-
公开(公告)号：CN119227782B
公开(公告)日：2025-02-11
申请号：CN202411709581.6
申请日：2024-11-27
Applicant: 东北大学
IPC: G06N3/0985 , G06N3/0464 , G06N3/084 , G06N3/086 , G06N3/006 , G06Q50/04
Abstract: 本发明提供一种基于多目标进化深度学习的连退带钢性能多指标预测方法，涉及钢铁企业冷轧生产控制过程的数据处理技术领域。将多目标进化算法应用到深度学习模型的超参数选择中，进一步提升在线检测方法的精度；同时，利用随机选择方式获得训练集，利用其在超参数空间中的搜索策略能快速获得深度学习模型的最优超参数组合，最终提高在线检测模型的泛化能力。本发明所提出的方法克服了传统基于人工经验的深度神经网络模型的不足以及实现多个性能指标的同时预测，实现深度学习模型的自主优化构建，以及带钢性能的多指标预测，能够帮助冷轧生产提高产品质量控制的水平。
-
公开(公告)号：CN118194930A
公开(公告)日：2024-06-14
申请号：CN202410420276.9
申请日：2024-04-09
Applicant: 东北大学
IPC: G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/082 , G06N5/022
Abstract: 本发明提供一种基于多目标优化与进化学习融合的群卷积链路预测方法，涉及知识图谱链路预测技术领域，本发明首先基于公开的链路预测数据集，利用特征嵌入，将实体和关系转换为低维空间特征向量。引入群论理论至神经网络，设计了基于P4复合群的群卷积操作。由于群卷积的参数共享和实体的平移旋转操作具有等变特性，所提方法能够更好地捕捉到实体的对称性，从而使得模型在链路预测任务中更准确地学习和预测对称性关系。同时采用了进化学习理论基于TPE过程的多目标贝叶斯算法优化网络超参数，控制网络复杂度并进一步增强网络性能。
-
公开(公告)号：CN117392450A
公开(公告)日：2024-01-12
申请号：CN202311382524.7
申请日：2023-10-24
Applicant: 东北大学
IPC: G06V10/764 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/52 , G06V10/42 , G06V10/54 , G06N3/0455 , G06N3/086 , G06T7/00
Abstract: 本发明提供一种基于进化多尺度特征学习的钢铁材料质量解析方法，涉及钢铁材料缺陷图像识别技术领域。该方法首先建立钢铁材料质量表面缺陷样本库，然后构建基于进化多尺度特征学习的钢铁材料质量解析模型，并设置质量解析模型的初始超参数及结构参数；再采用Knee点策略选择多尺度特征学习的钢铁材料质量解析模型最佳性能时的相关参数值；最后利用测试数据集对优化过程生成的最优的多尺度特征学习的质量解析模型进行测试。该方法能够明显提高带钢表面缺陷识别结果的精度和鲁棒性，且模型参数量少及计算资源小，可以有效地应用于实际生产过程中，为操作人员及时掌握带钢质量情况提供依据，帮助钢铁企业提高产品质量，降低生产成本。
-
公开(公告)号：CN116993172A
公开(公告)日：2023-11-03
申请号：CN202310738383.1
申请日：2023-06-21
Applicant: 东北大学
IPC: G06Q10/0637 , G06Q50/04
Abstract: 本发明提供一种基于分形进化学习的钢水质量多任务预测方法，涉及转炉炼钢终点质量多任务预测技术领域。该方法首先建立转炉炼钢历史数据集合，并在历史数据集合中选取不同钢种的参考炉次数据集合；以不同钢种的参考炉次数据集合作作为转炉炼钢质量终点预测模型的输入，采用信息熵和分形理论进行多输出支持向量机的核函数选择，进而建立转炉炼钢质量终点预测模型，对转炉炼钢的终点碳含量、氧含量、钢水温度进行预测；并通过多目标优化算法对转炉炼钢终点质量预测模型的参数进行优化；然后根据实际生产情况，对转炉炼钢终点质量预测模型进行不断更新升级，以保持模型预测精度；同时，定期对转炉炼钢历史数据集合进行更新。
-
公开(公告)号：CN116452058A
公开(公告)日：2023-07-18
申请号：CN202310432070.3
申请日：2023-04-20
Applicant: 东北大学
IPC: G06Q10/0639 , G06F30/27 , G06F17/11 , G06F119/08
Abstract: 本发明提供一种基于数据与机理融合的转炉炼钢过程钢水质量解析方法，涉及冶金生产质量解析技术领域。该方法建立数据与机理融合的炼钢过程钢水质量系统模型并设计基于神经网络的自适应滤波算法；然后结合滤波器的估计状态向量与钢水质量系统模型中的状态向量，计算得到估计误差系统，并根据钢水质量系统与估计误差系统的特点，设定滤波器的性能指标；并采用类李雅普诺夫函数法对估计误差系统进行理论分析，计算得出滤波器增益与神经网络权重更新机制中的待求参数；最后将提出的自适应滤波算法应用于钢水质量的在线解析，得到实时的钢水质量估计值。该方法具有易求解与可在线实现的优点。
