-
公开(公告)号：CN118838279A
公开(公告)日：2024-10-25
申请号：CN202410847593.9
申请日：2024-06-27
申请人： 青岛东方融智数字科技有限公司 , 中冶东方工程技术有限公司
IPC分类号： G05B19/418
摘要： 本公开涉及物料跟踪技术领域，提出了一种高线生产车间的物料跟踪方法及系统，包括如下步骤：获取生产线上的钢坯位置，当到达设定的跟踪起始位置，触发相机对钢坯端部编码进行图像采集；使用图像识别算法读取钢坯编码；将读取的钢坯编码与生产计划中的信息进行对照，获取当前钢坯信息，开始跟踪；若钢坯没有编码，按照生产计划下发顺序进行逻辑跟踪，结合生产线上的运行设备的控制器的控制运行，生成逻辑判断信号，实现物料在生产线上的全流程跟踪。本公开通过引入3D视觉、逻辑跟踪方法克服了高线生产环境中高温、易磨损、流程离散等因素的影响，大幅度提高跟踪准确率且降低维护频率。
-
公开(公告)号：CN117875513A
公开(公告)日：2024-04-12
申请号：CN202410108539.2
申请日：2024-01-25
申请人： 中冶东方工程技术有限公司 , 青岛东方融智数字科技有限公司
摘要： 本发明公开的一种基于深度强化学习的高炉成本最优配料方法及系统，根据原燃料数据信息、炼铁需求信息、高炉炉况信息及训练好的高炉成本最优配料模型，获得成本最优的原燃料配比，其中，高炉成本最优配料模型包括预测网络模块和目标网络模块，预测网络模块估计高炉炉况信息及配料系统在该高炉炉况信息下采用不同原燃料配比时的价值，根据估计出的高炉炉况信息对应的动作价值进行原燃料配比选择，并将选择到的成本最优的原燃料配比反馈至目标网络模块中，目标网络模块对预测网络模块估计的状态值、动作值、状态以及动作进行评价；控制配料系统按照成本最优的原燃料配比，对原燃料进行配料。能够确定成本最优的原燃料配比。
-
公开(公告)号：CN116246268A
公开(公告)日：2023-06-09
申请号：CN202310252852.9
申请日：2023-03-15
申请人： 中冶东方工程技术有限公司
IPC分类号： G06V20/64 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/44
摘要： 本发明提出了一种基于三维点云分割的高炉原燃料粒度检测方法，包括：获取原燃料的三维点云数据作为数据集，对数据集进行标注，并将标注后的数据集对PointNet++神经网络模型进行训练和测试，得到训练好的PointNet++神经网络模型；其中，所述PointNet++神经网络模型通过在不同降采样阶段进行对比边界学习进行边界特征的识别；将待识别的原燃料的三维点云数据输入到PointNet++神经网络模型中进行分类。采用对比边界学习的神经网络框架以帮助优化边界上的分割性能，实现粒度检测和分类，识别速度快，准确率高，鲁棒性强。
-
公开(公告)号：CN113637819B
公开(公告)日：2022-10-18
申请号：CN202110937412.8
申请日：2021-08-16
申请人： 中冶东方工程技术有限公司
摘要： 本公开提供了一种基于深度强化学习的高炉布料方法，包括：获取高炉的实际料面状态数据；将所述实际料面状态数据输入到预设的高炉布料矩阵优化深度强化学习模型中，得到优化的布料矩阵；通过优化的布料矩阵对高炉的布料系统进行自主控制；其中，所述高炉布料矩阵优化深度强化学习模型训练时，考虑实际料面状态、布料矩阵、实施布料矩阵后获得的奖励或惩罚以及进行布料后对实际料面产生的影响；本公开基于深度强化学习的方法，实现布料矩阵的优化，具备控制精度高、泛化性好、抗干扰能力强、灵活性高和寻优效率高等优点。
-
公开(公告)号：CN112359159B
公开(公告)日：2022-05-03
申请号：CN202011247353.3
申请日：2020-11-10
申请人： 中冶东方工程技术有限公司
摘要： 本发明公开了一种基于深度强化学习的热风炉自动烧炉方法及系统，包括：获取热风炉历史烧炉数据；根据历史烧炉数据对不同燃烧阶段的热风炉深度强化模型进行训练；所述训练包括：根据前一时刻热风炉状态和烧炉动作，预测当前热风炉状态下烧炉动作的动作范围以及执行烧炉动作后下一时刻的热风炉反馈状态；根据热风炉反馈状态得到烧炉动作奖惩值，选择当前热风炉状态下的最优烧炉动作；迭代计算当前燃烧阶段下每个时刻的最优烧炉动作；根据不同燃烧阶段的热风炉深度强化模型对热风炉进行自动烧炉控制。采用深度强化学习离线学习的方法实现热风炉的自动烧炉，控制精度高，泛化性好，抗干扰能力强。
-
公开(公告)号：CN113637819A
公开(公告)日：2021-11-12
申请号：CN202110937412.8
申请日：2021-08-16
申请人： 中冶东方工程技术有限公司
摘要： 本公开提供了一种基于深度强化学习的高炉布料方法，包括：获取高炉的实际料面状态数据；将所述实际料面状态数据输入到预设的高炉布料矩阵优化深度强化学习模型中，得到优化的布料矩阵；通过优化的布料矩阵对高炉的布料系统进行自主控制；其中，所述高炉布料矩阵优化深度强化学习模型训练时，考虑实际料面状态、布料矩阵、实施布料矩阵后获得的奖励或惩罚以及进行布料后对实际料面产生的影响；本公开基于深度强化学习的方法，实现布料矩阵的优化，具备控制精度高、泛化性好、抗干扰能力强、灵活性高和寻优效率高等优点。
-
公开(公告)号：CN112359159A
公开(公告)日：2021-02-12
申请号：CN202011247353.3
申请日：2020-11-10
申请人： 中冶东方工程技术有限公司
摘要： 本发明公开了一种基于深度强化学习的热风炉自动烧炉方法及系统，包括：获取热风炉历史烧炉数据；根据历史烧炉数据对不同燃烧阶段的热风炉深度强化模型进行训练；所述训练包括：根据前一时刻热风炉状态和烧炉动作，预测当前热风炉状态下烧炉动作的动作范围以及执行烧炉动作后下一时刻的热风炉反馈状态；根据热风炉反馈状态得到烧炉动作奖惩值，选择当前热风炉状态下的最优烧炉动作；迭代计算当前燃烧阶段下每个时刻的最优烧炉动作；根据不同燃烧阶段的热风炉深度强化模型对热风炉进行自动烧炉控制。采用深度强化学习离线学习的方法实现热风炉的自动烧炉，控制精度高，泛化性好，抗干扰能力强。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.067 秒)
