-
公开(公告)号：CN112816211A
公开(公告)日：2021-05-18
申请号：CN202011632761.0
申请日：2020-12-31
申请人： 无锡东研信科科技研发有限公司 , 东北大学无锡研究院 , 无锡东研智能科研有限公司
IPC分类号： G01M13/023 , G06N3/00 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种基于PSO‑BP算法的带式输送机故障诊断的方法，属于计算机应用技术领域，包括以下步骤：获取待检测的带式输送机检测传感器变量的样本数据、以及故障种类的标签数据，建立基于粒子群算法优化BP神经网络的带式输送机故障诊断模型，针对五种故障建立故障诊断模型，对纵向撕裂、打滑、跑偏、堆料、轴承故障进行预测，并对模型分别进行训练和仿真。为科学指导带式输送机故障诊断提供理论依据。对实现监测带式输送机运行，进而对保障人身及设备的安全具有重要指导意义。
-
公开(公告)号：CN113160899A
公开(公告)日：2021-07-23
申请号：CN202011630373.9
申请日：2020-12-31
申请人： 无锡东研信科科技研发有限公司 , 无锡东研智能科研有限公司 , 东北大学无锡研究院
摘要： 本发明涉及一种基于NSGA‑II算法的炼铁烧结配料多目标优化方法，属于计算机应用技术领域，其步骤为：将含铁粉料、燃料和熔剂的配比结果定义为决策变量，并确定其约束条件；根据烧结矿的生铁成本、烧结成本、高炉焦比等6个不同的指标构建多目标优化模型；采用多目标进化算法NSGA‑II对优化模型进行求解，采用多种计算，使得解更广泛均匀的逼近Pareto最优前沿，最终输出烧结配料配比的最优解集。所述的算法较成熟、稳健，无论对于理论测试函数，还是实际生产问题，均表现出较强的寻优能力。
-
公开(公告)号：CN112992284A
公开(公告)日：2021-06-18
申请号：CN202011630359.9
申请日：2020-12-31
申请人： 无锡东研信科科技研发有限公司 , 东北大学无锡研究院 , 无锡东研智能科技有限公司
摘要： 一种基于PSO‑ELM算法的烧结矿质量预报方法，属于计算机应用技术领域，其特征是包括以下步骤：通过在烧结现场采集大量的数据，建立基于PSO‑ELM神经网络的烧结矿质量预报模型，选用烧结混合料作为输入，以TFe、CaO、SiO2作为输出，采用灰色关联方法对上述数据和预测参数进行分析，并对模型分别进行训练和仿真。该预报模型为科学指导烧结配矿提供了理论依据。依据本方法可实现优化配矿，为生产出高质量、高产量的烧结矿提供参考。
-
公开(公告)号：CN112992285A
公开(公告)日：2021-06-18
申请号：CN202011632769.7
申请日：2020-12-31
申请人： 无锡东研信科科技研发有限公司 , 无锡东研智能科技有限公司
摘要： 一种基于IPSO‑HKELM的高炉铁水硅含量预测的方法，包括以下步骤：获取大量影响高炉铁水硅含量的高炉样本数据，因影响高炉铁水硅含量的输入变量包含m个特征；首先利用主成分分析(PCA)对多维输入变量进行降维，然后建立混合核极限学习机(HKELM)模型，混合核函数是由全局多项式核函数和局部高斯径向基核函数组成，并利用粒子群算法优化HKELM的核参数。同时，对于粒子群算法存在容易陷入局部最优的问题，对粒子群算法进行改进，最后建立了IPSO‑HKELM的高炉铁水硅含量预测模型。本发明提供的基于IPSO‑HKELM的高炉铁水硅含量预测的方法，效率高、成本低、且精度高。
-
-
-
搜索结果
4 条记录 (耗时 0.064 秒)