-
公开(公告)号：CN119623103A
公开(公告)日：2025-03-14
申请号：CN202411827046.0
申请日：2024-12-12
Applicant: 东北大学
IPC: G06F30/20 , G06F17/11 , G06N3/0464 , G06N3/048 , G06Q10/04 , G06Q10/063 , G06Q50/04 , G06F111/10 , G06F119/08 , G06F119/14 , G06F113/08
Abstract: 本发明提供一种基于数字孪生的高炉碳排放异常预测方法，涉及高炉碳排放技术领域，本发明提出了一种基于深度学习和机制融合的高炉顶异常碳排放检测方法。首先，收集高炉生产过程中碳迹的关键特征，并通过传感器收集高炉顶端的气体成分和外围生产数据。一些传感器无法实时获取的特征数据通过纳维‑斯托克斯NS方程进行迭代求解。然后，进行互相关分析以发现生产中碳迹的滞后关系，并建立碳排放滞后关系模型。异常运行状况由残差神经网络检测到。最后，使用实际生产数据对模型的性能进行了测试和评估。结果表明，所提出的方法能够准确检测到高炉顶端的异常碳排放，并能及时发出预警，有效减少了异常碳排放造成的环境污染和能源浪费。
-
公开(公告)号：CN118351963A
公开(公告)日：2024-07-16
申请号：CN202410511295.2
申请日：2024-04-26
Applicant: 东北大学
IPC: G16C20/10 , G16C20/30 , G06F30/17 , G06F30/25 , G06F30/28 , G06F30/23 , G06T17/20 , G06F113/08 , G06F119/14 , G06F111/10 , G06F119/08
Abstract: 本发明提供一种基于流体力学的高炉风口回旋区速度场计算方法，涉及高炉炼铁生产技术领域。该方法首先确定高炉形状模型，并进行网格划分；再建立高炉风口回旋区速度场模型，并设定初始条件及边界条件；建立高炉风口回旋区速度场计算模型，将高炉风口回旋区内整个焦炭颗粒组成的层视为流体；采用改进的纳维‑斯托克斯方程对流体流动和扩散进行分析，基于流体的动量守恒和质量守恒定律对高炉风口回旋区速度场模型内部的流体流动情况进行计算；最后迭代计算求解高炉风口回旋区速度场计算模型，获得风口回旋区的速度场分布情况结果。该方法能够得到合理的风口回旋区速度场分布结果；考虑焦炭堆积对内环境压力的影响，使结果更贴近实际情况。
-
公开(公告)号：CN114021839A
公开(公告)日：2022-02-08
申请号：CN202111353848.9
申请日：2021-11-16
Applicant: 东北大学
Abstract: 本发明公开了一种基于WOA‑IGA的智能服务组合方法，涉及云制造模式下的调度领域。本发明在优化搜索过程中，加入了遗传算法的思想，在一次迭代中使用鲸鱼优化算法与遗传算法相结合的方式，加快了相对于单一算法下优化搜索的速度，提高了寻找最优服务组合方案的速度；本发明巧妙利用了鲸鱼优化算法关于通过控制搜索向量A实现了广度搜索和深度搜索的平滑转换，也就是全局搜索和局部搜索的转换，有效减小了遗传算法陷入局部最优的可能性；本发明在遗传算法部分对于个体的选择中，抛弃了原遗传算法中随机选择个性，而是引入了一种确定性选择和随机性选择相结合的思想，保证了在迭代过程中优秀个体能够被选择，一定程度上增加了算法的收敛速度。
-
公开(公告)号：CN113283078A
公开(公告)日：2021-08-20
申请号：CN202110566780.6
申请日：2021-05-24
Applicant: 东北大学
IPC: G06F30/20 , C21B7/24 , C21B5/00 , G06F119/08
Abstract: 本发明提供一种高炉风口回旋区深度的计算及实时监测方法，涉及高炉炼铁工艺技术领域。该方法首先分析高炉风口回旋区内运动状态，建立回旋区深度机理模型；并由回旋区深度机理模型得到回旋区深度计算公式；然后获得建模参数，分析建模参数对回旋区深度的影响；再将回旋区深度机理模型传入到计算机，并将建模参数及高炉生产现场采集的数据传入到数据库中进行保存，实时计算回旋区深度，实现对回旋区深度的实时监测；当回旋区深度低于或超出正常深度范围时，及时调节高炉风口回旋区的鼓风参数，使回旋区深度恢复至正常深度范围内。该方法能够高效实时的求解回旋区的深度变化情况，获得回旋区深度的变化规律，研究回旋区内部参数对回旋区深度的影响。
-
公开(公告)号：CN114139639B
公开(公告)日：2024-05-14
申请号：CN202111475272.3
申请日：2021-12-06
Applicant: 东北大学
IPC: G06F18/2411 , G06F18/213 , G06F18/211 , G06F18/2413