-
Patent Agency Ranking
公开(公告)号：CN115935603A
公开(公告)日：2023-04-07
申请号：CN202211360977.5
申请日：2022-11-02
Applicant: 东北大学
IPC: G06F30/20 , G06Q10/04 , G06Q50/04 , G06F111/04 , G06F111/06
Abstract: 本发明提供一种基于多目标的中厚板坯料设计方法，涉及自动化技术领域。本发明通过提取中厚板坯料设计工艺特征，将生产目标和工艺约束转化为数学表达，建立中厚板坯料设计工艺的多目标系统优化模型；按照厚度和钢质代码对订单进行分组；设计启发式算法生成初始中厚板坯料设计方案；按照目标优先级构建不同的启发式算法覆盖不同的初始可行坯料设计方案的产生过程；设计坯料子板交叉策略以及坯料子板变异策略，通过交叉和变异过程改进初始可行设计方案；设计方案的选择策略选择计算过程中的帕累托最优方案形成方案池；按照方案削减策略减少方案池中的方案数量，并调整同一个设计方案中不同中厚板上的子板分布，最后给出限定方案数量之内的设计方案。
-
公开(公告)号：CN110989522B
公开(公告)日：2022-09-09
申请号：CN201911240174.4
申请日：2019-12-06
Applicant: 东北大学
IPC: G05B19/418
Abstract: 本发明涉及钢铁企业连续退火机组的自动控制技术领域，提供一种面向多钢卷的连退生产过程工艺参数优化设定方法，包括：建立面向多钢卷的连退生产过程工艺参数优化设定问题模型；基于自适应多目标多因子差分进化算法求解模型：首先初始化相关参数，将带钢的控制变量设定方案均作为个体并初始化种群；然后按照各变异算子的选择概率和交配策略生成子代种群，并更新子代种群中每个个体的技术因子；接着评价联合种群中的每个个体，留存适应度高的个体；最终将求解得到的多组控制变量设定方案提供给连退生产现场来指导生产。本发明能够利用不同优化任务间的信息交流对多个钢卷的生产过程工艺参数进行并行优化，提升了工艺参数优化设定的效率和效果。
-
公开(公告)号：CN114371915A
公开(公告)日：2022-04-19
申请号：CN202210029767.1
申请日：2022-01-12
Applicant: 东北大学
Abstract: 本发明公开了一种基于分解策略的制造企业数据空间系统任务调度方法，涉及制造企业数据空间技术领域；从多目标视角出发，能够在最小化任务处理时间的同时实现系统计算资源的优化分配，以最小化任务完工时间和均衡系统负荷为目标，在保障用户满意度的基础上维护了系统的稳定性；通过将多目标调度任务通过分解策略分解为若干个多目标子问题，通过子种群个体间信息进行交流，采用合作方式同时进行求解，从而提高了算法的求解效率；采用双层染色体编码方式，保证生成的解均为可行解，有效避免了单目标算法中需要依赖人工经验为不同目标设置权重的短板，提升数据空间系统的性能并保障系统的稳定运行。
-
公开(公告)号：CN112541625A
公开(公告)日：2021-03-23
申请号：CN202011417573.6
申请日：2020-12-07
Applicant: 东北大学
Abstract: 本发明提供一种自适应多工况钢铁二次能源发生量动态预测方法，涉及钢铁能源预测技术领域。本发明通过获取多工况下焦炉煤气发生量历史数据，设定焦炉煤气发生量数据预处理时间间隔，读取系统时钟数据，对采集的焦炉煤气发生量数据进行预处理操作，并划分多工况数据集，设置粒子群优化方法参数以及最小二乘支持向量机参数，并对参数进行初始化，利用智能方法拟合时序数据中焦炉煤气发生量预测模型参数，识别工况完成焦炉煤气发生量预测，实现焦炉煤气动态多工况预测应用的稳定、可靠、准确，并可自适应学习预测模型参数，给能源管理人员制定煤气调度计划提供科学数据支持，以降低能源放散，提髙精细化利用，稳定生产供应，降低能源成本。
-
公开(公告)号：CN106779226B
公开(公告)日：2020-09-29
申请号：CN201611206434.2
申请日：2016-12-23
Applicant: 东北大学
Abstract: 本发明提供一种基于混核机器学习的风机批功率预测方法，包括：建立风场风机离线历史数据库；将风场风机离线历史数据库中的风场每台风机的历史数据都划分为12个历史数据集合；对风场中的风机进行批划分处理；将每个批内与该批内风功率平均值最接近的风机作为批样机；建立不同月份的各批样机风功率预测模型；根据风场未来的气象信息对各批样机的风功率预测，将各批样机风功率预测值与所在批内风机个数相乘并求和，得到风场总风功率预测值。本发明通过对气象数据和风功率数据进行收集，对风场不同批样机风功率进行预测，将高斯核函数和多项式核函数相结合作为核函数，具有更好的适应性，达到预测整个风场风功率的目的，为风场的电力调度提供保障。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.028 seconds)
