-
公开(公告)号：CN119514898A
公开(公告)日：2025-02-25
申请号：CN202510092107.1
申请日：2025-01-21
Applicant: 东北大学
IPC: G06Q10/063 , G06Q50/04
Abstract: 本发明提供一种基于大数据的高炉炉渣碱度智能调整方法，属于智能制造技术领域，其方法包括收集高炉历史生产数据，根据所述历史生产数据确定生产关键参数，生成高炉炉渣碱度的理论计算模型；结合工艺原则确定炉渣碱度相关目标参数，并对相关目标参数进行筛选，得出强关联参数，构建预测模型；基于预测结果对高炉渣铁进行状态评估，得出状态评估结果，根据状态评估结果确定炉渣碱度的调整方向和调整步长；基于理论计算模型和当前入炉炉料数据，结合炉渣碱度的调整方向和调整步长确定物料调整量，提前一个冶炼周期对炉渣碱度进行智能调整，实现高效、精准的炉渣碱度控制，减少人工干预，优化操作流程，保持碱度在最佳范围，减少不合格率。
-
公开(公告)号：CN119494395A
公开(公告)日：2025-02-21
申请号：CN202510083692.9
申请日：2025-01-20
Applicant: 东北大学
IPC: G06N5/022 , G06F16/36 , G06F16/334 , G06F16/35
Abstract: 本发明提供一种烧结动态知识图谱构建方法，涉及知识图谱技术领域，包括：采集实时烧结过程中的全链条数据，并进行参数分类，得到烧结目标参数及烧结过程参数；基于预设数据分析方法进行趋势性关系分析，从而建立烧结趋势影响知识图谱；基于目标配矿周期对烧结过程参数进行参数分类，并匹配对应机器学习算法，构建烧结目标参数预测模型；获取与实时配矿结构吻合度最高的第一历史数据点对应的烧结趋势影响知识图谱，同时基于烧结目标参数预测模型获取与当前生产状态吻合度最高的第二历史数据点，得到烧结量化影响知识图谱，确定实时配矿结构对应的烧结趋势及量化影响知识图谱结果。能够实现机理数据的融合，提高系统处理效率及精准度。
-
公开(公告)号：CN118246818B
公开(公告)日：2024-08-30
申请号：CN202410669527.7
申请日：2024-05-28
Applicant: 东北大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/15 , G06F18/214 , G06F18/2113
Abstract: 本申请公开了一种铁矿粉动态综合评价方法、装置、介质以及电子设备，涉及铁矿粉评价技术领域。其中方法包括：对实时获取的当前铁矿粉数据进行数据处理，得到初始铁矿粉评价数据；对所述初始铁矿粉评价数据进行筛选，获得生产经验评价数据以及数据分析评价数据；基于所述生产经验评价数据以及所述数据分析评价数据进行并集计算，得到目标铁矿粉评价数据；基于所述目标铁矿粉评价数据进行计算处理，得到初始数据矩阵、相关系数矩阵以及关系矩阵，并基于所述初始数据矩阵、所述相关系数矩阵以及所述关系矩阵进行综合评价，得到与当前铁矿粉初始数据对应的综合评分值。本申请可以提高铁矿粉评价的准确性。
-
公开(公告)号：CN119541691B
公开(公告)日：2025-05-16
申请号：CN202510092103.3
申请日：2025-01-21
Applicant: 东北大学
Abstract: 本发明提供一种烧结操作参数实时量化分析与优化方法，属于烧结工艺技术领域，其方法包括收集与烧结过程的相关数据，从所述相关数据中识别影响烧结过程质量与技术指标的关键参数；获取关键参数的历史数据范围，根据所述历史数据范围划分数据区间，并对所述数据区间进行组合，得出烧结生产类别集合；基于所述烧结生产类别集合建立参数预测模型，根据参数预测模型输出结果确定关键参数之间的量化映射；根据当前实时采集的烧结过程参数确定当前烧结生产类别，进而根据量化映射确定当前关键参数的量化调整效果，优化烧结过程，提高产品质量和生产效率，提高了预测的准确性。
-
公开(公告)号：CN119410849B
公开(公告)日：2025-05-09
申请号：CN202510013760.4
申请日：2025-01-06
Applicant: 东北大学
Abstract: 本发明提供一种高炉无钟布料的炉内料层动态变化监测方法、装置和设备，确定炉料运动轨迹参数；基于炉料运动轨迹参数，依据料面体积增长规律以及寻优迭代方法，确定单环炉料与旧料面结合后的单环炉料的料面方程；基于料面方程，迭代计算多环布料后的料面形状，得到高炉布料模型；基于高炉布料模型，更新炉料分布的追踪数据，以反映炉内料层的最新状态；将更新后的炉料分布的追踪数据存储到预先建立的数据库表中；基于数据库表中的追踪数据，采用寻优算法求解动态料层轨迹方程，并基于动态料层轨迹方程，得到料层在炉内不同位置时的动态形状；基于动态料层轨迹方程和料层形状，确定高炉动态变化的料面形状和料层轨迹，实现料层动态变化的准确监测。
-
Patent Agency Ranking
公开(公告)号：CN119517222A
公开(公告)日：2025-02-25
申请号：CN202510092099.0
申请日：2025-01-21
