-
公开(公告)号:CN118859700A
公开(公告)日:2024-10-29
申请号:CN202410810159.3
申请日:2024-06-21
申请人: 深圳市中金岭南有色金属股份有限公司丹霞冶炼厂 , 中南大学
IPC分类号: G05B13/04
摘要: 本发明涉及一种针对运行条件不断变化的自适应预测控制方法,具体步骤包括:S1:提取系统的时空传递关系,构建基于时空特征的工况识别器,通过监测系统时空预测值和真实值之间的偏差,自动识别工况的变化,即工况识别机制;S2:针对模型计算复杂度高的问题,运用时空分离的模型降阶方法,将高维模型降阶为空间基础函数和时间系数模型,实现并对分布式参数系统的快速预测,即模型在线更新机制;S3:将S1的工况识别机制和S2的模型在线更新机制嵌入到模型预测控制框架中,通过对分布式参数系统的持续精准控制,实现全工况运行条件下的稳定控制。本发明所述的方法具有准确识别工况变化,快速准确预测,实现全工况运行条件下的稳定控制的优点。
-
公开(公告)号:CN118244645A
公开(公告)日:2024-06-25
申请号:CN202410622315.3
申请日:2024-05-20
申请人: 中南大学
IPC分类号: G05B13/04
摘要: 本发明提供一种基于云边协同的氧化铝溶出过程苛性比值控制方法与系统,系统包括端侧、边缘侧和云侧;端侧,实时产生氧化铝溶出过程的数据信息;边缘侧,包括DCS控制系统和边缘计算设备,DCS控制系统采集端侧产生的数据信息并反馈给边缘计算设备;边缘计算设备上部署有云侧下发的苛性比值软测量模型和MPC算法,及模型参数更新请求策略;云侧,部署有苛性比值软测量模型和模型参数求解算法,收到边缘侧的模型参数更新请求信号后,辨识当前苛性比值软测量模型参数进行模型更新;云侧包括模型下发模块;MPC算法基于更新的苛性比值软测量模型计算最优控制量以控制端侧;本发明能实现氧化铝溶出过程苛性比值的高精度稳定安全控制。
-
公开(公告)号:CN117193217A
公开(公告)日:2023-12-08
申请号:CN202311354134.9
申请日:2023-10-19
申请人: 中南大学
IPC分类号: G05B19/418
摘要: 本发明公开了一种工业废水处理过程建模与决策控制一体化方法与系统,方法包括:(1)基于物料守恒、多相共存下的反应机理分析以及反应器结构的分析,构建多反应器级联的工业废水处理过程模型;(2)采用分层优化控制策略对工业废水处理过程进行目标组分的分离控制,即:上层根据工业废水处理过程的要求和经济指标确定过程控制目标;下层采用模型预测控制方法,基于确定的过程控制目标,获得工业废水处理过程的控制输入序列,并下发最优控制输入作用于工业废水处理过程。本发明可以应用于工业废水处理过程的控制,能够显著提高控制精度和过程指标。
-
公开(公告)号:CN115204272A
公开(公告)日:2022-10-18
申请号:CN202210721136.6
申请日:2022-06-24
申请人: 中南大学
摘要: 本发明公开了一种基于多采样率数据的工业系统故障诊断方法与设备,方法为:获取工业系统多组不同传感器的时间序列数据,该多组数据存在不同采样率;针对每种采样率的所有传感器的时间序列数据,根据相关性筛选保留部分传感器的时间序列数据;将每种采样率的筛选保留传感器的时间序列数据,分别归一化处理,再按传感器拼接;将多种采样率对应的拼接数据,结合对应的真实分类标签,以端到端的方式对CNN模型进行训练,得到故障分类器;当需要进行故障诊断时,使用训练好的故障分类器基于多采样率数据对工业系统进行故障诊断。本发明能够自动挖掘多采样率数据的深层特征,有效利用不同采样率变量的信息来提高故障诊断的精度。
-
公开(公告)号:CN115469540B
公开(公告)日:2024-08-16
申请号:CN202210895009.8
申请日:2022-07-28
申请人: 中南大学
IPC分类号: G05B13/04
摘要: 本发明公开了一种基于终身字典学习的多模态工业过程监测方法和装置,方法为:收集工业过程第1个模态的数据集,使用第1个模态的数据集学习获得初始字典;收集工业过程第n个模态的数据集,使用第n个模态的数据集和已从之前n‑1个模态数据集学习得到的字典,学习获得对当前所有n个模态的字典,记为终身字典;使用终身字典计算第n个模态每个数据的重构误差,并拟合概率密度函数,再根据预设的置信度计算重构误差的控制限;当在线接收到工业过程任意模态的数据时,使用终身字典计算该数据的重构误差,将得到的重构误差与控制限对比以确定工业过程当前是否故障。本发明可以实现对有新模态不断出现的工业过程的监测。
-
公开(公告)号:CN118197453A
公开(公告)日:2024-06-14
申请号:CN202410617232.5
申请日:2024-05-17
申请人: 中南大学
