-
公开(公告)号：CN118194722A
公开(公告)日：2024-06-14
申请号：CN202410442530.5
申请日：2024-04-12
Applicant: 北京科技大学 , 中色非洲矿业有限公司
IPC: G06F30/27 , G06F17/13 , G06F119/14
Abstract: 本发明涉及采矿工程和人工智能领域，特别是指一种在状态空间模型中纳入物理约束的浓密机建模方法及装置，方法包括：获取设定工况下浓密机历史生产参数序列进行预处理；获取设定工况下设备及工艺常量参数；根据仿真需求设定模型超参数，根据超参数组织预处理后的历史生产参数序列、设备及工艺常量参数的输入结构；根据浓密机物理先验构建状态空间模型框架下的神经微分方程梯度网络，使用预处理后的历史生产参数序列、设备常量参数以及工艺常量参数训练网络参数，得到浓密机仿真模型。本发明能够结合物理先验，在考量物理约束的前提下通过数据驱动方式实现浓密机设备的建模，实现在指定历史工况和控制序列下，底流浓度和泥层高度序列的有效预测。
-
公开(公告)号：CN119670535A
公开(公告)日：2025-03-21
申请号：CN202411656449.3
申请日：2024-11-19
Applicant: 北京科技大学
IPC: G06F30/27 , G06F18/15 , G06F18/214 , G06N3/0455 , G16C20/20 , G16C20/70 , G06F123/02 , G06F111/08 , G06F111/10
Abstract: 本发明提供一种基于状态空间的深锥浓密机建模方法及系统，涉及人工智能技术领域，方法包括：获取深锥浓密机的历史运行数据；对历史运行数据进行预处理；在状态空间模型框架下，构建基于神经网络的深锥浓密机预测模型，其中，深锥浓密机预测模型包括分片操作模块、Mamba模块和预测单元模块；将预处理后的历史运行数据作为训练集输入至深锥浓密机预测模型，以对深锥浓密机预测模型进行训练，直至深锥浓密机预测模型的损失函数值小于预设损失函数值；输出训练后的深锥浓密机预测模型，完成深锥浓密机的建模。本发明可以确保该模型在不同工况下的泛化能力，准确预测深锥浓密机的底流浓度变化，提高膏体充填流程的效率和稳定性。
-
公开(公告)号：CN117953033A
公开(公告)日：2024-04-30
申请号：CN202311702395.5
申请日：2023-12-12
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于双目视觉的实时非接触式泡沫层厚度测量方法和系统，涉及矿物浮选技术领域，包括：获取目标浮选槽内待测量泡沫层的双目视频流；基于双目视频流，裁剪得到两个单目图像；基于深度测距神经网络提取两个单目图像的图像特征，并根据图像特征回归得到视差图；基于视差图和双目视差原理，确定待测量泡沫层的顶部的双目深度测距值；基于目标浮选槽内矿浆液位值与双目深度测距值，确定待测量泡沫层的厚度。本发明可以获取泡沫层厚度的实时测量值，缓解了现有技术中存在的需要工作人员长期监控设备、且难以实时检测现场情况的技术问题。
-
公开(公告)号：CN117909777A
公开(公告)日：2024-04-19
申请号：CN202410185178.1
申请日：2024-02-19
Applicant: 北京科技大学 , 中色非洲矿业有限公司
IPC: G06F18/23213 , G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种工业多变量时间序列异常检测方法及装置，属于数据分析检测技术及人工智能技术领域，所述方法包括：利用布设在待检测工业系统中的传感器实时采集待检测工业系统运行中产生的由多种生产工艺变量组成的生产过程数据，得到多变量时间序列数据集；对所述多变量时间序列数据集中的数据进行聚类；基于聚类结果，生成聚类后的每一类簇的相关矩阵，并基于生成的每一类簇的相关矩阵，结合预设的异常阈值，进行异常检测，得到检测结果。本发明采用多种新颖的深度学习方法，不仅可大幅度提高工业上多变量时间序列异常检测精度，同时操作简单，不需要复杂的硬件设备，同时也能进一步降低工业上异常检测的开销，具有重要的实用价值和理论意义。
-
公开(公告)号：CN117408138A
公开(公告)日：2024-01-16
申请号：CN202311284245.7
申请日：2023-09-28
Applicant: 北京科技大学 , 中色非洲矿业有限公司
IPC: G06F30/27 , G06F17/13 , G06N3/0442 , G06N5/04 , G06F119/14 , G06F113/08
Abstract: 本发明提供一种浮选工序多设备联合仿真方法及系统，涉及人工智能技术领域，包括：获取工业场景中传感器监测到的浮选工序历史生产参数序列；建立工序拓扑图；基于工序拓扑图对不同种类的设备进行基于神经微分方程的动力学分析；使用深度状态空间下的RNN族模型在隐空间内进行完全平滑的后验编码并使用神经微分方程进行预测段的推理预测；对单设备使用实际生产产生的输入特征及液位数据进行模型训练，以最大似然为目标完成单个节点的模型训练；依据工序拓扑图的拓扑排序结果顺次进行单个节点的推理，将推理结果依据拓扑作为其他节点的输入。本发明实际考虑到整个流程长延时的设备间参数关联性，并通过引入设备机理动力学增加了模型精度和可解释性。
