公开(公告)号：CN114074022A

公开(公告)日：2022-02-22

申请号：CN202111401253.6

申请日：2021-11-24

申请人： 内蒙古工业大学 ,  中国矿业大学

发明人： 孙小路 ,  荆沐阳 ,  周春侠 ,  谢卫宁 ,  梁伟农 ,  肖亚成 ,  卢纠伟 ,  薛建红 ,  张鸿波

IPC分类号： B03B5/30 ,  B03B13/00

摘要： 本发明公开了一种基于时间投影的重介质选煤过程控制变量预测方法，首先对重介质选煤过程中传感器数据进行采集，将获得的数据存储在二维数组中并进行数据处理，得到输入矩阵和目标变量矩阵，最后通过LightGBM模型进行模型搭建获取模型并进行参数的寻优，最后将模型应用于选煤厂重介分选环节的悬浮液密度Sep_Dense预测。本发明通过利用重介质选煤过程中传感器的数据，考虑生产数据的延迟关系，对生产数据进行时间投影重构，利用LightGBM算法进行回归预测，将训练好的模型应用到实际的生产控制系统中，指导生产，提高了企业的经济效益。

公开(公告)号：CN114330930B

公开(公告)日：2024-08-27

申请号：CN202210078161.7

申请日：2022-01-24

申请人： 中国矿业大学 ,  内蒙古工业大学

发明人： 周春侠 ,  孙小路 ,  王赫 ,  肖亚成 ,  卢纠伟 ,  薛建红 ,  谢卫宁 ,  张鸿波 ,  荆沐阳

IPC分类号： G06Q10/04 ,  G06Q10/0639 ,  G06Q50/02 ,  G06N3/0442 ,  G06N3/0985 ,  G06F16/215 ,  G06F16/2458

摘要： 本发明提供一种基于LSTM的重介质选煤过程精煤质量多步预测方法，首先获取有用数据，将有用数据重构成多个生产组数据；计算煤流分选运输停滞时间T；模型构建，构建LSTM神经网络；模型训练，通过训练集数据损失和测试数据集损失的值和趋势调整步骤LSTM神经网络的网络结构；保存调整后的模型；获取新的数据带入保存的模型输出预测。本发明充分考虑了选煤工艺流程数据与待预测输出变量间的时空关系，使后续的机器学习预测模型结果，能够更好的适用于重介选煤这种具有复杂时空时间序列关系的工业过程。得到较好的预测精度，为后续选煤生产过程的精准控制与产品质量稳定提供了有力依据。

公开(公告)号：CN114187583A

公开(公告)日：2022-03-15

申请号：CN202111505154.2

申请日：2021-12-10

申请人： 内蒙古工业大学 ,  中国矿业大学

发明人： 孙小路 ,  梁伟农 ,  张永志 ,  周春侠 ,  荆沐阳

IPC分类号： G06V20/62 ,  G06V10/25 ,  G06V10/26 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种用于集装箱、平板车装车组合标识的快速识别方法，所述方法包括以下步骤：集装箱的箱号和平板车的车牌号区域的图像采集；创建用于匹配的特征模板；对采集的图像进行预处理；在经过预处理的图像中利用所述特征模板定位出箱号与车号区域；获取箱号及车号字符；建立YOLOv3检测模型；将由上述由步骤1到步骤5获取的箱号及车号字符输入上述YOLOv3检测模型中，输出识别后的箱号与平板车号；将信息输出进入定量装车系统中。本发明无需逐帧进行箱号识别，结合YOLOv3模型进行端到端的检测，加快识别进程，从而解决箱号及车号识别设备在识别过程中识别准确率和识别速率低的问题。

公开(公告)号：CN114330930A

公开(公告)日：2022-04-12

申请号：CN202210078161.7

申请日：2022-01-24

申请人： 中国矿业大学 ,  内蒙古工业大学

发明人： 周春侠 ,  孙小路 ,  王赫 ,  肖亚成 ,  卢纠伟 ,  薛建红 ,  谢卫宁 ,  张鸿波 ,  荆沐阳

IPC分类号： G06Q10/04 ,  G06Q10/06 ,  G06Q50/02 ,  G06N3/04 ,  G06N3/08 ,  G06F16/215 ,  G06F16/2458

摘要： 本发明提供一种基于LSTM的重介质选煤过程精煤质量多步预测方法，首先获取有用数据，将有用数据重构成多个生产组数据；计算煤流分选运输停滞时间T；模型构建，构建LSTM神经网络；模型训练，通过训练集数据损失和测试数据集损失的值和趋势调整步骤LSTM神经网络的网络结构；保存调整后的模型；获取新的数据带入保存的模型输出预测。本发明充分考虑了选煤工艺流程数据与待预测输出变量间的时空关系，使后续的机器学习预测模型结果，能够更好的适用于重介选煤这种具有复杂时空时间序列关系的工业过程。得到较好的预测精度，为后续选煤生产过程的精准控制与产品质量稳定提供了有力依据。

公开(公告)号：CN116011672A

公开(公告)日：2023-04-25

申请号：CN202310081852.7

申请日：2023-01-19

申请人： 内蒙古工业大学

发明人： 孙小路 ,  李宇涛 ,  梁伟农 ,  郭浩宇 ,  郭子义 ,  修晨阳 ,  荆沐阳 ,  周春侠 ,  刘欢 ,  姜海军

IPC分类号： G06Q10/04 ,  G06Q10/0639 ,  G06Q50/04 ,  G06F30/27 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的流程工业产品质量短时预测方法，该方法的预测模型利用近期连续监测的生产过程关键数据来预测未来一段时间的产品质量波动，模型由并行深度学习网络组成，包括注意力机制、CNN以及BiLSTM。本发明针对流程工业过程变量数据的非线性、时间动态性、空间相关性等特征，深度学习方法能够更好地提取数据中的特征，能够学习长期和短期的时间依赖，更好的挖掘数据中的隐性关系，大幅提升预测的精确率且具有更好的泛化能力。