-
公开(公告)号：CN112506050B
公开(公告)日：2021-12-03
申请号：CN202011218977.2
申请日：2020-11-04
IPC: G05B13/04
Abstract: 一种基于潜变量过程迁移模型的间歇过程集成优化方法，获取新生产过程B和旧生产过程A的数据信息，且展开二维数据矩阵以获得Xa、Ya、Xb、Yb；对A和B生产过程的数据矩阵进行归一化处理，并建立过程迁移模型；构造优化问题并求解B生产过程最优解xb(k)*；在单个批次运行期间内对操作变量x设定n个决策点，将其分成n+1段；当到达第i个决策点时，判断是否缺失数据，在决策点形成输入矢量，对未知数据进行补充，预估未来的操作变量轨迹；判断决策点i处是否存在扰动，存在扰动计算新的控制剖面；对操作变量进行补偿更新，对补偿后的优化解进行滤波；获取最终产品质量，并使用新的控制剖面操作第k+1个批次。该方法能有利于提高产品的生产质量。
-
公开(公告)号：CN108762238B
公开(公告)日：2020-07-28
申请号：CN201810622817.0
申请日：2018-06-15
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明属于湿法冶金浸出过程的故障诊断技术领域，尤其涉及一种基于DCD的湿法冶金浸出过程故障诊断方法。基于DCD的浸出过程故障诊断方法，主要面向湿法冶金的浸出工艺过程，通过提取专家知识和过程数据中的信息作为先验信息建立动态因果图知识库，在观测到异常情况后进入推理诊断机制，以异常情况为证据计算出各可能故障原因的后验概率，比较后验概率得到诊断结果。此算法主要包括浸出过程DCD事件确定、DCD结构学习、DCD参数学习和DCD在线过程故障诊断等步骤。本发明利用DCD故障诊断技术处理在浸出过程中信息的不确定性，一定程度减小了诊断技术对大量数据的依赖性，可以带来更准确的诊断结果，确保企业经济效益和生产效益。
-
公开(公告)号：CN106959662B
公开(公告)日：2019-03-08
申请号：CN201710324622.3
申请日：2017-05-10
Applicant: 东北大学
IPC: G05B19/05
Abstract: 本发明提供一种电熔镁炉异常工况识别及控制方法。所述方法包括：获取电熔镁炉工况中的预设周期内的在线数据；采用相似度匹配策略查看案例库中是否与在线数据匹配的案例信息；若存在，依据匹配的案例信息给出当前在线数据的辨识结果，将辨识结果作为当前电熔镁炉工况的异常识别结果；其中，案例库为预先根据电熔镁炉工况的历史数据建立的各种异常工况的案例信息；若案例库中不存在匹配的案例信息，则采用贝叶斯网络推理模型对所述在线数据进行分析，获得辨识结果，将辨识结果作为当前电熔镁炉工况的异常识别结果。上述方法对于提高矿产资源的综合利用率，降低能耗，减少环境污染，促进安全生产，都有重大的意义。
-
公开(公告)号：CN107065834A
公开(公告)日：2017-08-18
申请号：CN201710379067.4
申请日：2017-05-25
Applicant: 东北大学
IPC: G05B23/02
CPC classification number: G05B23/0243 , G05B2219/24065
Abstract: 本发明提供一种湿法冶金过程中浓密机的故障诊断方法，包括：获取湿法冶金浓密机用于识别一种故障的在线定性信息和在线定量数据；针对在线定性信息，采用基于可信度的规则推理的方法获取每一事件的可信度，获取第一条证据；针对在线定量数据，采用基于数据相似度的案例推理方法获取待诊断案例的相似度，获取第二条证据；待诊断案例为进行案例推理时使用的由在线定量数据组成的不同类数据；根据D‑S证据理论融合规则，将两条证据进行融合，获得湿法冶金过程中浓密机的故障诊断信息，该方法可以使操作人员根据故障诊断结果信息及时调整，进而有效降低事故发生率，提高生产安全性。
-
公开(公告)号：CN104155873A
公开(公告)日：2014-11-19
申请号：CN201410258101.9
申请日：2014-06-12
Applicant: 东北大学
IPC: G05B13/00
Abstract: 本发明提供一种湿法冶金全流程分层优化控制技术，在生产管理部门确定总产出与总消耗的条件下，将全流程优化控制问题分为工序级指标优化和过程级回路设定优化两层结构加以实现。首先，通过建立描述湿法冶金各工序产出与最小消耗关系的各工序指标相关关系模型，然后，在各工序过程模型的基础上，建立工序过程优化模型并加以求解，进而实现关键控制回路设定优化。本发明还提供实施上述全流程优化控制技术的软件系统，它包括主程序、数据库和界面。本发明应用于某湿法冶金生产流程，降低了生产成本，提高了经济效益。
-
Patent Agency Ranking
