-
公开(公告)号：CN117216502A
公开(公告)日：2023-12-12
申请号：CN202311300006.6
申请日：2023-10-09
Applicant: 东北大学
IPC: G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/08 , G06N3/0442 , G06Q50/06
Abstract: 本发明一种基于改进LSTM‑BLS的污水处理过程故障预测方法，包括以下步骤：将污水处理过程变量历史序列和污水处理过程出水水质变量历史序列数据输入到改进LSTM‑BLS模型中，得到污水处理过程过程变量未来序列和污水处理过程出水水质变量未来序列；基于污水处理过程正常运行数据和污水处理过程故障运行数据按照比例划分成不平衡故障诊断训练集和不平衡故障诊断验证集；建立历史数据故障诊断模型；基于不平衡故障诊断训练集对历史数据故障诊断模型进行训练，得到训练好的历史数据故障诊断模型；污水处理过程过程变量未来序列和污水处理过程出水水质变量未来序列输入到训练好的历史数据故障诊断模型中，实现对未来一段时间内污水处理过程中污水的状态的预测。
-
公开(公告)号：CN111462119B
公开(公告)日：2023-06-13
申请号：CN202010461045.4
申请日：2020-05-27
Applicant: 东北大学
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06T7/136 , G06T7/187 , G06T7/60 , G06T7/62 , G06T7/80 , G06T5/00 , G06T5/20 , G06T5/30
Abstract: 本发明提供一种基于机器视觉的宽厚板剪切排样方法。利用机器视觉技术得到宽厚板的精确轮廓数据，并利用该数据对成型后的宽厚板分类并进行剪切线的划分，特别在宽厚板发生短尺时，采用混合遗传排样方法，将短尺的订单和宽厚板数据加入待排样订单集中，并根据实际剪切情况建立排样模型，并将启发式的排样策略融入遗传算法中进行搜索，从而得到所建立排样模型的最优解；本发明可有效提高宽厚板剪切流程的成材率，降低宽厚板切损率，而且具有简单高效、计算速度快等优点。
-
公开(公告)号：CN110232256B
公开(公告)日：2022-11-15
申请号：CN201910573311.X
申请日：2019-06-28
Applicant: 东北大学
IPC: G06F30/20 , G06K9/62 , C02F9/00 , C02F101/30 , C02F101/16 , G06F111/04 , G06F111/10
Abstract: 本发明涉及污水处理质量监测技术领域，提供一种基于KPLS和RWFCM的污水处理过程监测方法。本发明首先采集正常工况和包含异常工况的污水处理过程数据样本，将污水处理运行变量、出水质量变量的数据分别作为输入、输出数据矩阵，并标准化两矩阵；然后构建KPLS模型，并求解得分矩阵；接着基于RWFCM算法对得分矩阵聚类，得到隶属度矩阵，根据隶属度矩阵对污水处理过程进行异常工况监测；最后，建立隶属度矩阵与样本变量的线性回归模型，求解变量贡献矩阵，并根据变量贡献矩阵对污水处理过程进行异常工况识别。本发明能够对高维数据进行降维并处理非线性数据且对离群点不敏感，能够提高污水处理过程监测和识别的及时性和准确性。
-
公开(公告)号：CN109935280B
公开(公告)日：2022-11-15
申请号：CN201910163699.6
申请日：2019-03-05
Applicant: 东北大学
Abstract: 本发明提出一种基于集成学习的高炉铁水质量预测系统及方法，包括：高炉、热风炉、第一流量计、第二流量计、第三流量计、温度计、压力计、湿度计、炉腹煤气量测分析仪、富氧率测量分析仪、数据采集装置和计算机；将获取的实时待测试高炉数据，经过预处理，获取输入输出参数，使用已经建立好的均方根误差概率加权集成随机权神经网络的多元铁水质量在线预报模型，得到在线预测结果。本发明可以避免离线化验的滞后性和人工操作带来的不确定性，实现实时在线准确软测量，为现场的操作人员及时准确判断高炉内部运行状态提供了关键指标，同时可以根据工况的变化，利用最新的过程数据更新软测量模型参数，避免了时不变模型的局限性，实用价值很高。
-
公开(公告)号：CN109840639B
公开(公告)日：2022-11-15
申请号：CN201910163959.X
申请日：2019-03-05
Applicant: 东北大学
Abstract: 本发明提出一种高速铁路列车运行晚点时间预测方法，包括：得到历史数据集；使用Bootstrapping策略选取训练数据集和测试数据集，得到r个弱学习器集成随机权神经网络模型，使用Weighted Voting结合策略，得到强学习器Bagging‑RVFLNs预测模型；使用强学习器Bagging‑RVFLNs预测模型，针对给定的晚点时间及晚点车站，对所需预测的高速铁路列车晚点进行预测，得到晚点预测时间；使用强学习器Bagging‑RVFLNs预测模型，对下一车站或者区间进行晚点时间预测，得到新的晚点预测时间；若需要进一步提高晚点时间预测方法运算速度，使用在线序贯集成随机权神经网络模型代替强学习器Bagging‑RVFLNs预测模型；本发明使用了集成学习随即权神经网络实现对高速列车晚点时间的实时预测，预测精度较高，为高速铁路调度员的调度工作提供辅助。
