-
公开(公告)号：CN110444257B
公开(公告)日：2022-02-18
申请号：CN201910717686.9
申请日：2019-08-05
Applicant: 燕山大学
Abstract: 本发明公开了一种基于无监督和有监督学习的水泥游离钙软测量方法，通过分析水泥工艺选取变量作为熟料fCaO软测量的输入变量，每个变量的时间序列作为模型输入；利用选取的输入变量，构建无监督和有监督学习相结合的预测模型；将稀疏自编码的解码层去除，编码层堆叠形成深层网络结构，利用确定的初始参数去初始化深层网络参数，采用BP反向误差修正算法进行有监督学习；利用训练好的无监督和有监督学习相结合的预测模型进行水泥熟料fCaO实时预测。本发明模型前向采用逐层贪婪无监督学习方式，提取数据的高层特征；结合有监督的反向微调进一步优化参数，利用训练好的深层网络实现熟料fCaO实时预测。
-
公开(公告)号：CN109147878B
公开(公告)日：2021-10-15
申请号：CN201811165989.6
申请日：2018-10-08
Applicant: 燕山大学
Abstract: 本发明公开了一种水泥熟料游离钙软测量方法，包括：根据水泥工艺选取10个变量作为熟料fCaO软测量的辅助变量，每个变量的时间序列作为模型输入，并对所选的每个变量时间序列进行归一化处理；依据水泥烧成过程中时间序列的特征，建立基于多变量时间序列卷积神经网络的熟料fCaO软测量模型；确定MT‑CNN模型的初始参数，并对网络进行前向训练；利用误差反向微调进行有监督训练，通过对误差的修正，优化MT‑CNN中的权值w和偏置b，利用训练好的MT‑CNN模型对水泥熟料fCaO实时预测。本发明避免计算各变量与熟料fCaO之间时延，降低了时序匹配所需的运算量；本发明提高模型的收敛速度、精度和泛化能力；本发明能很好预测水泥熟料fCaO含量，能够提高水泥熟料质量和降低生产能耗。
-
公开(公告)号：CN110378044B
公开(公告)日：2021-06-11
申请号：CN201910667918.4
申请日：2019-07-23
Applicant: 燕山大学
Abstract: 本发明涉及基于注意力机制的多时间尺度卷积神经网络软测量方法，软测量技术领域。包括以下步骤：1、确定辅助变量并且进行数据处理，选取与难测参量相关的易测变量作为软测量模型的辅助变量并采集辅助变量与难测参量的时间序列；然后对采集到的时间序列进行异常值剔除；2、注意力机制及关注区域的选择，根据各辅助变量相对于难测参量的时延和有效时间尺度划分出关注区域；3、构建软测量模型的输入，将各辅助变量的时间序列构成矩阵，并结合注意力机制的关注区域确定软测量模型的输入；4、建立时序卷积神经网络软测量模型；5、训练时序卷积神经网络软测量模型；6、利用步骤5训练好的时序卷积神经网络模型对难测参量进行实时估计。
-
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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN110444257A
公开(公告)日：2019-11-12
申请号：CN201910717686.9
申请日：2019-08-05
Applicant: 燕山大学
Abstract: 本发明公开了一种基于无监督和有监督学习的水泥游离钙软测量方法，通过分析水泥工艺选取变量作为熟料fCaO软测量的输入变量，每个变量的时间序列作为模型输入；利用选取的输入变量，构建无监督和有监督学习相结合的预测模型；将稀疏自编码的解码层去除，编码层堆叠形成深层网络结构，利用确定的初始参数去初始化深层网络参数，采用BP反向误差修正算法进行有监督学习；利用训练好的无监督和有监督学习相结合的预测模型进行水泥熟料fCaO实时预测。本发明模型前向采用逐层贪婪无监督学习方式，提取数据的高层特征；结合有监督的反向微调进一步优化参数，利用训练好的深层网络实现熟料fCaO实时预测。
-
公开(公告)号：CN110263997A
公开(公告)日：2019-09-20
申请号：CN201910529701.7
申请日：2019-06-19
Applicant: 燕山大学
Abstract: 本发明公开了基于深度神经网络的水泥生产线烟气NOx浓度预测方法，属于水泥生产烟气NOx浓度检测领域。首先根据NOx产生机理结合水泥生产线工艺流程，筛选出预测NOx所需的相关变量，从水泥数据库下载变量的数据并进行预处理；然后以滑动窗口的方式将变量数据形成输入数据，以使输入数据隐含各变量的时延特征；再把DNN网络的输入层和隐含层作为DBN进行无监督训练以提取时延特征，用BP算法反向有监督训练DNN网络以提取对应关系特征；最后，历史数据结合模型预测值滚动预测出未来一段时间的NOx。本发明方法，较好地解决了因烟气NOx检测点设置于烟囱，导致NOx浓度延迟检测，从而难以建立NOx预测模型的问题。
-
-
公开(公告)号：CN104765959A
公开(公告)日：2015-07-08
申请号：CN201510144318.1
申请日：2015-03-30
Applicant: 燕山大学
Abstract: 一种基于计算机视觉的婴儿全身运动评估方法，包括如下步骤：计算机读取获取的视频；将图像进行模糊化、通道分离等预处理；计算相邻帧的光流，提取婴儿身体区域；得到婴儿身体区域的运动光流，并将所有帧图像中的婴儿运动显示在同一图像上；接着建立u-v直角分布图，统计每一部分像素个数，再统计所有帧同一区域，得到所有帧的不同方向、大小的速度统计直方图，通过此直方图中的速度分布进行婴儿全身运动评估。本发明方法适用于摄像机固定的场景下的婴儿全身运动的复杂性、多变性、对称性评估检测，具有通用性高、精确性高，反应速度快等优点。
-
公开(公告)号：CN114994294B
公开(公告)日：2023-04-18
申请号：CN202210553703.1
申请日：2022-05-20
Applicant: 燕山大学
IPC: G01N33/38 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于注意力与窗口选通机制的水泥熟料游离钙软测量方法，属于软测量技术领域，包括利用注意力解耦网络模型考虑过程变量之间的耦合关系，处理变量之间的相互影响，实现过程数据的解耦；利用窗口选通机制模块自适应学习选通对目标变量最有影响的时间段，学习到的时间窗口在不同的时刻分配相对应的权重，从而更有效的关注过程变量的作用时长；通过单维卷积网络分别独立的提取单变量的特征，综合各个变量的特征信息，构建满足实际要求的软测量模型，实现水泥熟料f‑CaO的测量。本发明通过考虑水泥生产工业流程中的自然特性，提升了软测量模型的测量性能，对于质量监控以及实时控制具有指导意义，利于实现降低能耗，提升生产效率。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.021 seconds)