公开(公告)号：CN108507834B
公开(公告)日：2021-04-02
申请号：CN201810684114.0
申请日：2018-06-28
Applicant: 东北大学
Abstract: 本发明提供一种矿浆浓度在线实时检测装置和方法，属于测量方法及装置领域，用于解决矿浆浓度在线实时检测问题，包括：进料管、出料管、采样泵、智能计算模块、参数检测模块、显示模块、数据通讯模块；其中智能计算模块采用一种矿浆浓度在线实时检测方法，根据检测到的泵电机功率P，以及通过获取到的离线检测矿浆浓度C与采样泵电机功率P的对应关系，得到实时矿浆浓度C。该方法和装置简单易于实施，易于后期更换维护，维护成本低，通过矿浆浓度离线数据与在线数据测量值对比，可知其测量的精度满足生产要求。
-
公开(公告)号：CN112506050A
公开(公告)日：2021-03-16
申请号：CN202011218977.2
申请日：2020-11-04
IPC: G05B13/04
Abstract: 一种基于潜变量过程迁移模型的间歇过程集成优化方法，获取新生产过程B和旧生产过程A的数据信息，且展开二维数据矩阵以获得Xa、Ya、Xb、Yb；对A和B生产过程的数据矩阵进行归一化处理，并建立过程迁移模型；构造优化问题并求解B生产过程最优解xb(k)*；在单个批次运行期间内对操作变量x设定n个决策点，将其分成n+1段；当到达第i个决策点时，判断是否缺失数据，在决策点形成输入矢量，对未知数据进行补充，预估未来的操作变量轨迹；判断决策点i处是否存在扰动，存在扰动计算新的控制剖面；对操作变量进行补偿更新，对补偿后的优化解进行滤波；获取最终产品质量，并使用新的控制剖面操作第k+1个批次。该方法能有利于提高产品的生产质量。
-
公开(公告)号：CN107169658B
公开(公告)日：2020-09-15
申请号：CN201710350739.9
申请日：2017-05-18
Applicant: 东北大学
Abstract: 本发明提供一种基于可信度的湿法冶金浓密机的故障诊断方法，包括：获取湿法冶金浓密机的在线变量；根据在线变量，确定每一变量的模糊维度；模糊维度为预先建立的专家规则库中的规则前件包括的模糊概念对应的维度；针对每一个变量及该变量的模糊维度，采用模糊隶属度函数获取该变量所属模糊维度的可信度；基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析，得到故障结论可信度；将故障结论可信度与预设阈值进行比较，获取故障结果。上述方法可以预先获取专家或操作人员的诊断经验对应的规则，并对当前的在线变量进行故障诊断，以便根据故障诊断结果及时调整，进而有效降低事故发生率，提高生产安全性。
-
公开(公告)号：CN107563656B
公开(公告)日：2020-06-16
申请号：CN201710813336.3
申请日：2017-09-11
Applicant: 东北大学
Abstract: 本发明涉及一种金湿法冶金氰化浸出过程运行状态的评价方法，包括如下步骤：S1、数据收集：采集金湿法冶金氰化浸出过程中的过程变量；S2、数据处理：对获得的定性变量和定量变量数据进行建模处理；S3、评价模型的建立：利用处理后的定性变量与定量变量的数据，拟合每一个运行状态等级数据的概率密度函数，建立高斯混合模型；S4、过程运行状态的在线评价：采集实时生产数据，根据所建立的所述高斯混合模型，利用贝叶斯理论，得到运行状态处于各等级的后验概率，再根据最大后验概率原则，判断当前运行状态等级。本发明方法充分利用可定量测量和定性估计的变量信息，对过程运行状态进行在线评价，使生产过程更加高效，确保企业经济效益。
-
公开(公告)号：CN108037747B
公开(公告)日：2019-08-09
申请号：CN201711308052.5
申请日：2017-12-11
Applicant: 东北大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 本发明属于金湿法冶金运行状态评价领域，提供一种基于分层分块思想的过程运行状态在线评价方法。工艺包括一浸一洗、二浸二洗、锌粉置换三个子过程，将金湿法冶金全流程按照操作单元的不同建立分层、分块的评价模型，分为全流程层、子过程层和单元层。算法包括分层分块评价模型的建立、过程运行状态的在线评价、运行状态非优原因追溯步骤。本发明在线评价时通过计算在线数据与评价模型的相似度，实时评价金湿法冶金全流程的运行状态，避免人工评价的滞后问题，自动追溯非优原因，为实际生产过程提供有价值的指导建议，以便及时对过程运行状态进行适当调整，提高企业经济效益和生产效率。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.027 seconds)
