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

Inventor： 褚菲 ,  王建文 ,  沈先雄 ,  赵建宇 ,  王志伟 ,  邹度宇

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：CN120068571A

公开(公告)日：2025-05-30

申请号：CN202411637506.3

申请日：2024-11-15

Applicant: 中国矿业大学

Inventor： 褚菲 ,  冯浩彬 ,  邹度宇 ,  李康

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/08

Abstract: 一种基于联邦学习和LSTM的复杂工业过程积木式建模方法，根据已有的N个相似的工业过程，在工业过程运行的稳定范围内对其进行数据采样；同时，收集新的工业过程的新工业过程数据集；利用M个典型环节的mi组过程数据和LSTM神经网络分别训练对应典型环节的联邦学习模型，得到M个典型环节基础模型；根据新的工业过程所需的典型环节下载其相应的联邦学习模型并且利用新过程训练集对其进行本地微调；按照实际的工业流程，将典型环节的模型进行串行连接，以上一个典型环节的模型的输出以及其余外部输入作为下一个典型环节的输入，最终得到新的工业过程模型的输出。该方法可以有效的降低建模成本，加快建模速度，提高建模精度。

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：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

Inventor： 褚菲 ,  沈先雄 ,  王建文 ,  王志伟 ,  赵建宇 ,  邹度宇

IPC: B03D1/14 ,  B03B7/00 ,  B03B9/00 ,  B03B5/30 ,  G06F18/20 ,  G06F18/2433

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

Inventor： 褚菲 ,  王建文 ,  沈先雄 ,  赵建宇 ,  王志伟 ,  邹度宇

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。