-
Patent Agency Ranking
公开(公告)号：CN117960396A
公开(公告)日：2024-05-03
申请号：CN202311744476.1
申请日：2023-12-18
Applicant: 北京科技大学 , 赞比亚中色非洲矿业有限责任公司
IPC: B03D1/14 , G06N3/0499 , G06N3/092
Abstract: 本发明涉及矿物浮选技术领域，特别是指一种基于物理信息强化学习的浮选多槽联动控制方法及装置，方法包括：获取待控制的多浮选槽系统的关键物理参数；将关键物理参数输入到训练好的物理信息预测网络，得到物理信息预测网络的输出特征，根据输出特征以及关键物理参数，得到物理信息状态表示；根据物理信息状态表示，构建多浮选槽系统中每个浮选槽的深度Q网络；根据每个浮选槽的深度Q网络，构建多浮选槽间的多智能体强化学习协同控制策略，得到浮选多槽联动控制结果。本发明中，不同浮选槽之间的具体连接关系，被直接输入到多智能体系统的控制中，实现精准的浮选槽间联动控制。提供了一种有效、精确和自适应的方式来优化浮选多槽的控制过程。
-
公开(公告)号：CN115731519A
公开(公告)日：2023-03-03
申请号：CN202211487680.5
申请日：2022-11-25
Applicant: 北京科技大学
Abstract: 本发明提供一种非接触式全尾砂膏体搅拌均匀度监测方法及系统，属于矿山充填技术领域。所述方法包括：在连续式搅拌机进行膏体制备的过程中，持续采集膏体表面图像；使用深度学习方法对采集的膏体表面图像进行处理，分割出非膏体区域和膏体不均匀区域；根据分割出的非膏体区域和膏体不均匀区域，确定膏体搅拌均匀度。采用本发明，能够在保证膏体搅拌均匀度量化精度的同时，实现膏体搅拌均匀度的实时量化。
-
公开(公告)号：CN114036821A
公开(公告)日：2022-02-11
申请号：CN202111227806.0
申请日：2021-10-21
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于非确定性隐空间模型的浓密机控制方法及装置，涉及采矿智能控制技术领域。包括：获取浓密机系统的当前运行参数，当前运行参数包括进出料流量、进出料浓度；将当前运行参数输入到训练好的非确定性离散时间状态空间模型；基于当前运行参数以及训练好的非确定性离散时间状态空间模型，得到浓密机系统的泥层压强变化分布；基于从浓密机系统的泥层压强变化分布中采样得到的结果，根据交叉熵优化算法对浓密机系统的输入控制序列进行优化，得到浓密机系统的最优输入控制序列，对浓密机系统进行控制。本发明能够更好地表示浓密机系统的复杂噪音扰动以及非确定性，因此整套预测及控制方法拥有更好的预测精度以及控制精度。
-
公开(公告)号：CN115424065A
公开(公告)日：2022-12-02
申请号：CN202211058369.9
申请日：2022-08-31
Applicant: 北京科技大学
IPC: G06V10/764 , G06V10/774 , G06V20/40
Abstract: 本发明公开了一种充填场景下的深锥浓密机状态分类方法，包括：获取浓密机系统在不同工作状态下的历史工作参数；其中，历史工作参数包括：无工作状态标注的工作参数和有工作状态标注的工作参数；基于对比学习，构建浓密机表示学习网络，并利用无工作状态标注的工作参数进行训练；构建浓密机状态分类器，将有工作状态标注的工作参数输入训练好的浓密机表示学习网络，得到相应的特征表示，利用得到的特征表示对浓密机状态分类器进行训练；获取待分类浓密机的工作参数，对待分类浓密机的当前工作状态进行分类。本发明利用对比学习可以在仅需少量标注数据的情况下对浓密机分类器进行训练并得到准确的分类结果，可对浓密机实时工作状态进行检测和报警。
-
公开(公告)号：CN112445136B
公开(公告)日：2022-02-22
申请号：CN202011493186.0
申请日：2020-12-16
Applicant: 北京科技大学 , 中色非洲矿业有限公司
Abstract: 本发明公开了一种基于连续时间神经网络的浓密机预测控制方法及系统，该方法包括：获取实际工业场景中浓密机系统的历史运行参数；基于深度时序网络，构建浓密机系统的连续时间状态空间模型并利用历史运行参数对连续时间状态空间模型进行训练；获取待控制浓密机系统的当前运行参数，基于训练好的连续时间状态空间模型，根据当前运行参数预测待控制浓密机系统的底流浓度变化；基于待控制浓密机系统的底流浓度变化预测结果，对待控制浓密机系统的输入控制序列进行优化，得到待控制浓密机系统的最优输入控制序列。本发明相较于传统建模或控制方法，能够更好地表示浓密机系统的复杂非线性以及连续时间物理特性，因此拥有更高的拟合精度以及控制鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
