-
公开(公告)号：CN117952934A
公开(公告)日：2024-04-30
申请号：CN202410119638.0
申请日：2024-01-29
Applicant: 东北大学
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明提供一种基于DDPM与Conv‑Transformer的冶炼过程异常状态检测方法，包括：采集正常状态与异常状态的图像样本集，并对图像样本集进行预处理，得到原始数据集；构建基于深度学习的DDPM，并利用DDPM将采集到的数据集进行图像生成，得到合成样本集，并整合原始数据集和合成样本集，得到新数据集；构建卷积模块，卷积模块包括若干卷积层、非线性激活函数和最大池化层；构建Conv‑Transformer模型，在ViT基础上采用构建的卷积模块替代原始的批次嵌入，确定Conv‑Transformer模型的相关超参数集合；对构建的Conv‑Transformer模型进行训练和评估。本发明能够深入提取机尾横截面图像以及工业冶炼炉炉体图像的局部以及全局特征，准确地检测出异常状态，有效提高异常状态的检测准确率，同时降低模型的参数和复杂度。
-
公开(公告)号：CN117553921A
公开(公告)日：2024-02-13
申请号：CN202410045969.4
申请日：2024-01-12
Applicant: 山东钢铁股份有限公司 , 东北大学
Abstract: 本发明涉及机器视觉技术领域，具体提供一种转炉钢水温度预测方法、系统、终端及存储介质，包括：获取转炉冶炼数据和副枪探测的实际温度数据，将转炉冶炼数据和实际温度数据保存至数据库；在冶炼过程中定期获取热成像仪采集的炉口的火焰温度矩阵；将火焰温度矩阵输入预先训练的神经网络模型，神经网络模型输出预测温度；神经网络模型的训练方法包括：利用预先构建的碳温机理模型基于数据库中的冶炼数据计算理论温度；将理论温度与实际温度数据合并做数据增强处理，并将增强后的数据作为训练集的输出数据；将历次采集的火焰温度矩阵作为训练集的输入数据。本发明充分利用了炉口火焰的温度信息和图像特征，实现了钢水温度的准确预测。
-
公开(公告)号：CN112380779B
公开(公告)日：2023-11-24
申请号：CN202011361481.0
申请日：2020-11-27
Applicant: 东北大学
IPC: G06F30/27 , G06F17/16 , G06F17/18 , G06N3/0499
Abstract: 本发明公开一种烧结终点的鲁棒软测量方法及系统，本发明首先采集烧结过程的相关参数，以及各时刻对应的烧结终点位置；然后对烧结现场数据采集单元所获取的相关烧结现场数据进行相关性分析，选取相关度高的输入变量，并对其进行滤波、剔除噪声及归一化处理，得到烧结终点鲁棒软测量建模数据；接着利用偏最小二乘广义M估计鲁棒随机权神经网络实现对烧结终点位置的建模；最后将进行预处理后的烧结现场关键数据输入训练所得模型中实现烧结终点鲁棒软测量。本发明能有效解决烧结终点预测建模中所普遍存在的多重共线性问题以及输入输出双方向异常数据问题，从而显著提高软测量精度。
-
公开(公告)号：CN115356930A
公开(公告)日：2022-11-18
申请号：CN202211016140.9
申请日：2022-08-24
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明提供一种污水处理过程中的多目标优化控制系统及方法，涉及污水处理自动化控制技术领域。本发明利用自适应网格技术对优化能耗、出水水质模型获得的外部档案集个体进行划分，根据网格密度确定稀疏解和拥挤解，针对稀疏解和拥挤解分别采用邻近圆策略和混合扰动策略对其邻域进行搜索，改善Pareto前沿的分布性；利用基于个体信息的遗传操作产生下一次迭代种群，通过精英引导策略对种群中较差个体进行引导学习，改善种群质量，提高Pareto前沿的收敛性和算法的搜索效率，利用模糊隶属函数法从优化解中确定污水处理过程控制回路的最优设定值，得到更合适的优化设定值。利用PID控制器对最优设定值进行跟踪控制，保证污水处理过程的平稳运行。
-
公开(公告)号：CN110320335B
公开(公告)日：2021-11-23
申请号：CN201910652898.3
申请日：2019-07-19
Applicant: 东北大学
Abstract: 本发明提供一种关于污水处理出水水质指标的多元鲁棒软测量方法，涉及污水处理自动化控制技术领域。该方法基于工业现场常规的检测设备实时测量得到的参数作为模型的输入数据；建立一个可同时对衡量污水处理出水质量的主要参数进行多元动态预测的随机权神经网络模型，同时实现了BOD含量、COD含量和TSS含量污水质量参数的鲁棒软测量，综合描述污水水质参数，避免离线化验的滞后性和人工操作带来的不确定性。本发明同时利用稀疏偏最小二乘和Schweppe型广义M估计，消除多重共线性对建模的影响，降低了数据中离群点和杠杆点对建模的不良影响，同时还达到了变量选择的目的，更加准确的给出指定动态时间区间的多元污水处理出水水质参数的估计值。
