-
公开(公告)号：CN114819587B
公开(公告)日：2024-11-29
申请号：CN202210412850.7
申请日：2022-04-19
Applicant: 东北大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/23213 , G06N3/08 , G06N20/00 , C21B7/00
Abstract: 本申请涉及一种基于大数据的高炉炉缸活跃性评价与预测方法及系统，所述方法包括：基于高炉生产历史数据和数据预处理获取高炉炉缸活跃性应用数据；基于高炉炉缸活跃性应用数据和机器学习建立高炉炉缸活跃性评价模型，通过评价模型对高炉炉缸活跃性进行初步评价；基于高炉炉缸活跃性应用数据和机器学习对高炉炉缸活跃性评价模型进行修正，基于修正后的评价模型对高炉炉缸活跃性进行最终评价和等级划分；基于高炉炉缸活跃性应用数据和深度学习、自学习建立高炉炉缸活跃性预测模型，通过预测模型对高炉炉缸活跃性进行预测。本申请基于上述方法，实现了对高炉炉缸活跃性的准确评价、精准预测，为高炉优质、高产、低耗、顺行提供了保障。
-
公开(公告)号：CN117196364A
公开(公告)日：2023-12-08
申请号：CN202310900808.4
申请日：2023-07-21
Applicant: 东北大学
IPC: G06Q10/0639 , G06Q50/04 , G06N20/00
Abstract: 本发明涉及一种烧结状态质量综合实时评价方法，包括：获取烧结产线评价参数和所述烧结状态质量综合指标参数，并对所述烧结产线评价参数和所述烧结状态质量综合指标参数进行多变量分析，以得到第一量化关系，所述烧结产线评价参数包括低频次烧结产线评价参数与高频次烧结产线评价参数；根据所述烧结产线评价参数和烧结产线实时参数通过数据转换与机器学习，以得到第二量化关系，所述烧结产线实时参数为仪表实时参数；根据所述第一量化关系和所述第二量化关系，生成烧结状态质量综合指标实时结果；根据所述烧结状态质量综合指标实时结果确定结状态质量实时综合等级。便于辅助现场操作人员快速决策，进而提高烧结产线稳定性。
-
公开(公告)号：CN114117884A
公开(公告)日：2022-03-01
申请号：CN202111228305.4
申请日：2021-10-21
Applicant: 东北大学
IPC: G06F30/27 , C22B1/16 , G06F119/02
Abstract: 本发明涉及一种基于铁前大数据的烧结智能配矿系统，其包括数据管理模块和烧结配矿模块。数据管理模块包括：数据采集单元、数据库单元、数据处理单元和铁前智能配矿数据仓库存储单元；数据采集单元用于采集数据，数据库单元用于进行数据分类；数据处理单元用于进行数据预处理及数据关联性分析，铁前智能配矿数据仓库存储单元用于存储数据库表；所述烧结配矿模块用于获取最优配矿方案的信息。其有益效果是，它能通过数据管理系统采集、分析和处理烧结过程参数，通过烧结配矿模块预测烧结矿产质量、制定配矿方案、评价烧结生产并调整工艺参数，并优化配矿方案，所得配矿方案全面、精确。
-
Patent Agency Ranking
公开(公告)号：CN114117884B
公开(公告)日：2024-05-31
申请号：CN202111228305.4
申请日：2021-10-21
Applicant: 东北大学
IPC: G06F30/27 , C22B1/16 , G06F119/02
Abstract: 本发明涉及一种基于铁前大数据的烧结智能配矿系统，其包括数据管理模块和烧结配矿模块。数据管理模块包括：数据采集单元、数据库单元、数据处理单元和铁前智能配矿数据仓库存储单元；数据采集单元用于采集数据，数据库单元用于进行数据分类；数据处理单元用于进行数据预处理及数据关联性分析，铁前智能配矿数据仓库存储单元用于存储数据库表；所述烧结配矿模块用于获取最优配矿方案的信息。其有益效果是，它能通过数据管理系统采集、分析和处理烧结过程参数，通过烧结配矿模块预测烧结矿产质量、制定配矿方案、评价烧结生产并调整工艺参数，并优化配矿方案，所得配矿方案全面、精确。
-
公开(公告)号：CN114897315A
