-
公开(公告)号：CN117553921A
公开(公告)日：2024-02-13
申请号：CN202410045969.4
申请日：2024-01-12
Applicant: 山东钢铁股份有限公司 , 东北大学
Abstract: 本发明涉及机器视觉技术领域，具体提供一种转炉钢水温度预测方法、系统、终端及存储介质，包括：获取转炉冶炼数据和副枪探测的实际温度数据，将转炉冶炼数据和实际温度数据保存至数据库；在冶炼过程中定期获取热成像仪采集的炉口的火焰温度矩阵；将火焰温度矩阵输入预先训练的神经网络模型，神经网络模型输出预测温度；神经网络模型的训练方法包括：利用预先构建的碳温机理模型基于数据库中的冶炼数据计算理论温度；将理论温度与实际温度数据合并做数据增强处理，并将增强后的数据作为训练集的输出数据；将历次采集的火焰温度矩阵作为训练集的输入数据。本发明充分利用了炉口火焰的温度信息和图像特征，实现了钢水温度的准确预测。
-
公开(公告)号：CN112541625B
公开(公告)日：2023-12-08
申请号：CN202011417573.6
申请日：2020-12-07
Applicant: 东北大学
IPC: G06Q10/04 , G06Q50/04 , G06N3/006 , G06N20/10 , G06F18/15 , G06F18/214 , G06F123/02
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：CN104977911A
公开(公告)日：2015-10-14
申请号：CN201510367888.7
申请日：2015-06-29
Applicant: 东北大学
IPC: G05B19/418
CPC classification number: Y02P80/114 , Y02P90/02 , G05B19/41885
Abstract: 本发明一种提高钢铁能源利用率的在线能源分配控制方法，属于信息技术领域；本发明首先获取钢铁生产的历史数据，采用建立数学模型的方式描述每个工序能源介质投入量的分配过程，其次确定每个工序能源介质在每个时间段投入量的分配方案，最后工作人员控制能源中心的PC端将能源介质按时间段分配给各生产工序，完成生产任务；本发明考虑了由于紧急订单的加入、设备的运行状态、工人的操作水平差别等因素导致的生产状态实时变化，以及生产中一次能源的消耗和二次能源的产生等特征，紧密跟踪生产环境实时变化，实现能源的高效利用，提高了能源利用率，降低了能源消耗，减少排放，并且降低了能源外购成本和库存成本，最终降低总体生产成本。
-
公开(公告)号：CN104977911B
公开(公告)日：2017-09-19
申请号：CN201510367888.7
申请日：2015-06-29
Applicant: 东北大学
IPC: G05B19/418
CPC classification number: Y02P80/114 , Y02P90/02
Abstract: 本发明一种提高钢铁能源利用率的在线能源分配控制方法，属于信息技术领域；本发明首先获取钢铁生产的历史数据，采用建立数学模型的方式描述每个工序能源介质投入量的分配过程，其次确定每个工序能源介质在每个时间段投入量的分配方案，最后工作人员控制能源中心的PC端将能源介质按时间段分配给各生产工序，完成生产任务；本发明考虑了由于紧急订单的加入、设备的运行状态、工人的操作水平差别等因素导致的生产状态实时变化，以及生产中一次能源的消耗和二次能源的产生等特征，紧密跟踪生产环境实时变化，实现能源的高效利用，提高了能源利用率，降低了能源消耗，减少排放，并且降低了能源外购成本和库存成本，最终降低总体生产成本。
-
Patent Agency Ranking
公开(公告)号：CN119761034A
公开(公告)日：2025-04-04
申请号：CN202411891624.7
申请日：2024-12-20
Applicant: 东北大学
IPC: G06F30/20 , G06Q10/0631 , G06Q50/04 , G06F111/04
Abstract: 本发明提供了一种钢铁企业氧气系统优化调度模型构建及求解方法，涉及工业信息技术领域，建立了钢铁企业氧气系统优化调度模型，考虑了氧气需求约束、机组生产工艺约束、最小开关机时间约束和爬坡约束。该模型决策每个时段内各机组的生产运行状态及氧气产量，以降低氧气系统总运行成本。根据模型特点，设计了拉格朗日松弛算法进行求解。该方法通过拉格朗日乘子将物料平衡约束松弛到目标函数中，将原问题分解为空分机组子问题、气化器机组子问题和存储系统子问题。为了加快子问题求解速度，提出了最优性质加速策略，设计了次梯度算法，并提出了乘子更新策略。本发明可以显著降低氧气的放散，降低氧气系统生产运行费用，保证氧气系统安全稳定运行。
-
公开(公告)号：CN117553921B
公开(公告)日：2024-04-19
申请号：CN202410045969.4
申请日：2024-01-12
Applicant: 山东钢铁股份有限公司 , 东北大学
Abstract: 本发明涉及机器视觉技术领域，具体提供一种转炉钢水温度预测方法、系统、终端及存储介质，包括：获取转炉冶炼数据和副枪探测的实际温度数据，将转炉冶炼数据和实际温度数据保存至数据库；在冶炼过程中定期获取热成像仪采集的炉口的火焰温度矩阵；将火焰温度矩阵输入预先训练的神经网络模型，神经网络模型输出预测温度；神经网络模型的训练方法包括：利用预先构建的碳温机理模型基于数据库中的冶炼数据计算理论温度；将理论温度与实际温度数据合并做数据增强处理，并将增强后的数据作为训练集的输出数据；将历次采集的火焰温度矩阵作为训练集的输入数据。本发明充分利用了炉口火焰的温度信息和图像特征，实现了钢水温度的准确预测。
-
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：CN105204333B
公开(公告)日：2018-01-19
申请号：CN201510532778.1
申请日：2015-08-26
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明一种提高钢铁企业能源利用率的能耗预测方法，属于信息技术领域，本发明采用带有误差反馈校正学习的神经网络算法进行预测，并且针对传统学习方法收敛速度慢的问题，权值和阈值的调整公式中增加一动量项，用以提高网络的训练速度；采用自适应调节学习率使训练在误差曲面平坦区域增大学习率，在误差变化剧烈的区域减小学习率；采用基于时变权重的参数组合优化方法对初始权值和阈值的分布进行优化，在解空间定位出一个较好的搜索空间，用以避开局部极小点；该方法充分考虑了各工序的能源消耗特点，提高了能源使用效率，降低了能源成本，进而降低了总生产成本。
-
公开(公告)号：CN105204333A
公开(公告)日：2015-12-30
申请号：CN201510532778.1
申请日：2015-08-26
Applicant: 东北大学
IPC: G05B13/04
CPC classification number: G05B13/04
Abstract: 本发明一种提高钢铁企业能源利用率的能耗预测方法，属于信息技术领域，本发明采用带有误差反馈校正学习的神经网络算法进行预测，并且针对传统学习方法收敛速度慢的问题，权值和阈值的调整公式中增加一动量项，用以提高网络的训练速度；采用自适应调节学习率使训练在误差曲面平坦区域增大学习率，在误差变化剧烈的区域减小学习率；采用基于时变权重的参数组合优化方法对初始权值和阈值的分布进行优化，在解空间定位出一个较好的搜索空间，用以避开局部极小点；该方法充分考虑了各工序的能源消耗特点，提高了能源使用效率，降低了能源成本，进而降低了总生产成本。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.014 seconds)