-
Patent Agency Ranking
公开(公告)号：CN112184655A
公开(公告)日：2021-01-05
申请号：CN202011017558.2
申请日：2020-09-24
Applicant: 东北大学
Abstract: 本发明提供一种基于卷积神经网络的宽厚板轮廓检测方法，首先制作样本数据集，并构建卷积神经网络模型，然后利用样本数据集对网络模型进行训练，利用训练好的卷积神经网络将图像的高层语义信息与底层特征信息相结合，对宽厚板和背景进行有效分割；通过对分割后的图像进行边缘亚像素提取，最终获得宽厚板精确轮廓，本发明提供的方法学习能力强，可以有效抑制背景的干扰，对于不同对比度的原始图像，无需更改模型参数就可以有效地提取宽厚板轮廓，具有较强的鲁棒性。
-
公开(公告)号：CN110232062A
公开(公告)日：2019-09-13
申请号：CN201910572930.7
申请日：2019-06-28
Applicant: 东北大学
IPC: G06F16/215 , G06F16/28
Abstract: 本发明涉及污水处理质量监测技术领域，提供一种基于KPLS和FCM的污水处理过程监测方法。本发明首先采集正常工况和包含异常工况的污水处理过程数据样本，将污水处理运行变量、出水质量变量的数据分别作为输入、输出数据矩阵，并标准化两矩阵；然后构建KPLS模型，将输入样本映射到高维特征空间，引入高斯核函数得到Gram矩阵K，并求解得分矩阵；接着计算输入样本点密度值，计算构造函数并绘制构造函数图像以确定聚类数目；最后，基于FCM算法对得分矩阵聚类，得到隶属度矩阵，根据隶属度矩阵进行污水处理过程异常工况监测。本发明能够对高维数据进行降维且能够处理非线性数据、准确方便地确定聚类数目，提高监测的及时性和准确性。
-
公开(公告)号：CN107390524B
公开(公告)日：2019-05-21
申请号：CN201710580457.8
申请日：2017-07-17
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明提供一种基于双线性子空间辨识的高炉铁水质量优化控制方法，包括：采集当前时刻与前一时刻的控制量和被控量，校正高炉铁水质量指标预测值；由铁水质量指标期望值计算铁水质量指标参考轨迹，并基于铁水质量指标参考轨迹和其校正后预测模型预测值构造预测控制性能指标，利用二次规划优化算法计算得到最优控制量；将最优控制量即最优的冷风流量、压差、富氧流量和设定喷煤量发给执行机构。本发明使高炉铁水质量稳定在期望值附近，有效地提高产品质量、降低生产能耗、提高经济效益。本发明的高炉铁水质量指标预测模型是一种多输入多输出的双线性模型，表征了高炉模型的非线性特性，预测的精确度较高，控制的抗干扰性良好。
-
公开(公告)号：CN109062196A
公开(公告)日：2018-12-21
申请号：CN201811282478.2
申请日：2018-10-31
Applicant: 东北大学
IPC: G05B23/02
CPC classification number: G05B23/0243 , G05B2219/24065
Abstract: 本发明提供一种集成PCA‑ICA的高炉过程监测及故障诊断方法，涉及高炉冶炼过程监测技术领域。包括以下步骤：辅助变量选择和高炉过程监测模型输入变量确定；监测模型的训练；集成PCA‑ICA的监测实现。本发明采用集成PCA‑ICA过程监测方法对高炉过程进行监测，设计出一种新的故障辨识指标，同时给出相应的故障辨识指标控制限，从而及时有效的监测高炉异常工况的发生并辨识异常源所在，充分挖掘数据的内部结构，从而及时有效的监测高炉异常工况的发生并辨识异常源所在，为保证高炉持续稳定顺行提供技术支撑。
-
公开(公告)号：CN106202918B
公开(公告)日：2018-10-23
申请号：CN201610536827.3
申请日：2016-07-08
Applicant: 东北大学
Abstract: 本发明提供一种高炉铁水硅含量在线估计方法及系统，该方法包括：实时采集高炉炼铁过程中的热风压力、热封温度、富氧率、设定喷煤量、鼓风湿度、炉腹煤气量；利用基于最小二乘‑支持向量机的高炉铁水硅含量在线估计模型，在线估计高炉铁水硅含量。该系统包括：采集模块、估计模块。本发明利用最小二乘‑支持向量机对高炉铁水硅含量进行建模，并从模型误差概率密度函数曲线入手，利用随机分布控制理论将建模误差概率密度函数曲线解耦为更容易控制的误差权值向量，通过改变高炉铁水硅含量在线估计模型参数控制建模误差PDF曲线的形状，使高炉铁水硅含量在线估计模型的误差概率密度函数曲线达到理想状态，得到准确的高炉铁水硅含量在线估计结果。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.033 seconds)
