-
公开(公告)号：CN109060675A
公开(公告)日：2018-12-21
申请号：CN201811033543.8
申请日：2018-09-05
Applicant: 东北大学
Abstract: 本发明公开了一种用于铁矿石中铁含量检测方法及装置，其方法包括：采集多个铁矿石样本所对应的光谱数据；通过多个所述铁矿石样本的光谱数据及其对应的样本中的铁含量数据进行处理，建立基于极限学习机神经网络的铁含量检测模型；向所述铁含量检测模型输入待测铁矿石样品的光谱信息，获得所述光谱信息所对应的样品中铁的含量信息，并将所述样品的铁含量信息进行显示。本发明提供的检测方法不但不使用化学试剂，进而不产生环境污染物，同时，还能够实现对铁矿石的自动检测，并能够随时采集光谱信息，有较好的环境适应性，对环境的要求比较低；同时，本发明提供的检测装置具有检测方便，检测成本小，且检测过程对环境无污染等优点。
-
公开(公告)号：CN108983127A
公开(公告)日：2018-12-11
申请号：CN201810531465.8
申请日：2018-05-29
Applicant: 东北大学
Abstract: 本发明涉及一种基于光谱数据检测赤铁矿磁性率的方法，包括以下步骤：获取待检测的赤铁矿样品的光谱数据，其中，每个赤铁矿样品的光谱数据中包含m个光谱特征；将获取的光谱数据输入赤铁矿磁性率检测模型；赤铁矿磁性检测模型根据输入的光谱数据输出赤铁矿样品的磁性率。采用多组包括磁性率和与所述磁性率相对应的光谱数据的赤铁矿综合数据，利用主成分分析算法对所述光谱数据处理后，建立基于改进粒子群算法优化的极限学习机神经网络的赤铁矿磁性率检测模型。本发明提供的基于赤铁矿光谱数据检测赤铁矿磁性率的方法，效率高、成本低、且精度高。
-
公开(公告)号：CN108805346A
公开(公告)日：2018-11-13
申请号：CN201810565546.X
申请日：2018-06-04
Applicant: 东北大学
CPC classification number: G06Q10/04 , B21B38/08 , G06N3/006 , G06N3/0454 , G06Q50/04
Abstract: 本发明涉及一种基于多隐层极限学习机神经网络的热连轧轧制力预报的方法，包括以下步骤：获取影响热连轧轧制力数值的影响因素数据；将获取的影响因素数据输入多隐层极限学习机预测模型；所述多隐层极限学习机预测模型根据输入的影响因素数据输出热连轧轧制力的预测数值。采用多组现有的热连轧轧制力综合数据、遗传算法和粒子群优化算法，建立基于多隐层极限学习机神经网络的多隐层极限学习机预测模型。本发明提供的一种多隐层极限学习机热连轧轧制力的预报方法预测精度高，模型易维护，同时避免了依据设计者个人经验设定神经网络的隐含层数和隐含层结点数的弊端，精度较高。
-
公开(公告)号：CN103593493B
公开(公告)日：2017-02-08
申请号：CN201310259351.X
申请日：2013-06-26
Applicant: 东北大学
Inventor： 肖冬
IPC: G06F17/50
Abstract: 针对无缝钢管减径生产中衡量减径管管质量好坏的横向和纵向壁厚不均检验滞后和难以建立其机理模型的问题，考虑其时变、非线性、快速间歇、数据梯形分布等的生产特点，提出了基于集成梯度数据ELM-PLS方法的减径管质量预报模型。介绍了集成梯度数据ELM-PLS方法中过程数据时段分解、均值求取、回归模型建立和模型在线预报等关键内容，并将建立的预报模型用于减径管质量预报中。实验和仿真表明,基于集成梯度数据ELM-PLS预报方法模型有效地提高了减径钢管质量预报精度,为减径钢管生产质量控制提供了模型依据,并且其维护费用低、实时性好、可靠性及精度高。
-
公开(公告)号：CN104636589A
公开(公告)日：2015-05-20
申请号：CN201410638874.X
申请日：2014-11-13
Applicant: 东北大学
IPC: G06F19/00
Abstract: 现场采集的数据由于各种原因不可避免地存在着过失误差，需要对建模数据进行过失误差侦破以保障软测量模型的测量精度。因此，在基于聚类分析的软测量过失误差侦测中，针对不同变量对建模影响程度的不同，提出了基于GRW-MMMD（Grey Relational Weighted-Modified Median Minimum Distance）的过失误差侦破方法，对来自LF精炼炉冶炼过程的相关参数的数据集进行处理。实验和仿真表明，GRW-MMMD方法可以有效的找出数据集中的过失误差，且其实时性好、准确度高、经济可靠。