摘要: 本发明提供一种氧化铝溶出过程苛性比值软测量建模方法,先构建考虑实时固相含铝浓度的氧化铝溶出过程铝溶解微观动力学模型,用于反映主反应的反应速率#imgabs0#;再基于溶出工艺流程的质量平衡和能量守恒,以及主反应的反应速率#imgabs1#,获得基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程,得氧化铝浓度#imgabs2#;基于副反应的影响,获得溶出过程溶液中苛性钠浓度方程,得苛性氧化钠的浓度#imgabs3#;然后基于氧化铝浓度#imgabs4#和苛性氧化钠的浓度#imgabs5#,建立溶出过程苛性比值软测量模型,最后结合工业实际数据辨识融合和优化求解算法,获得溶出过程苛性比值软测量模型的未知参数;本发明构建的氧化铝溶出过程苛性比值软测量模型的预测精度高,平均相对误差在1%以内。
-
公开(公告)号:CN118015338A
公开(公告)日:2024-05-10
申请号:CN202410046851.3
申请日:2024-01-12
申请人: 中南大学
IPC分类号: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/006 , G06N3/0464 , G06N3/09
摘要: 本发明公开了一种物理知识嵌入的铝电解过热度识别方法及系统,首先基于先验知识提取火眼视频的物理特征组合,并将其集成到卷积神经网络中;针对类别相似性问题,提出了一种改进的交叉熵损失函数,使模型更专注于学习具有高相似性的样本。此外,本发明技术方案还利用元启发式算法优化提出的卷积神经网络,使其能够有效地嵌入知识来处理有限的数据样本。本发明技术方案所提出的物理知识嵌入的过热度高精度识别方法可以应用于铝电解工业过程过热度的在线识别,能够显著提高识别的精度。除此之外,本发明技术方案能够大大降低网络训练所需的数据量,大大地拓展了方法的适用范围。
-
公开(公告)号:CN116227353A
公开(公告)日:2023-06-06
申请号:CN202310219000.X
申请日:2023-03-08
申请人: 中南大学
IPC分类号: G06F30/27 , G06F17/16 , G06F17/15 , G06F18/214 , G06F119/04
摘要: 本发明公开了一种大型冶金焙烧炉的寿命预测方法,包括:获取焙烧炉整个历史生命周期退化过程中各变量的数据,形成初始数据集,对其预处理;选取风压比作为健康因子,从预处理后的数据集中获取鼓风量和风箱压力,计算得到健康因子HI;基于预处理后的数据集,对各变量与HI之间进行典型相关分析,优选部分变量作为特征变量;以所有特征变量共同作为输入变量,HI为输出变量,训练基于径向基核函数的HI映射模型;以HI和RUL分别为输入输出,训练RUL预测模型;获取当前时刻的特征变量数据并预处理,利用HI映射模型得到焙烧炉当前HI值,再输入至RUL预测模型得到焙烧炉剩余寿命。本发明实现大型冶金焙烧炉剩余寿命的实时在线预测。
-
公开(公告)号:CN116224872A
公开(公告)日:2023-06-06
申请号:CN202310216542.1
申请日:2023-03-08
申请人: 中南大学
IPC分类号: G05B19/042
摘要: 本发明公开了一种针对多物理场耦合大规模工业系统的知识引入预测控制方法、预测控制器、设备及介质,方法包括:利用拓展收敛交叉映射算法获取多物理场耦合大规模工业系统的变量间影响关系;将获取到的变量间影响关系作为先验知识构建预测控制器中的预测器;再将预测器嵌入到预测控制器的损失函数中,建立知识引导的预测控制器;利用建立的预测控制器并根据多物理场耦合大规模工业系统的当前状态变量值,对多物理场耦合大规模工业系统进行预测控制。本发明通过提取系统中观测变量的影响关系,并将其作为先验知识融入到系统的预测模型中实现系统状态的准确控制。
-
公开(公告)号:CN118244645B
公开(公告)日:2024-10-01
申请号:CN202410622315.3
申请日:2024-05-20
申请人: 中南大学
IPC分类号: G05B13/04
摘要: 本发明提供一种基于云边协同的氧化铝溶出过程苛性比值控制方法与系统,系统包括端侧、边缘侧和云侧;端侧,实时产生氧化铝溶出过程的数据信息;边缘侧,包括DCS控制系统和边缘计算设备,DCS控制系统采集端侧产生的数据信息并反馈给边缘计算设备;边缘计算设备上部署有云侧下发的苛性比值软测量模型和MPC算法,及模型参数更新请求策略;云侧,部署有苛性比值软测量模型和模型参数求解算法,收到边缘侧的模型参数更新请求信号后,辨识当前苛性比值软测量模型参数进行模型更新;云侧包括模型下发模块;MPC算法基于更新的苛性比值软测量模型计算最优控制量以控制端侧;本发明能实现氧化铝溶出过程苛性比值的高精度稳定安全控制。
-
-
-
-
-
-
-
-
-