-
公开(公告)号：CN108224446B
公开(公告)日：2019-06-14
申请号：CN201711494362.0
申请日：2017-12-31
Applicant: 北京工业大学
IPC: F23G5/50
Abstract: 一种垃圾焚烧过程的自动燃烧实时优化决策方法，涉及城市固体垃圾焚烧炉优化控制技术领域，通过关键被控变量(进料器速度和炉排速度)的优化决策，使自动燃烧控制系统运行在理想范围内，主要包括如下步骤：(1)根据焚烧过程的历史数据建立决策案例库；(2)构建训练模式池；(3)根据学习型伪度量准则训练随机配置网络从而获得随机配置网络检索模型；(4)将目标案例输入至随机配置网络检索模型得到K个相似案例的解；(5)通过案例重用求取K个相似案例解的平均值，从而得到目标案例解(进料器速度和炉排速度)的决策值并输出到焚烧过程控制系统；(6)重复上述的步骤(4)～步骤(5)，以实现焚烧过程的自动燃烧实时优化决策过程。
-
公开(公告)号：CN102540879A
公开(公告)日：2012-07-04
申请号：CN201110447860.6
申请日：2011-12-28
Applicant: 北京工业大学
IPC: G05B13/00
Abstract: 本发明公开了一种基于群决策检索策略的多目标评价优化方法以及针对优化计算设定值的多目标评价结构，包括定义编码函数；初始化权重随机赋值；解码后进行案例检索；计算个体适应度；精度是否满足要求(若满足，输出优化权重；否则，重新进行案例检索)；由群决策得到最终权重；计算案例相似度，得到新的检索结果；是否有新的案例待检索；计算产品质量、产量和单位时间的能耗指标；对设定值进行评价；判断是否对设定值进行补偿校正；输出最终设定值。本发明应用于冶金行业竖炉焙烧过程控制中，可以实现设定值的合理性评价，焙烧矿质量提高2％，产量提高4％，能耗降低5％。优化实现生产指标的目标值，提高了焙烧矿的质量，降低了生产过程中的煤气消耗，达到了节能降耗的目的。
-
公开(公告)号：CN120020835A
公开(公告)日：2025-05-20
申请号：CN202311538615.5
申请日：2023-11-17
Applicant: 北京工业大学
IPC: G06Q10/0637 , G06Q50/26 , G06N3/09
Abstract: 本申请涉及一种固废焚烧过程污染物浓度预测方法和系统，包括采集影响固废焚烧过程污染物浓度变化的相关过程变量历史数据以得到训练集；基于所述训练集根据随机配置网络的隐含层建立监督机制，以得到符合监督机制的隐含层节点；基于得到的符合所述监督机制的隐含层节点确定所述随机配置网络的输出权值；基于得到的输出权值构建随机配置网络预测模型，以实现固废焚烧过程污染物浓度的预测；本申请可在保证模型准确性的前提下，可快速构建SCN的预测模型，实现污染物浓度的准确、快速预测，从而为固废焚烧过程的优化控制奠定基础，提高工作效率。
-
公开(公告)号：CN118171765A
公开(公告)日：2024-06-11
申请号：CN202410261048.1
申请日：2024-03-07
Applicant: 北京工业大学
Abstract: 一种城市固废焚烧过程多输出在线预测建模方法，涉及城市固废焚烧过程关键参数预测领域。本发明基于改进的随机配置网络，在变工况场景下构建固废焚烧过程的多输出在线预测模型，主要包括如下步骤：(1)建模数据预处理；(2)模型参数初始化；(3)利用竞争引导策略配置隐含层新增节点参数；(4)构建矩阵弹性网对随机配置网络预测模型的输出权值进行组稀疏正则化；(5)使用带有稀疏约束的方向遗忘算法在线递推更新模型输出权值；(6)基于上述步骤1～步骤5即可得到城市固废焚烧过程多输出在线预测模型。本发明可在变工况场景下实现对炉温与烟气含氧量变化趋势的准确预测，为城市固废焚烧过程的多变量协同优化控制奠定良好的基础。
-
公开(公告)号：CN113191078B
公开(公告)日：2024-05-31
申请号：CN202110451164.6
申请日：2021-04-26
Applicant: 北京工业大学
IPC: G06F30/27 , G06N3/06 , G06N3/0985 , G06F119/08 , G06F119/10
Abstract: 城市生活垃圾焚烧过程一燃室烟气温度预报方法，涉及城市生活垃圾焚烧过程关键参数预报领域，通过炉排速度、一次风量、二次风量等输入变量预报焚烧炉一燃室的烟气温度，进而为焚烧过程的稳定控制提供指导，主要包括如下步骤：(1)构建预报模型的训练集；(2)参数初始化；(3)采用随机配置网络算法确定预报模型的网络初始结构及参数；(4)对样本中的异常值或噪声的分布提出假设，推导预报模型隐含层输出权重的最大后验估计；(5)执行期望最大化算法的E‑step，得到训练集中各个潜变量的期望值；(6)执行期望最大化算法的M‑step，得到混合分布的超参数及隐含层输出权重的迭代解；(7)重复上述步骤(5)和(6)，直至得出混合Student分布的超参数并且完成预报模型的训练过程。
-
Patent Agency Ranking
公开(公告)号：CN113408185B