-
Patent Agency Ranking
公开(公告)号：CN104070083A
公开(公告)日：2014-10-01
申请号：CN201410293726.9
申请日：2014-06-27
Applicant: 东北大学
IPC: B21C51/00
Abstract: 针对加装狄塞尔导盘的斜轧穿孔机进行钢坯穿孔过程中无法直接测量穿孔机导盘转速的问题，考虑原有线性和非线性的软测量建模方法测得导盘转速未达理想，提出基于集成PCA-ELM方法测量穿孔机导盘转速模型。介绍了集成PCA-ELM方法中应用的PCA方法、ELM方法、集成技术等关键内容，并将建立的模型用于穿孔机导盘转速预测中。实验和仿真表明，基于集成PCA-ELM算法模型有效降低了穿孔机导盘转速测量的误差，提高了导盘转速预测的精度，为有效控制导盘转速，提高无缝钢管的生产效率提供了模型依据，并且其维护费用低、实时性好、可靠性及精度高。
-
公开(公告)号：CN104050380A
公开(公告)日：2014-09-17
申请号：CN201410292952.5
申请日：2014-06-26
Applicant: 东北大学
IPC: G06F19/00
Abstract: 针对LF炉终点钢水温度预报的问题，提出了基于AdaBoost的ELM-PLS方法的温度预报模型。介绍了Adaboost算法的方法与优势，集成梯度数据ELM-PLS方法中过程数据时段分解、均值求取、回归模型建立等关键内容，并将建立的预报模型用LF炉温度预报中。实验和仿真表明,基于Adaboost-ELM-PLS预报方法模型有效地提高LF炉钢水温度预报精度,为LF炉钢水温度控制提供了模型依据,并且其维护费用低、实时性好、可靠性及精度高。
-
公开(公告)号：CN102213961B
公开(公告)日：2013-06-12
申请号：CN201110112489.8
申请日：2011-05-03
Applicant: 东北大学
Inventor： 肖冬
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 一种毛管质量预报与控制方法，包括毛管质量预测模型建模方法和基于方差子时段MPLS质量预报模型的迭代优化控制方法，预报模型采用公式；本发明采用迭代优化控制方法不断修正控制变量轨迹，提高毛细管质量。批次的终点质量误差描写为：，该式为收敛的，从而使毛管细的误差逐渐减小，因此，发明能大幅度提高斜轧穿孔生产的无缝钢管的质量，降低维护费用，实时性好，精度高。
-
公开(公告)号：CN119575965A
公开(公告)日：2025-03-07
申请号：CN202411662518.1
申请日：2024-11-20
Applicant: 东北大学
Abstract: 本发明提供一种基于深度强化学习的路径规划奖励函数的设计方法，涉及路径规划技术领域。首先，计算智能体当前行驶速度与期望速度的欧氏距离，定义奖励公式，将奖励公式得到的计算结果作为奖励值赋予智能体；将障碍物分成动态障碍物和静态障碍物两类，计算两类碰撞障碍物时对智能体产生的速度障碍；计算智能体面对两种类型碰撞障碍物时最低逃脱速度障碍的成本值，并将成本值取负数作为奖励值来影响智能体的避碰行为；使用重要性因子对智能体面对动态障碍物时的最低逃脱速度障碍的成本值进行加权，得到加权后的成本；根据最安全的速度调整方向与智能体当前行驶速度的叉积、碰撞惩罚以及到达目标点奖励引导智能体学习避碰策略。
-
公开(公告)号：CN115908917A
公开(公告)日：2023-04-04
申请号：CN202211444739.2
申请日：2022-11-18
Applicant: 东北大学
IPC: G06V10/764 , G06F17/16 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于煤炭光谱数据的煤炭种类识别方法，涉及煤炭种类识别技术领域。该方法首先获取包括不同煤炭类型的煤炭样本光谱数据集，并对煤岩样本的光谱数据特征进行降维处理后划分为训练样本集和测试样本集；再建立基于粒子群算法优化的双隐含层极限学习机的煤炭种类识别模型，并使用训练样本对煤炭种类识别模型进行训练；最后获取待检测的煤炭样本的光谱数据，将获取的光谱数据输入训练好的煤炭种类识别模型，输出煤炭样本的种类。该方法采用具有最优权重矩阵和最优偏置向量的粒子群算法优化的双隐含层极限学习机对煤炭样本的光谱数据进行建模，得到的煤炭样本分类精度较高且该方法效率高、成本低。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.028 seconds)
