公开(公告)号：CN119926677A

公开(公告)日：2025-05-06

申请号：CN202510020035.X

申请日：2025-01-07

Applicant: 中国矿业大学

Inventor： 褚菲 ,  王建文 ,  熊潮 ,  曾国强 ,  毛腾 ,  邹度宇 ,  彭晨

IPC: B03D1/14 ,  G06N5/04 ,  G06N7/01 ,  G06N20/20 ,  B03B13/00

Abstract: 一种基于集成学习与分布式混合贝叶斯网络的煤泥浮选控制方法，步骤一：基于集成学习的分布式混合贝叶斯网络离线建模；S11：划分煤泥浮选过程，并确定贝叶斯网络节点；S12：确定N个相应的混合贝叶斯网络结构；S13：利用最大似然估计法确定N个混合贝叶斯网络的参数；S14：完成基于集成学习的分布式混合贝叶斯网络建模；步骤二：进行煤泥浮选过程在线安全运行的控制；S21：基于当前工况数据信息判断是否发生异常工况，并利用N个混合贝叶斯网络控制模型分别制定安全控制决策；S22：集成N个决策结果，制定当前工况的最终安全控制策略；S23：在异常工况未消除时，重新执行S21。该方法能制定出更加合理可靠的安全控制决策。

公开(公告)号：CN120067793A

公开(公告)日：2025-05-30

申请号：CN202510117665.9

申请日：2025-01-24

Applicant: 中国矿业大学

Inventor： 褚菲 ,  张瑞聪 ,  马浩军 ,  彭晨 ,  曾国强 ,  郝莉莉

IPC: G06F18/241 ,  G06F18/15 ,  G06F18/23 ,  B03B9/00 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于聚类引导图Transformer模型的复杂工业过程运行状态评价方法，将离线时序数据转换为图结构表示；将图结构数据输入图卷积神经网络并利用聚类算法重构GCN信息传递方式，建立空间信息学习模块；使用GCN优化后的节点特征输入并训练Transformer网络模型，建立整体运行状态评价离线模型；使用在线数据进行运行状态评价；通过实时采样得到在线过程数据X，并对采集数据进行处理；利用滑动窗口对数据进行数据划分，得到长度为N的时间序列；将时间序列数据转换为图结构表示并输入到运行状态评价模型，得到在线数据状态等级的后验概率；利用归一指数函数对后验概率进行归一化，最大后验概率即为当前运行状态等级。该方法能够迅速且精准地评估工业过程的运行状态。

公开(公告)号：CN120011746A

公开(公告)日：2025-05-16

申请号：CN202510042070.1

申请日：2025-01-10

Applicant: 中国矿业大学

Inventor： 褚菲 ,  王建文 ,  沈先雄 ,  曾国强 ,  彭晨 ,  熊潮

IPC: G06F18/20 ,  G06N5/025 ,  G06F18/10 ,  G06F18/213 ,  G06F18/24 ,  G06N3/0442

Abstract: 一种基于跨时空稳定因果动态贝叶斯网络的自愈控制方法，采用插值方式融合LSTM算法从工业过程数据提取的时间特征和基于全流程物理单元分布知识提取的空间特征；基于时间特征和空间特征，结合稳定学习与DBN，构建知识和数据双驱动的跨时空因果动态贝叶斯网络模型；利用跨时空因果动态贝叶斯网络模型结合时空特征进行虚假因果关系的判别；采用样本重加权技术，调整样本权重；使用选定的特征和样本权重训练跨时空因果动态贝叶斯网络模型，得到跨时空稳定因果DBN模型；将在线异常数据变量作为证据输入到跨时空稳定因果DBN模型中，确定发生异常的时间片和引起异常工况的变量，并推理出控制方案；实施控制方案。该方法能快速有效消除过程突发异常工况。

公开(公告)号：CN120067792A

公开(公告)日：2025-05-30

申请号：CN202510117470.4

申请日：2025-01-24

Applicant: 中国矿业大学

Inventor： 褚菲 ,  张瑞聪 ,  邱雅芝 ,  郝莉莉 ,  彭晨 ,  曾国强

IPC: G06F18/241 ,  G06F18/15 ,  G06F18/2131 ,  G06F18/2433 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09

Abstract: 一种基于多通道Transformer模型的抗噪故障诊断方法，为振动信号数据构造不同的模态信息；利用小波变化将时序信息转换为图片数据，并输入卷积神经网络捕捉空间特征信息；利用变分模态分解构造不同的模态分量；将不同模态的特征维度对齐并输入到MCformer网络模型；利用前馈层对每个通道的输出进行自适应加权融合；对预测值与真实值利用交叉熵损失函数训练网络；建立整体故障诊断离线模型；故障诊断时，采样得到在线过程数据X并处理，再将数据转换为不同模态表示并输入到模型中，得到在线数据健康状态的后验概率；利用归一指数函数对后验概率进行归一化，得到当前数据的健康状态。该方法能为生产操作人员提供科学合理的决策支持。

公开(公告)号：CN119926672A

公开(公告)日：2025-05-06

申请号：CN202510020018.6

申请日：2025-01-07

Applicant: 中国矿业大学

Inventor： 褚菲 ,  景博源 ,  王雪婷 ,  彭晨 ,  曾国强 ,  王志伟

IPC: B03D1/02 ,  G06N7/01 ,  G06N5/04 ,  G06N20/00 ,  G05B19/418 ,  B03B9/00

Abstract: 一种基于主动学习与贝叶斯网络的煤泥浮选过程安全控制方法，分析煤泥浮选工艺过程中常见主要异常工况的机理和操作经验；确定出和两个主要异常工况有关的原因变量、现象变量以及控制变量；确定贝叶斯网络节点划分和节点状态等级；进行贝叶斯网络的参数学习和结构学习，获得最终的贝叶斯网络；当异常工况出现时，把现象变量数据作为证据加入贝叶斯网络模型中进行推理；制定相应的安全运行控制决策；执行控制决策，并确定生产过程中异常工况是否消失。该方法步骤简单、可靠性高，其能够协助操作人员在异常工况发生时及时做出反应，制定相应的控制决策消除异常工况，可保证工业过程安全稳定的运行，能为浮选过程的异常工况提供自动决策支持。