-
公开(公告)号：CN110386768A
公开(公告)日：2019-10-29
申请号：CN201910802318.4
申请日：2019-08-28
Applicant: 燕山大学
IPC: C04B7/44
Abstract: 本发明提供了一种水泥烧成过程中能耗动态实时控制方法，其包括：基于互信息从水泥烧成系统的数据库选取与水泥烧制能耗相关的9个输入变量并进行处理得到样本数据矩阵；构建卷积神经网络并进行使用样本数据矩阵进行训练得到训练过后的卷积神经网络模型；以能耗最小值为优化目标对卷积神经网络模型进行优化得到多目标动态优化模型；将水泥烧成过程的生产指标及约束参数输入到多目标动态优化模型进行优化输出水泥烧成过程中的相应控制参数，并将控制参数发送至相应的控制器进行控制。本发明能够跟踪水泥回转窑的工况的变化，及时调整水泥烧成过程的控制参数。
-
公开(公告)号：CN112785080A
公开(公告)日：2021-05-11
申请号：CN202110153263.6
申请日：2021-02-03
Applicant: 燕山大学
Abstract: 本发明公开了一种基于水泥工业的实时动态水泥粉磨系统能耗优化方法，该方法包括：提取并筛选水泥磨系统的数据；利用构建好的输入输出层数据结合极限学习机算法，将水泥磨系统实际生产中的实时工业参量数据输入到极限学习机预测模型中进行训练；建立基于天牛须搜索算法的优化模型，将训练好的极限学习机模型作为优化模型的目标函数，以能耗的最小值作为优化指标，通过所述优化模型的实现算法得到符合当前工况的输入变量的最优值；利用建立的优化模型的输出吨电耗以及最优决策变量，对水泥磨系统的各个工业参量进行调节。本发明采用基于极限学习机与天牛须搜索优化算法的能耗预测与优化算法(ELM‑BAS)，解决了水泥粉磨过程中难以跟踪工况变化的问题。
-
Patent Agency Ranking
公开(公告)号：CN112183642A
公开(公告)日：2021-01-05
申请号：CN202011055672.4
申请日：2020-09-30
Applicant: 燕山大学
Abstract: 本发明涉及一种基于随机森林模型的水泥烧成煤耗检测方法与系统，所述方法包括：采集数据集；所述数据集包括煤耗和与煤耗相关的工业参数；根据所述数据集搭建随机森林模型；以所述工业参数为输入，所述煤耗为输出，通过构建CART回归树模型对所述随机森林模型进行训练；将待预测工业参数输入训练后的所述随机森林模型得到输出煤耗。本发明解决了多变量之间的强耦合关系和滞后性，提高了煤耗检测效率。
-
公开(公告)号：CN112766608B
公开(公告)日：2022-03-11
申请号：CN202110152975.6
申请日：2021-02-03
Applicant: 燕山大学
Abstract: 本发明公开一种基于极限学习机的水泥磨系统电耗指标预测方法，首先对相关变量进行收集，通过对水泥磨系统的运行分析，选取与水泥磨电耗相关的八个变量作为输入变量，吨电耗作为输出变量，构建ELM模型的输入输出层；使用IPSO算法对ELM的神经元个数L、输入层权重w及隐含层偏置b进行优化；IPSO算法在参数寻优过程中将模型的均方误差作为适应度函数；使用IPSO优化得到的ELM相关参数结合样本数据完成IPSO‑ELM预测模型的训练，将工业现场实际数据带入到训练好的模型完成水泥磨系统电耗的在线预测；本发明通过使用样本数据对IPSO‑ELM模型进行训练得到电耗预测模型，将实际水泥生产现场的变量数据输入到训练好的模型中，实现水泥磨电耗指标在线预测。
-
公开(公告)号：CN112785080B
公开(公告)日：2022-07-19
申请号：CN202110153263.6
申请日：2021-02-03
Applicant: 燕山大学
Abstract: 本发明公开了一种基于水泥工业的实时动态水泥粉磨系统能耗优化方法，该方法包括：提取并筛选水泥磨系统的数据；利用构建好的输入输出层数据结合极限学习机算法，将水泥磨系统实际生产中的实时工业参量数据输入到极限学习机预测模型中进行训练；建立基于天牛须搜索算法的优化模型，将训练好的极限学习机模型作为优化模型的目标函数，以能耗的最小值作为优化指标，通过所述优化模型的实现算法得到符合当前工况的输入变量的最优值；利用建立的优化模型的输出吨电耗以及最优决策变量，对水泥磨系统的各个工业参量进行调节。本发明采用基于极限学习机与天牛须搜索优化算法的能耗预测与优化算法(ELM‑BAS)，解决了水泥粉磨过程中难以跟踪工况变化的问题。
-
公开(公告)号：CN112766608A
公开(公告)日：2021-05-07
申请号：CN202110152975.6
申请日：2021-02-03
Applicant: 燕山大学
Abstract: 本发明公开一种基于极限学习机的水泥磨系统电耗指标预测方法，首先对相关变量进行收集，通过对水泥磨系统的运行分析，选取与水泥磨电耗相关的八个变量作为输入变量，吨电耗作为输出变量，构建ELM模型的输入输出层；使用IPSO算法对ELM的神经元个数L、输入层权重w及隐含层偏置b进行优化；IPSO算法在参数寻优过程中将模型的均方误差作为适应度函数；使用IPSO优化得到的ELM相关参数结合样本数据完成IPSO‑ELM预测模型的训练，将工业现场实际数据带入到训练好的模型完成水泥磨系统电耗的在线预测；本发明通过使用样本数据对IPSO‑ELM模型进行训练得到电耗预测模型，将实际水泥生产现场的变量数据输入到训练好的模型中，实现水泥磨电耗指标在线预测。
-
公开(公告)号：CN110386768B
公开(公告)日：2020-07-31
申请号：CN201910802318.4
申请日：2019-08-28
Applicant: 燕山大学
IPC: C04B7/44
Abstract: 本发明提供了一种水泥烧成过程中能耗动态实时控制方法，其包括：基于互信息从水泥烧成系统的数据库选取与水泥烧制能耗相关的9个输入变量并进行处理得到样本数据矩阵；构建卷积神经网络并进行使用样本数据矩阵进行训练得到训练过后的卷积神经网络模型；以能耗最小值为优化目标对卷积神经网络模型进行优化得到多目标动态优化模型；将水泥烧成过程的生产指标及约束参数输入到多目标动态优化模型进行优化输出水泥烧成过程中的相应控制参数，并将控制参数发送至相应的控制器进行控制。本发明能够跟踪水泥回转窑的工况的变化，及时调整水泥烧成过程的控制参数。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
