-
公开(公告)号:CN116432829A
公开(公告)日:2023-07-14
申请号:CN202310270069.5
申请日:2023-03-20
Applicant: 中南大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/02 , G06F18/214 , G06F17/11 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种基于流程时空结构的选矿过程关键指标预测方法和系统,方法包括:获取选矿过程中与关键指标相关的过程变量数据,得到原始数据集;对原始数据集预处理;构建过程变量时滞矩阵和关键指标向量,计算各过程变量的时滞相关性系数,根据该系数确定各过程变量的时滞并筛选过程变量;将选矿过程各子流程解耦,建立选矿过程时空结构模型,并嵌入深度学习网络结构,建立时空深度LSTM选矿过程关键指标预测模型;根据筛选后的过程变量及时滞,对筛选过程变量后的数据集进行时序匹配,采用时间滑窗构建训练数据集,并通过训练得到最优预测模型,用于选矿过程关键指标在线预测。本发明可以实现选矿过程中的长流程关键指标的实时、准确预测。
-
公开(公告)号:CN117911366A
公开(公告)日:2024-04-19
申请号:CN202410074672.0
申请日:2024-01-18
Applicant: 中南大学
IPC: G06T7/00 , G06V10/80 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种磨机入磨矿石的块度检测方法、设备及介质,方法为:采集磨机入磨矿石图像并制作标签图像,构建样本数据集;搭建基于多尺度并行高效注意力U型网络模型;对数据集图像进行预处理和增强处理,使用处理后的图像进行模型训练,得到矿石图像分割模型;使用矿石图像分割模型,对实时采集的矿石图像进行分割预测,获取图像中矿石子区域;计算图像中矿石子区域等效特征参数并转换为对应块度范围的矿石占比。本发明能够对磨机入磨矿石进行块度检测,减小了因分割困难造成的块度检测误差,提高检测准确度。
-
公开(公告)号:CN115291519A
公开(公告)日:2022-11-04
申请号:CN202210980614.5
申请日:2022-08-16
Applicant: 中南大学 , 长沙矿冶研究院有限责任公司
IPC: G05B13/04
Abstract: 本发明公开了一种磨矿过程智能优化控制方法,包括:S1:获取过去H小时的磨音和磨机功率数据作为样本数据,运用改进的模糊‑C均值聚类算法计算样本数据聚类中心,并将当前时刻t初始化为0;S2:根据聚类中心更新模糊控制器输入变量的论域和隶属函数参数;S3:获取时刻t的磨音和功率数据,提取磨音趋势,计算磨音偏差;S4:将磨音偏差、磨音趋势、磨机功率输入模糊控制器,得到给矿量和给水量的设定值;S5:经过一个控制周期T后,t=t+T;S6:判断t是否小于H;若是,则返回S3;若否,则返回S1。用实际生产数据进行测试,结果表明本发明比人工控制下磨矿过程平稳,矿石处理量提高了4.3%。
-
公开(公告)号:CN115291519B
公开(公告)日:2024-04-12
申请号:CN202210980614.5
申请日:2022-08-16
Applicant: 中南大学 , 长沙矿冶研究院有限责任公司
IPC: G05B13/04
Abstract: 本发明公开了一种磨矿过程智能优化控制方法,包括:S1:获取过去H小时的磨音和磨机功率数据作为样本数据,运用改进的模糊‑C均值聚类算法计算样本数据聚类中心,并将当前时刻t初始化为0;S2:根据聚类中心更新模糊控制器输入变量的论域和隶属函数参数;S3:获取时刻t的磨音和功率数据,提取磨音趋势,计算磨音偏差;S4:将磨音偏差、磨音趋势、磨机功率输入模糊控制器,得到给矿量和给水量的设定值;S5:经过一个控制周期T后,t=t+T;S6:判断t是否小于H;若是,则返回S3;若否,则返回S1。用实际生产数据进行测试,结果表明本发明比人工控制下磨矿过程平稳,矿石处理量提高了4.3%。
-
公开(公告)号:CN111507365A
公开(公告)日:2020-08-07
申请号:CN201910821869.5
申请日:2019-09-02
Applicant: 中南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于模糊聚类的置信规则自动生成方法,属于数据挖掘技术领域。针对完全依赖人工经验建立置信规则库耗时耗力的问题,在扩展置信规则库方法的基础上,本发明首先对样本数据进行模糊聚类,将样本的模糊聚类中心以及以聚类中心为圆心、与聚类中心距离为某设定值的样本作为生成扩展置信规则库的基础数据;再依据变量关联关系和样本隶属度矩阵计算前提属性权重和规则权重。本发明的目的是为了解决扩展置信规则库方法中样本数据选择难,不适合应用于大样本数据建模的问题。本发明降低了已有扩展置信规则库方法中经验设定前提属性权重和初始规则权重对专家经验的依赖程度。采用本发明从实际生产数据提取置信规则,与人工设定初始置信规则相比,提高了置信规则库的生成效率和推理精度。
-
-
-
-