-
Patent Agency Ranking
公开(公告)号：CN110066895B
公开(公告)日：2021-01-12
申请号：CN201910283970.X
申请日：2019-04-10
Applicant: 东北大学
IPC: C21B5/00
Abstract: 本发明提出一种基于Stacking的高炉铁水质量区间预测方法，包括：获取高炉原始历史数据，并进行预处理；根据输入输出参数从预处理后的高炉原始历史数据提取样本数据集；建立基于N折模型的Stacking算法铁水质量模型并计算建模误差预测区间；根据N折模型的Stacking算法铁水质量模型对实时采集的高炉数据进行预测，得到预测值和预测区间；本发明可以避免离线化验的滞后性和人工操作带来的不确定性，实现多元铁水质量值和预测区间的同时预报。为现场的操作人员及时准确判断高炉内部运行状态提供了关键指标，同时可以根据工况的变化，利用最新的过程数据更新软测量模型参数，避免了时不变模型的局限性，实用价值很高。
-
公开(公告)号：CN108153146B
公开(公告)日：2020-10-27
申请号：CN201711316435.7
申请日：2017-12-12
Applicant: 东北大学
IPC: G05B13/02
Abstract: 本发明提供一种高炉多元铁水质量无模型自适应控制系统及方法。设定高炉多元铁水质量指标期望值；获取无模型自适应控制器参数校正所需若干历史时刻的高炉本体生产工况参数变量及相应时刻多元铁水质量指标测量值，对灵敏的无模型自适应控制器参数及伪偏导数初值进行离线校正；利用无模型自适应控制器在线控制铁水质量指标跟踪设定的高炉多元铁水质量指标期望值。结合无模型自适应控制技术建立高炉多元铁水质量在线递推控制器；并建立高炉多元铁水质量与两个控制量之间的递推子空间预测模型作为参数校正辅助模型，采用多参数灵敏度分析、遗传算法离线校正控制器参数和伪偏导数初值，使其适应高炉当前动态特性，实现对多元铁水质量的有效控制。
-
公开(公告)号：CN107526927B
公开(公告)日：2020-09-01
申请号：CN201710679268.6
申请日：2017-08-10
Applicant: 东北大学
Abstract: 本发明提供一种高炉铁水质量在线鲁棒软测量方法，包括：在高炉冶炼过程可控变量中选取对高炉铁水质量参数相关性最高的六个可控变量，作为输入变量；同时选取输出变量；确定随机权神经网络模型的阶次；初始化随机权神经网络相关参数与变量；鲁棒初始阶段；利用随机权神经网络模型和获取的高炉炼铁过程数据，在线估计当前时刻的铁水质量参数；鲁棒在线序贯学习阶段。本发明中引入利用基于柯西分布加权M估计在线序贯随机权神经网络，根据残差的大小决定样本数据对建立模型的贡献，解决了建模过程中大量离群点对建模的不良影响，同时能不断根据新测量的包含有离群点的高炉炼铁过程数据不断修正模型参数，自适应当前工况，消除离群点影响而准确预测。
-
公开(公告)号：CN111462119A
公开(公告)日：2020-07-28
申请号：CN202010461045.4
申请日：2020-05-27
Applicant: 东北大学
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06T7/136 , G06T7/187 , G06T7/60 , G06T7/62 , G06T7/80 , G06T5/00 , G06T5/20 , G06T5/30
Abstract: 本发明提供一种基于机器视觉的宽厚板剪切排样方法。利用机器视觉技术得到宽厚板的精确轮廓数据，并利用该数据对成型后的宽厚板分类并进行剪切线的划分，特别在宽厚板发生短尺时，采用混合遗传排样方法，将短尺的订单和宽厚板数据加入待排样订单集中，并根据实际剪切情况建立排样模型，并将启发式的排样策略融入遗传算法中进行搜索，从而得到所建立排样模型的最优解；本发明可有效提高宽厚板剪切流程的成材率，降低宽厚板切损率，而且具有简单高效、计算速度快等优点。
-
公开(公告)号：CN110320335A
公开(公告)日：2019-10-11
申请号：CN201910652898.3
申请日：2019-07-19
Applicant: 东北大学
Abstract: 本发明提供一种关于污水处理出水水质指标的多元鲁棒软测量方法，涉及污水处理自动化控制技术领域。该方法基于工业现场常规的检测设备实时测量得到的参数作为模型的输入数据；建立一个可同时对衡量污水处理出水质量的主要参数进行多元动态预测的随机权神经网络模型，同时实现了BOD含量、COD含量和TSS含量污水质量参数的鲁棒软测量，综合描述污水水质参数，避免离线化验的滞后性和人工操作带来的不确定性。本发明同时利用稀疏偏最小二乘和Schweppe型广义M估计，消除多重共线性对建模的影响，降低了数据中离群点和杠杆点对建模的不良影响，同时还达到了变量选择的目的，更加准确的给出指定动态时间区间的多元污水处理出水水质参数的估计值。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.027 seconds)
