势以及调控幅度提供参考依据，进而保证炼铁过程顺行和铁水质量保持在正常范围内。
-
公开(公告)号：CN113517037B
公开(公告)日：2022-11-15
申请号：CN202110320721.0
申请日：2021-03-25
Applicant: 中南大学 , 广西柳钢东信科技有限公司
Abstract: 本发明公开了一种数据与知识融合的烧结矿FeO预测方法及系统，通过获取与烧结矿FeO含量关联的样本参数和样本参数的数据密度中心，基于烧结料层最高温度利用机理知识库在线推理烧结FeO含量等级以及根据样本参数的数据密度中心和烧结FeO含量等级，构建烧结过程FeO含量在线估计模型，实现预测烧结矿FeO含量，解决了现有烧结矿FeO含量预测精度低的技术问题，且通过利用基于核函数高维映射数据密度中心提取解决由于采样频率不一造成的数据不统一的问题，有利于提高烧结矿FeO含量预测精度。此外，基于LSTM网络实现烧结过程FeO含量全时空在线准确预估，确保烧结过程异常情况及时反馈，提升烧结矿整体质量。
-
公开(公告)号：CN113761787A
公开(公告)日：2021-12-07
申请号：CN202110813401.9
申请日：2021-07-19
Applicant: 中南大学
IPC: G06F30/27 , G06N3/04 , G06F119/08
Abstract: 本发明公开了一种基于深度迁移网络的高炉铁水硅含量在线预测方法及系统，通过利用铁水温度数据无监督的训练去噪自编码机网络，并堆叠多个去噪自编码机网络，从而获得深度去噪自编码机网络,在深度去噪自编码机网络前端嵌入动态注意力机制模块，获得基于动态注意力机制的深度网络以及迁移预训练好的基于动态注意力机制的深度网络，获得铁水硅含量在线预报模型，解决了现有高炉铁水硅含量在线预测精度低的技术问题，通过在深度去噪自编码机网络前端嵌入动态注意力机制模块，能实时的为每个输入样本的过程变量计算动态的注意力分数，使得模型能动态的为每个样本中有效的和有价值的过程变量分配更多的注意力，进而更高效并精准地在线预测铁水硅含量。
-
Patent Agency Ranking
公开(公告)号：CN116562127A
公开(公告)日：2023-08-08
申请号：CN202310398123.4
申请日：2023-04-14
Applicant: 中南大学
IPC: G06F30/27 , G06N3/092 , G06N3/0442 , G06F119/08 , G06F111/08
Abstract: 本发明公开了一种基于离线强化学习的高炉冶炼操作优化方法及系统，通过获取高炉历史数据，建立专家数据库，基于DDPG算法，建立高炉冶炼操作优化模型，利用专家数据库输出的动作与策略网络输出的动作之间的差异构造安全信号，根据安全信号和评价网络的输出，获得策略网络的参数更新规则以及基于专家数据库和策略网络的参数更新规则训练高炉冶炼操作优化模型，从而获得高炉冶炼优化操作，解决了强化学习应用在高炉冶炼操作优化上无法保证可靠性和安全性的技术问题，不需要任何数据模型或机理模型作为支撑，基于专家操作轨迹训练的策略网络提供的决策方案能为炉长实现高炉精细化调控提供合理的操作指导与支持，保障高炉的顺行和提高铁水的质量。
-
公开(公告)号：CN108764517B
公开(公告)日：2020-12-04
申请号：CN201810305865.7
申请日：2018-04-08
Applicant: 中南大学
IPC: G06F17/18
Abstract: 本发明提供一种高炉铁水硅含量变化趋势预测方法、设备和存储介质，所述方法包括：获取炼铁过程中与高炉铁水中硅含量变化相关的特征参数，基于已训练的高炉铁水硅含量预测模型，对硅含量变化趋势进行预测；其中，所述高炉铁水含量预测模型包括第一层预测模型和第二层预测模型，所述第一层预测模型用于根据原始样本对硅含量变化趋势进行初步预测，所述第二层预测模型根据所述第一层预测模型的预测结果进行二次预测，得到硅含量变化趋势。建立了极限梯度提升和长短期记忆网络的融合模型对铁水硅含量的趋势进行预测，为高炉操作者提前判断炉况的变化趋势以及调控幅度提供参考依据，进而保证炼铁过程顺行和铁水质量保持在正常范围内。
-
公开(公告)号：CN113761787B
公开(公告)日：2024-08-02
申请号：CN202110813401.9
申请日：2021-07-19
Applicant: 中南大学
IPC: G06F30/27 , G06N3/0455 , G06F119/08
Abstract: 本发明公开了一种基于深度迁移网络的高炉铁水硅含量在线预测方法及系统，通过利用铁水温度数据无监督的训练去噪自编码机网络，并堆叠多个去噪自编码机网络，从而获得深度去噪自编码机网络,在深度去噪自编码机网络前端嵌入动态注意力机制模块，获得基于动态注意力机制的深度网络以及迁移预训练好的基于动态注意力机制的深度网络，获得铁水硅含量在线预报模型，解决了现有高炉铁水硅含量在线预测精度低的技术问题，通过在深度去噪自编码机网络前端嵌入动态注意力机制模块，能实时的为每个输入样本的过程变量计算动态的注意力分数，使得模型能动态的为每个样本中有效的和有价值的过程变量分配更多的注意力，进而更高效并精准地在线预测铁水硅含量。
-
公开(公告)号：CN113517037A
公开(公告)日：2021-10-19
申请号：CN202110320721.0
申请日：2021-03-25
Applicant: 中南大学 , 广西柳钢东信科技有限公司
Abstract: 本发明公开了一种数据与知识融合的烧结矿FeO预测方法及系统，通过获取与烧结矿FeO含量关联的样本参数和样本参数的数据密度中心，基于烧结料层最高温度利用机理知识库在线推理烧结FeO含量等级以及根据样本参数的数据密度中心和烧结FeO含量等级，构建烧结过程FeO含量在线估计模型，实现预测烧结矿FeO含量，解决了现有烧结矿FeO含量预测精度低的技术问题，且通过利用基于核函数高维映射数据密度中心提取解决由于采样频率不一造成的数据不统一的问题，有利于提高烧结矿FeO含量预测精度。此外，基于LSTM网络实现烧结过程FeO含量全时空在线准确预估，确保烧结过程异常情况及时反馈，提升烧结矿整体质量。
-
公开(公告)号：CN112182854A
公开(公告)日：2021-01-05
申请号：CN202010940303.7
申请日：2020-09-09
Applicant: 中南大学
Abstract: 本发明公开了一种高炉异常炉况智能监测方法及系统，通过获取高炉炉况现场的样本数据，基于样本数据，获取用于表征样本数据与高炉炉况目标的动态因子，基于动态因子，建立基于目标驱动的去噪自编码机，堆叠多个基于目标驱动的去噪自编码机，获得堆叠目标驱动的去噪自编码机，基于堆叠目标驱动的去噪自编码机，提取高炉炉况目标特征变量，以及基于高炉炉况目标特征变量，对堆叠目标驱动的去噪自编码机进行训练，从而实现对高炉炉况的在线监测，解决了现有高炉异常炉况监测精度低的技术问题，且通过堆叠多个基于动态因子建立的基于目标驱动的去噪自编码机能逐层提取与高炉炉况目标相关的目标特征变量，进而提高监测模型的准确性和鲁棒性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