Applicant: 东北大学
Abstract: 本发明提供一种烧结原料化验数据与原料配比实时修正方法，属于电子数据处理技术领域，包括：获取多个历史指定时间周期内的历史原料化验数据、历史烧结过程数据以及历史成品数据，确定多个烧结矿成分目标；确定每个烧结矿成分目标的重要参数向量以及贡献算法；构建每个烧结矿成分目标的预测模型；确定每个烧结矿成分目标的影响参数向量；确定当前化验修正数据；获取多个历史化验修正数据，基于当前化验修正数据以及多个历史化验修正数据确定反馈值，并生成修正报告。可以提升数据质量和分析优化的科学性，确保了预测结果的科学性和可靠性，实现理论与实际闭环反馈的动态调整以及自动化修正、优化，实现质量控制管理的前置化和智能化。
-
公开(公告)号：CN119476745A
公开(公告)日：2025-02-18
申请号：CN202510060361.3
申请日：2025-01-15
Applicant: 东北大学
IPC: G06Q10/063 , G06Q50/02 , G06F18/20
Abstract: 本发明提供一种基于流程工业数据处理的高炉煤气利用率预测方法，涉及流程数据处理技术领域，包括：采集高炉各类数据，建立实时流转处理规则，对各类数据进行处理存储、数据清洗及补齐，得到第一处理数据；基于高炉的实时下料情况对第一处理数据进行数据拆解及整合，并结合每一数据对煤气利用率的时滞影响得到第一生产数据集；提取第一生产数据集中与高炉本体相关的监测数据，进行数据降维处理，得到第一降维数据，同时获取布料相关数据，建立第一布料模型，实现数据衍生，得到第一衍生数据；基于高炉特性建立煤气利用率模型，结合第一降维数据及第一衍生数据进行煤气利用率预测。使得对流程工业数据的处理更为精准，及时准确预测煤气利用率。
-
公开(公告)号：CN119203783A
公开(公告)日：2024-12-27
申请号：CN202411615176.8
申请日：2024-11-13
Applicant: 东北大学
IPC: G06F30/27 , G06F30/10 , G16C60/00 , C21B5/00 , C21B7/00 , G06F111/10 , G06F119/08
Abstract: 本说明书实施例提供高炉高热负荷区边缘煤气温度确定方法及装置，其中高炉高热负荷区边缘煤气温度确定方法包括：获取设计炉型数据、物理性能参数和工况数据；基于设计炉型数据和物理性能参数，确定数值模拟模型；基于数值模拟模型确定离线模拟数据集，并基于离线模拟数据集确定边缘煤气温度实时计算模型；基于边缘煤气温度实时计算模型和工况数据，确定变异指数和冲突指数；基于变异指数和冲突指数构建边缘煤气温度集成模型，并基于边缘煤气温度集成模型确定边缘煤气温度。通过以实际高炉数据为基础，计算过程紧密结合现场，计算结果精准，计算效率高，推广能力强，能够有效的辅助操作人员管控高炉，保证高炉稳定顺行。
-
公开(公告)号：CN114819587B
公开(公告)日：2024-11-29
申请号：CN202210412850.7
申请日：2022-04-19
Applicant: 东北大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/23213 , G06N3/08 , G06N20/00 , C21B7/00
Abstract: 本申请涉及一种基于大数据的高炉炉缸活跃性评价与预测方法及系统，所述方法包括：基于高炉生产历史数据和数据预处理获取高炉炉缸活跃性应用数据；基于高炉炉缸活跃性应用数据和机器学习建立高炉炉缸活跃性评价模型，通过评价模型对高炉炉缸活跃性进行初步评价；基于高炉炉缸活跃性应用数据和机器学习对高炉炉缸活跃性评价模型进行修正，基于修正后的评价模型对高炉炉缸活跃性进行最终评价和等级划分；基于高炉炉缸活跃性应用数据和深度学习、自学习建立高炉炉缸活跃性预测模型，通过预测模型对高炉炉缸活跃性进行预测。本申请基于上述方法，实现了对高炉炉缸活跃性的准确评价、精准预测，为高炉优质、高产、低耗、顺行提供了保障。
-
公开(公告)号：CN117196364A
公开(公告)日：2023-12-08
申请号：CN202310900808.4
申请日：2023-07-21
Applicant: 东北大学
IPC: G06Q10/0639 , G06Q50/04 , G06N20/00
Abstract: 本发明涉及一种烧结状态质量综合实时评价方法，包括：获取烧结产线评价参数和所述烧结状态质量综合指标参数，并对所述烧结产线评价参数和所述烧结状态质量综合指标参数进行多变量分析，以得到第一量化关系，所述烧结产线评价参数包括低频次烧结产线评价参数与高频次烧结产线评价参数；根据所述烧结产线评价参数和烧结产线实时参数通过数据转换与机器学习，以得到第二量化关系，所述烧结产线实时参数为仪表实时参数；根据所述第一量化关系和所述第二量化关系，生成烧结状态质量综合指标实时结果；根据所述烧结状态质量综合指标实时结果确定结状态质量实时综合等级。便于辅助现场操作人员快速决策，进而提高烧结产线稳定性。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.024 seconds)