公开(公告)日：2023-05-23
申请号：CN202110444809.3
申请日：2021-04-24
Applicant: 北京工业大学
IPC: G06F30/27 , G06N3/006 , F23G5/50 , F23L5/00 , G06F111/06
Abstract: 一种城市生活垃圾焚烧过程炉排空气流量设定方法，涉及城市固体垃圾焚烧炉优化设定技术领域，通过关键被控变量(各炉排空气流量)的优化设定，使自动燃烧控制系统运行在理想范围内，主要包括如下步骤：(1)根据城市生活垃圾焚烧过程的历史数据建立设定数据库；(2)参数初始化；(3)基于自私牧群‑模拟退火算法分配特征权重；(4)通过案例检索模型得到K个相似案例的解；(5)通过案例重用求取K个相似案例解的平均值，从而得到目标案例解的设定值。(6)将目标案例与其设定值构成一条案例存储至设定数据库中；(7)重复步骤(3)～步骤(6)，以实现城市生活垃圾焚烧过程各炉排空气流量的优化设定过程。
-
公开(公告)号：CN113191078A
公开(公告)日：2021-07-30
申请号：CN202110451164.6
申请日：2021-04-26
Applicant: 北京工业大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/08 , G06F119/10
Abstract: 城市生活垃圾焚烧过程一燃室烟气温度预报方法，涉及城市生活垃圾焚烧过程关键参数预报领域，通过炉排速度、一次风量、二次风量等输入变量预报焚烧炉一燃室的烟气温度，进而为焚烧过程的稳定控制提供指导，主要包括如下步骤：(1)构建预报模型的训练集；(2)参数初始化；(3)采用随机配置网络算法确定预报模型的网络初始结构及参数；(4)对样本中的异常值或噪声的分布提出假设，推导预报模型隐含层输出权重的最大后验估计；(5)执行期望最大化算法的E‑step，得到训练集中各个潜变量的期望值；(6)执行期望最大化算法的M‑step，得到混合分布的超参数及隐含层输出权重的迭代解；(7)重复上述步骤(5)和(6)，直至得出混合Student分布的超参数并且完成预报模型的训练过程。
-
公开(公告)号：CN111365239A
公开(公告)日：2020-07-03
申请号：CN202010233726.5
申请日：2020-03-30
Applicant: 北京工业大学
IPC: F04C28/28
Abstract: 本发明公开了一种罗茨风机的故障诊断方法，涉及旋转机械故障诊断技术领域，包括以下步骤：(1)根据罗茨风机运行过程的历史数据建立故障案例库；(2)基于互信息方法的特征选择并分配权重；(3)获取风机当前运行数据并将其与源案例合并进行归一化处理；(4)通过案例检索模型计算风机当前运行数据与源案例的相似度并检索出相似案例；(5)根据KNN算法得到风机的运行状态；(6)将风机当前运行数据及状态构成一条案例存储至故障案例库，供下次诊断求解；(7)重复上述的步骤(3)～步骤(6)，以实现罗茨风机的故障诊断过程。
-
公开(公告)号：CN103971133B
公开(公告)日：2017-06-09
申请号：CN201410146944.X
申请日：2014-04-13
Applicant: 北京工业大学
IPC: G06K9/66
Abstract: 由于识别钢板表面缺陷的机理模型难以建立，不利于产品质量的检测与控制，本发明提出一种基于案例推理技术的钢板表面缺陷的识别方法，实现对裂纹、鳞皮、结疤、凸起等七种缺陷的自动识别；该方法通过建立案例库、权重分配、获取目标案例、数值归一化、案例检索、案例重用及案例存储等环节建立案例推理识别模型，并实现识别算法，从而提高识别的准确率；解决了当前分配案例推理特征变量权重的主观性和不确定性而导致识别准确率低的问题；实验结果表明该方法能够准确识别钢板表面的缺陷，具备良好的灵敏性和特异性，提高钢板表面缺陷的处理效率和降低废品率，对钢板生产期间表面缺陷的成因分析、改进生产操作方法、提高产品质量具有重要意义。
-
公开(公告)号：CN103246801B
公开(公告)日：2016-05-18
申请号：CN201310067826.5
申请日：2013-03-04
Applicant: 北京工业大学
IPC: G06F19/00
Abstract: 一种基于改进案例推理的竖炉炉况故障预报方法，在传统4R认知模型的基础上，增加了属性权重的分配模型，并运用GDM理论改进案例校正模型。包括：变量初始化；将当前变量进行归一化处理，使其数值处在0～1之间；对案例进行表示，建立案例库；计算基于注水法分配权重算法的相关系数；计算案例属性的权重；计算目标案例与源案例的相似度；根据相似度阈值确定匹配案例的个数。判断重用效果；对预报的结果进行GDM校正；存储相应案例，并输出操作指导。利用在线过程数据，实现了竖炉焙烧过程炉况的基于改进案例推理的故障预报。与人工判断炉况相比，减少了操作人员的工作量，降低了人为判断的不确定性，提高了故障预报的时效性。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.028 seconds)
