-
公开(公告)号：CN107273633A
公开(公告)日：2017-10-20
申请号：CN201710517466.2
申请日：2017-06-29
Applicant: 中南大学
CPC classification number: Y02P90/30 , G06F17/5009 , G06F2217/06 , G06F2217/84 , G06K9/6215 , G06N3/006 , G06Q10/04 , G06Q50/04
Abstract: 本发明公开了多工序间变量时滞估计方法，包括以下步骤：选取各工序间变量，采样获得变量的时间序列并组成原始数据矩阵；利用多项式最小二乘拟合进行滑动窗口回归，并求导得到这些变量时间序列的导数数据矩阵；预定义采样时滞序列，根据导数数据矩阵，计算两两工序间变量经采样时滞平移后的趋势相似度；用L2范数最小表征多工序间变量的趋势一致性，建立多工序间变量时滞估计问题的优化模型；采用改进的自适应粒子群算法，求解多工序间变量时滞估计问题，寻优得到最优采样时滞序列。其利用实际生产流程现场积累的大量历史数据，可合理估计出生产流程多工序间变量的时滞，有效地提高了流程建模精度和优化控制效果，对生产流程节能减排具有重要意义。
-
公开(公告)号：CN108171142A
公开(公告)日：2018-06-15
申请号：CN201711427123.3
申请日：2017-12-26
Applicant: 中南大学
CPC classification number: G06K9/0051 , G06F17/18
Abstract: 本发明公开了一种确定复杂工业过程中关键变量因果关系的方法，通过对工业过程中待确定因果关系的关键变量的历史数据采用伪近邻思想计算每个关键变量的最佳时序嵌入维度；针对两两关键变量，假定因果关系，以假定因变量的最佳时序嵌入维度为标准，构造两个关键变量的时序重构流形，利用收敛交叉映射算法计算两者间的收敛交叉映射能力；基于蒙特卡洛模拟确定CCM的能力判定阈值，以此判定关键变量间假定因果关系的正确性，从而构建工业过程中关键变量的初步因果关系网络；利用时滞检测方法修正初步因果关系网络，得到最终关键变量因果关系网络。本发明充分利用生产离线数据，对生产过程无干扰作用，提高了安全性和经济效益。
-
Patent Agency Ranking
公开(公告)号：CN108171142B
公开(公告)日：2019-02-12
申请号：CN201711427123.3
申请日：2017-12-26
Applicant: 中南大学
Abstract: 本发明公开了一种确定复杂工业过程中关键变量因果关系的方法，通过对工业过程中待确定因果关系的关键变量的历史数据采用伪近邻思想计算每个关键变量的最佳时序嵌入维度；针对两两关键变量，假定因果关系，以假定因变量的最佳时序嵌入维度为标准，构造两个关键变量的时序重构流形，利用收敛交叉映射算法计算两者间的收敛交叉映射能力；基于蒙特卡洛模拟确定CCM的能力判定阈值，以此判定关键变量间假定因果关系的正确性，从而构建工业过程中关键变量的初步因果关系网络；利用时滞检测方法修正初步因果关系网络，得到最终关键变量因果关系网络。本发明充分利用生产离线数据，对生产过程无干扰作用，提高了安全性和经济效益。
-
-
公开(公告)号：CN107273633B
公开(公告)日：2018-03-27
申请号：CN201710517466.2
申请日：2017-06-29
Applicant: 中南大学
CPC classification number: Y02P90/30
Abstract: 本发明公开了多工序间变量时滞估计方法，包括以下步骤：选取各工序间变量，采样获得变量的时间序列并组成原始数据矩阵；利用多项式最小二乘拟合进行滑动窗口回归，并求导得到这些变量时间序列的导数数据矩阵；预定义采样时滞序列，根据导数数据矩阵，计算两两工序间变量经采样时滞平移后的趋势相似度；用L2范数最小表征多工序间变量的趋势一致性，建立多工序间变量时滞估计问题的优化模型；采用改进的自适应粒子群算法，求解多工序间变量时滞估计问题，寻优得到最优采样时滞序列。其利用实际生产流程现场积累的大量历史数据，可合理估计出生产流程多工序间变量的时滞，有效地提高了流程建模精度和优化控制效果，对生产流程节能减排具有重要意义。
-
公开(公告)号：CN106872672A
公开(公告)日：2017-06-20
申请号：CN201611239079.9
申请日：2016-12-28
Applicant: 中南大学
IPC: G01N33/28
CPC classification number: G01N33/2823
Abstract: 本发明提供一种用于在线分析加氢裂化运行性能的方法，通过选取对加氢裂化生产流程有重要影响的特征参数作为全流程监测的数据统计基础，在此基础上，应用历史案例库以及诊断网络对生产流程中出现的性能退化结果进行分析、处理，以快速做出相应。本发明的用于在线分析加氢裂化运行性能的方法，能够实现高效、准确、快速的全流程监控及响应。
-
公开(公告)号：CN106709654A
公开(公告)日：2017-05-24
申请号：CN201611235853.9
申请日：2016-12-28
Applicant: 中南大学
CPC classification number: Y02P90/30 , Y02P90/82 , G06Q10/0639 , G06Q10/0633 , G06Q50/04
Abstract: 本发明提供一种加氢裂化流程全局运行状况评估与质量追溯方法。所述方法包括：基于所述加氢裂化流程中每个典型的生产工序质量标准要求的不同形式，计算所述生产工序的质量评估指标模型中各指标的过程能力指数；基于所述过程能力指数，计算所述生产工序的质量评估指标模型中各指标的QA得分；基于所述各个指标的QA得分，利用多元线性回归分析法构建所述加氢裂化流程全局运行状况质量评估指标模型中每个指标对其上层指标QA得分贡献度的权重系数；基于所述QA得分和所述的权重系数，定位所述加氢裂化流程全局运行性能退化的环节和参数。本发明的方法能够实现运行状况评估功能和产品质量追溯功能，实现炼化企业的高效、经济和绿色生产。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
