-
公开(公告)号:CN118350614A
公开(公告)日:2024-07-16
申请号:CN202410067934.0
申请日:2024-01-17
Applicant: 中国矿业大学
IPC: G06Q10/0633 , G06Q10/0637 , G06F30/27 , G06N5/04 , G06N7/01 , G06Q50/04
Abstract: 一种基于分布时序动态贝叶斯网络库的浮选过程安全控制方法,子流程划分;分别提取原煤处理、重介质选煤和浮选子流程的质量指标相关的变量,并进行变量的分配;采集子流程数据集,并进行相关性分析;建立局部贝叶斯网络库;建立全局动态贝叶斯网络结构;将在线异常数据作为证据输入到全局贝叶斯网络中推理出发生异常的模块;确定发生异常的模块之后,在动态贝叶斯网络库中,利用动态时间规整算法找出与异常数据最契合的局部动态贝叶斯网络;将异常数据输入到局部动态贝叶斯网络中进行控制决策推理;实施控制决策策略,如果异常消除则进入到正常模式。该方法能在煤泥浮选工业过程出现异常后迅速做出有效的控制决策,可保证工业过程安全稳定的运行。
-
公开(公告)号:CN119168375A
公开(公告)日:2024-12-20
申请号:CN202411261524.6
申请日:2024-09-10
Applicant: 中国矿业大学
IPC: G06Q10/0635 , G06Q50/06 , G06N7/01 , G06N5/022 , G06N5/04
Abstract: 一种计及人为差错的调度自动化主站系统风险状态评估方法,步骤一:根据调度自动化主站系统运行情况,识别主要风险事件;步骤二:构建计及人为差错的风险表征参数体系,结合贝叶斯网络构建风险评估模型;步骤三:确定节点变量状态;步骤四:确定贝叶斯网络参数;步骤五:根据贝叶斯推理计算出风险事件的风险评估结果;步骤六:验证模型性能,确保建模正确度;步骤七:对风险事件重要性进行排序;步骤八:基于权重分配和矩阵分析的证据推理技术,融合多个风险事件风险评估结果。该方法能准确地反映出调度自动化主站系统的风险评估结果,可有效避免调度自动化主站系统在运行中产生的各类故障,能为科学合理的调度过程提供有效的解决方案。
-
公开(公告)号:CN119500417A
公开(公告)日:2025-02-25
申请号:CN202411525907.X
申请日:2024-10-30
Applicant: 中国矿业大学
Abstract: 一种基于分布式金字塔动态贝叶斯网络的煤泥浮选过程控制方法,将煤泥浮选过程划分为三个子流程,并确定全局质量指标变量与局部质量指标变量,建立全局动态贝叶斯网络;确定子流程中的关键变量,分析变量间的相关性,确定各流程中的过程时延;确定出第一层动态贝叶斯网络的时间片数量;进行结构学习,建立模型第一层的网络结构;将相邻时间片的相同节点合并为一个节点,构建第二层动态贝叶斯网络结构;贝叶斯网络参数学习;采集实际工况数据信息,并在发生异常工况时确定出导致异常的子流程;利用局部金字塔动态贝叶斯网络,确定出引起异常工况的根本原因;以异常原因为依据,制定控制决策方案,消除异常工况;该方法能及时消除异常工况。
-
公开(公告)号:CN118915653A
公开(公告)日:2024-11-08
申请号:CN202410959173.X
申请日:2024-07-17
Applicant: 中国矿业大学
IPC: G05B19/418
Abstract: 一种基于弹性时变贝叶斯网络的复杂工业过程自愈控制方法,采集现场数据并进行分析处理;利用ADF平方根算法检验数据的平稳性,如果数据非平稳,则对数据进行差分处理,将数据平稳化;将平稳化后的数据与原始平稳数据进行融合之后进行数据相关性分析;通过相关性分析,确定多个变量之间的关系强度和方向;将数据输入到弹性时变动态贝叶斯网络模型中,学习出网络结构和参数;根据学习到的结构和参数结合概率密度函数精准定位异常时间片,确定引起异常的过程变量;将异常数据作为证据输入到动态贝叶斯网络中推理出能消除异常工况的决策方案,并将决策方案转换为控制操作。该方法能在煤泥浮选工业过程出现异常后迅速做出有效的控制决策。
-
公开(公告)号:CN116899758A
公开(公告)日:2023-10-20
申请号:CN202310736093.3
申请日:2023-06-21
Applicant: 中国矿业大学
Abstract: 一种基于分布式动态贝叶斯网络的煤泥浮选安全运行控制方法,将煤泥浮选过程进行分块,并确定全局质量指标;确定每个模块与全局质量指标相关的变量;确定全局网络中变量的状态以及局部网络中变量的状态:建立全局贝叶斯网络和局部贝叶斯网络;将全局贝叶斯网络转化为全局动态贝叶斯网络;判断局部贝叶斯网络中是否存在回环结构,有回环结构则进行最弱因果关系的确定;对局部动态贝叶斯网络和全局动态贝叶斯网络进行参数学习;完成分布式动态贝叶斯网络模型的建立;利用在线的异常数据进行控制决策的推理;推理出控制决策并实施;判断异常工况是否移除,未移除继续调整。该方法可有效确保产品质量的达标,同时,有利于确保生产设备的使用寿命。
-
-
-
-