公开(公告)日：2022-08-12
申请号：CN202210412852.6
申请日：2022-04-19
Applicant: 东北大学
IPC: G06Q10/06 , G06Q50/04 , G06K9/62 , G06N20/20 , G06F16/215 , G06F16/2458 , C21B5/00
Abstract: 本申请涉及一种基于大数据的高炉炉况智能评价方法及系统，所述方法包括：基于高炉基础数据获取高炉应用数据，基于高炉应用数据提取炉况表征参数；基于炉况表征参数获取高炉炉况等级；基于高炉应用数据和高炉炉况等级获取炉况评价参数，基于炉况评价参数获取底层参数；基于高炉炉况等级和炉况评价参数，获得第一炉况评价规则；基于炉况评价参数和底层参数，获得第二炉况评价规则；基于第一炉况评分规则和第二炉况评价规则，获得第三炉况评分规则，并获得炉况评价分数；基于炉况评价分数判断是否出现炉况波动信息，若出现炉况波动信息，则进一步确定炉况波动原因。通过本申请中的方法，实现了对高炉炉况的实时评价。
-
公开(公告)号：CN114897315B
公开(公告)日：2025-03-07
申请号：CN202210412852.6
申请日：2022-04-19
Applicant: 东北大学
IPC: G06Q10/0639 , G06Q50/04 , G06N20/20 , G06F16/215 , G06F16/2458 , G06F16/28 , C21B5/00
Abstract: 本申请涉及一种基于大数据的高炉炉况智能评价方法及系统，所述方法包括：基于高炉基础数据获取高炉应用数据，基于高炉应用数据提取炉况表征参数；基于炉况表征参数获取高炉炉况等级；基于高炉应用数据和高炉炉况等级获取炉况评价参数，基于炉况评价参数获取底层参数；基于高炉炉况等级和炉况评价参数，获得第一炉况评价规则；基于炉况评价参数和底层参数，获得第二炉况评价规则；基于第一炉况评分规则和第二炉况评价规则，获得第三炉况评分规则，并获得炉况评价分数；基于炉况评价分数判断是否出现炉况波动信息，若出现炉况波动信息，则进一步确定炉况波动原因。通过本申请中的方法，实现了对高炉炉况的实时评价。
-
公开(公告)号：CN116245226A
公开(公告)日：2023-06-09
申请号：CN202310046732.3
申请日：2023-01-31
Applicant: 东北大学
Abstract: 本发明涉及一种基于工业大数据的高炉关键炉况参数优化方法，其方法包括：对获取的高炉冶炼过程中的全工序数据进行预处理操作；基于经预处理的数据，通过相关性分析对选取的高炉关键炉况参数进行特征筛选得到影响参数；基于高炉关键炉况参数和影响参数构造目标和约束函数的多元线性拟合函数，通过求解得到优化操作解集；利用预设案例库进行多级匹配并结合可行性分析对优化操作解集的解进行分类排序，得到最优操作解。本发明通过大数据技术采集、分析和处理高炉参数，基于机器学习与集成学习融合冶金理论与专家经验利用优化算法求得优化操作解，再经多级匹配分析与可行性分析，最终选择最小操作偏差和最低经济成本的解，以用于指导高炉生产。
-
公开(公告)号：CN114819587A
公开(公告)日：2022-07-29
申请号：CN202210412850.7
申请日：2022-04-19
Applicant: 东北大学
Abstract: 本申请涉及一种基于大数据的高炉炉缸活跃性评价与预测方法及系统，所述方法包括：基于高炉生产历史数据和数据预处理获取高炉炉缸活跃性应用数据；基于高炉炉缸活跃性应用数据和机器学习建立高炉炉缸活跃性评价模型，通过评价模型对高炉炉缸活跃性进行初步评价；基于高炉炉缸活跃性应用数据和机器学习对高炉炉缸活跃性评价模型进行修正，基于修正后的评价模型对高炉炉缸活跃性进行最终评价和等级划分；基于高炉炉缸活跃性应用数据和深度学习、自学习建立高炉炉缸活跃性预测模型，通过预测模型对高炉炉缸活跃性进行预测。本申请基于上述方法，实现了对高炉炉缸活跃性的准确评价、精准预测，为高炉优质、高产、低耗、顺行提供了保障。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