Abstract: 本发明公开了一种基于自步邻域保持嵌入的故障分类方法，属于故障监测与诊断技术领域。该方法主要解决数据的非线性和带标签样本过少的故障二分类的问题，该方法能够学习任意维的局部线性的低维流形结构，在降维过程中保持流形的局部线性结构不变，从而来提取数据中的有用信息，并且能够进行新样本的泛化。同时，该方法在邻域保持嵌入算法的基础上引入自步学习的思想，通过预设损失函数阈值对邻域保持嵌入算法降维后的样本点做进一步筛选，进一步保持降维后样本点的近邻关系，克服邻域保持嵌入算法对最近邻样本数的选择敏感，不同的最近邻数对最后的降维结果有很大影响的缺点，从而得到更优质的降维效果，提高对故障分类的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113283078B
公开(公告)日：2024-04-26
申请号：CN202110566780.6
申请日：2021-05-24
Applicant: 东北大学
IPC: G06F30/20 , C21B7/24 , C21B5/00 , G06F119/08
Abstract: 本发明提供一种高炉风口回旋区深度的计算及实时监测方法，涉及高炉炼铁工艺技术领域。该方法首先分析高炉风口回旋区内运动状态，建立回旋区深度机理模型；并由回旋区深度机理模型得到回旋区深度计算公式；然后获得建模参数，分析建模参数对回旋区深度的影响；再将回旋区深度机理模型传入到计算机，并将建模参数及高炉生产现场采集的数据传入到数据库中进行保存，实时计算回旋区深度，实现对回旋区深度的实时监测；当回旋区深度低于或超出正常深度范围时，及时调节高炉风口回旋区的鼓风参数，使回旋区深度恢复至正常深度范围内。该方法能够高效实时的求解回旋区的深度变化情况，获得回旋区深度的变化规律，研究回旋区内部参数对回旋区深度的影响。
-
公开(公告)号：CN113033690B
公开(公告)日：2024-04-02
申请号：CN202110372937.1
申请日：2021-04-07
Applicant: 东北大学
Abstract: 本发明提供一种基于声音的双投影邻域保持嵌入的托辊故障检测方法，涉及故障检测技术领域。该方法通过采集托辊运行过程中的声音数据，对数据中的正常数据进行小波变换能量特征提取，得到小波变换能量特征数据，然后对小波能量特征数据进行双投影邻域保持嵌入特征提取，得到声音数据特征的最优投影矩阵，建立检测模型，构建正常声音数据的特征空间和残差空间的T2统计量，采用核密度估计的方法，根据T2统计量确定检测控制限，进而判断新采集的数据是否发生故障。本发明方法建立了正常托辊运行声音的数据集，同时在不降维和降维的情况下提取数据的主要特征，达到提高故障检测准确性的目的。
-
公开(公告)号：CN117786972A
公开(公告)日：2024-03-29
申请号：CN202311805886.2
申请日：2023-12-26
Applicant: 东北大学
IPC: G06F30/20 , G06F119/08
Abstract: 本发明提供一种基于机理和数据的高炉智能建模方法，涉及高炉冶炼技术领域，本发明通过建立炉壁内表面温度场分布模型，从而得到了炉壁内表面温度场分布。然后建立高炉炉身二维温度场分布模型，并对其进行求解；根据需要进行实验的高炉的物理参数与理化参数，确定高炉炉壁内部热电偶情况，得到对应高炉的炉壁内表面温度分布和炉身二维温度分布。
-
公开(公告)号：CN113177364A
公开(公告)日：2021-07-27
申请号：CN202110557533.X
申请日：2021-05-21
Applicant: 东北大学
IPC: G06F30/27 , G06K9/46 , G06K9/62 , G06F111/10 , G06F119/08
Abstract: 本发明提供一种高炉风口回旋区温度软测量建模方法，涉及高炉炼铁生产技术领域。该方法首先采集高炉风口回旋区火焰燃烧的图片数据、反映高炉运行状态的物理变量数据以及高炉风口回旋区燃烧温度数据；并提取高炉风口回旋区火焰燃烧图片数据的特征；然后建立基于皮尔逊相关系数和最小二乘支持向量回归的多核最小二乘支持向量回归模型作为高炉风口回旋区温度软测量模型；并使用正余弦优化算法进行高炉风口回旋区温度软测量模型参数的寻优；最后将寻找到的最优图片数据核函数参数、物理变量核函数参数以及多核最小二乘支持向量回归模型中的正则化参数作为最终的高炉风口回旋区温度软测量模型的参数，实现对风口回旋区燃烧温度的预测计算。
-
公开(公告)号：CN113033690A
公开(公告)日：2021-06-25
申请号：CN202110372937.1
申请日：2021-04-07
Applicant: 东北大学
Abstract: 本发明提供一种基于声音的双投影邻域保持嵌入的托辊故障检测方法，涉及故障检测技术领域。该方法通过采集托辊运行过程中的声音数据，对数据中的正常数据进行小波变换能量特征提取，得到小波变换能量特征数据，然后对小波能量特征数据进行双投影邻域保持嵌入特征提取，得到声音数据特征的最优投影矩阵，建立检测模型，构建正常声音数据的特征空间和残差空间的T2统计量，采用核密度估计的方法，根据T2统计量确定检测控制限，进而判断新采集的数据是否发生故障。本发明方法建立了正常托辊运行声音的数据集，同时在不降维和降维的情况下提取数据的主要特征，达到提高故障检测准确性的目的。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.025 seconds)
