-
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：CN114387550B
公开(公告)日：2025-03-21
申请号：CN202210030570.X
申请日：2022-01-12
Applicant: 东北大学
IPC: G06V20/40 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于自主进化神经网络的板坯号在线识别方法，涉及钢铁企热轧生产过程自动控制技术领域。该方法首先提取板坯行进过程的视频数据，并进行数据处理获得带板坯号的板坯图像数据集；再基于迁移学习的思想，对板坯图像上的板坯号的具体位置进行定位，制作板坯号识别所需数据集；基于多目标遗传规划的思想设计自主进化神经网络算法，构建板坯号识别集成模型，实现对板坯号进行在线识别；最后将识别出的单个板坯号字符进行重组，得到预测的板坯号。该方法能够实现板坯号的端到端在线识别，可有效降低劳动成本，提高热轧生产线的智能制造水平。
-
公开(公告)号：CN114564879B
公开(公告)日：2024-11-05
申请号：CN202210025657.8
申请日：2022-01-11
Applicant: 东北大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明提出了一种基于多尺度数据融合的连退带钢硬度在线预测方法，涉及钢铁企业冷轧连退生产过程的自动控制技术领域；将带钢在连续退火过程的组织变化工艺机理引入进来，用于计算带钢内部组织结构相关的介观尺度特征，再将它们与宏观尺度生产过程数据进行融合，形成宏介观多尺度融合的数据样本，进而使用一维卷积神经网络作为子学习机，结合带有自适应参数初始化策略的改进Adaboost_R2技术，构建一种基于多尺度数据融合的连退带钢硬度在线预测方法，该方法能够实现连续退火生产过程带钢硬度在线预测，极大地提高连退带钢硬度的预测精度，满足企业实际生产需求，增加企业经济效益。
-
Patent Agency Ranking
公开(公告)号：CN114564879A
公开(公告)日：2022-05-31
申请号：CN202210025657.8
申请日：2022-01-11
Applicant: 东北大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明提出了一种基于多尺度数据融合的连退带钢硬度在线预测方法，涉及钢铁企业冷轧连退生产过程的自动控制技术领域；将带钢在连续退火过程的组织变化工艺机理引入进来，用于计算带钢内部组织结构相关的介观尺度特征，再将它们与宏观尺度生产过程数据进行融合，形成宏介观多尺度融合的数据样本，进而使用一维卷积神经网络作为子学习机，结合带有自适应参数初始化策略的改进Adaboost_R2技术，构建一种基于多尺度数据融合的连退带钢硬度在线预测方法，该方法能够实现连续退火生产过程带钢硬度在线预测，极大地提高连退带钢硬度的预测精度，满足企业实际生产需求，增加企业经济效益。
-
公开(公告)号：CN110918651B
公开(公告)日：2020-12-01
申请号：CN201911239815.4
申请日：2019-12-06
Applicant: 东北大学
Abstract: 本发明涉及钢铁企业冷轧精整生产过程的自动控制技术领域，提供一种基于多分类支持向量机的钢铁冷轧精整生产原料分配方法。首先采集精整生产样本集合；然后对精整生产样本集合依次进行特征一次选择、One‑Hot编码、基于随机森林模型的特征二次选择、数据标准化；接着，在任意两类样本间构建子学习机，H个子学习机构成基于多分类支持向量机的钢铁冷轧精整生产原料分配模型，并基于贝叶斯优化方法对模型参数进行优化，选择出准确率最高的超参数组合，得到训练后的原料分配模型；最后，采集待分配原料的信息数据，将数据清洗后的特征输入训练后的原料分配模型中，得到原料分配结果。本发明能够提高原料分配的精度和效率，减小工人的工作量。
-
公开(公告)号：CN110918651A
公开(公告)日：2020-03-27
申请号：CN201911239815.4
申请日：2019-12-06
Applicant: 东北大学
Abstract: 本发明涉及钢铁企业冷轧精整生产过程的自动控制技术领域，提供一种基于多分类支持向量机的钢铁冷轧精整生产原料分配方法。首先采集精整生产样本集合；然后对精整生产样本集合依次进行特征一次选择、One-Hot编码、基于随机森林模型的特征二次选择、数据标准化；接着，在任意两类样本间构建子学习机，H个子学习机构成基于多分类支持向量机的钢铁冷轧精整生产原料分配模型，并基于贝叶斯优化方法对模型参数进行优化，选择出准确率最高的超参数组合，得到训练后的原料分配模型；最后，采集待分配原料的信息数据，将数据清洗后的特征输入训练后的原料分配模型中，得到原料分配结果。本发明能够提高原料分配的精度和效率，减小工人的工作量。
-
公开(公告)号：CN114371915B
公开(公告)日：2024-11-22
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：CN114387550A
公开(公告)日：2022-04-22
申请号：CN202210030570.X
申请日：2022-01-12
Applicant: 东北大学
Abstract: 本发明提供一种基于自主进化神经网络的板坯号在线识别方法，涉及钢铁企热轧生产过程自动控制技术领域。该方法首先提取板坯行进过程的视频数据，并进行数据处理获得带板坯号的板坯图像数据集；再基于迁移学习的思想，对板坯图像上的板坯号的具体位置进行定位，制作板坯号识别所需数据集；基于多目标遗传规划的思想设计自主进化神经网络算法，构建板坯号识别集成模型，实现对板坯号进行在线识别；最后将识别出的单个板坯号字符进行重组，得到预测的板坯号。该方法能够实现板坯号的端到端在线识别，可有效降低劳动成本，提高热轧生产线的智能制造水平。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
