一种铝电解的氧化铝浓度异常低检测方法及装置

    公开(公告)号:CN109722679A

    公开(公告)日:2019-05-07

    申请号:CN201910124340.8

    申请日:2019-02-19

    Applicant: 中南大学

    Abstract: 本发明公开了一种机理与工艺知识驱动的铝电解的氧化铝浓度异常低检测方法及装置,该方法包括:根据每个综合下料周期内表观氧化铝浓度的极大值与极小值的分布状态,确定表观氧化铝浓度与下料状态之间对应的关系类别;根据对应的关系类别、以及表观氧化铝浓度的分布状态,确定相应综合下料周期的表观溶解滞后系数的序列位置;根据表观溶解滞后系数的序列位置与过量下料开始时的序列位置之间的差值,确定相应综合下料周期的表观溶解滞后系数;当各综合下料周期的表观溶解滞后系数为正值,且超过预设的正常范围之外达到预设阈值时,确定氧化铝浓度偏低。本发明通过各综合下料周期的表观溶解滞后时间量化氧化铝溶解性能,提升氧化铝浓度的检测性能。

    基于shapelet的时间序列早期分类方法及设备

    公开(公告)号:CN110389975A

    公开(公告)日:2019-10-29

    申请号:CN201910705734.2

    申请日:2019-08-01

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于shapelet的时间序列早期分类方法及设备,其中该方法包括:获取多变量时间序列的多个子序列,并将所述子序列作为候选shapelet;分别计算多个候选shapelet与所述多变量时间序列之间的距离;对每个候选shapelet进行质量评估,得到每个候选shapelet的质量评估结果,并按照质量评估结果由高至低的顺序,从多个候选shapelet中选取k个shapelet;计算所述k个shapelet中每个shapelet与所述多变量时间序列之间的距离,得到距离矩阵;将所述距离矩阵放到机器学习分类器中进行训练,得到准确率的训练结果;对早期性的结果进行判断,结合早期性的结果和准确率的训练结果得到综合的结果表现。本发明提供的时间序列早期分类方法能对鉴别性特征不受维度限制的多变量时间序列进行分类。

    一种铝电解的氧化铝浓度异常低检测方法及装置

    公开(公告)号:CN109722679B

    公开(公告)日:2020-06-23

    申请号:CN201910124340.8

    申请日:2019-02-19

    Applicant: 中南大学

    Abstract: 本发明公开了一种机理与工艺知识驱动的铝电解的氧化铝浓度异常低检测方法及装置,该方法包括:根据每个综合下料周期内表观氧化铝浓度的极大值与极小值的分布状态,确定表观氧化铝浓度与下料状态之间对应的关系类别;根据对应的关系类别、以及表观氧化铝浓度的分布状态,确定相应综合下料周期的表观溶解滞后系数的序列位置;根据表观溶解滞后系数的序列位置与过量下料开始时的序列位置之间的差值,确定相应综合下料周期的表观溶解滞后系数;当各综合下料周期的表观溶解滞后系数为正值,且超过预设的正常范围之外达到预设阈值时,确定氧化铝浓度偏低。本发明通过各综合下料周期的表观溶解滞后时间量化氧化铝溶解性能,提升氧化铝浓度的检测性能。

    一种铝电解过热度不平衡数据的自适应过采样方法

    公开(公告)号:CN108277506B

    公开(公告)日:2019-11-22

    申请号:CN201810120319.6

    申请日:2018-02-07

    Applicant: 中南大学

    Abstract: 本发明公开了一种铝电解过热度不平衡数据的自适应过采样方法,通过自适应过采样方法增加过热度少数类样本,以提升过热度分类性能。本方法包括步骤:①将待处理的铝电解过热度不平衡数据分成多数类样本和少数类样本;②设定过采样方法中参数的上下界,随机选取参数值;③使过采样方法作用于少数类样本,得到新的合成少数类样本;④将合成少数类样本和原始数据样本合并,评价其分类性能;⑤使用状态转移算法重新选取过采样方法中的参数值,重复③④操作,得到并保存分类性能较好的那一组参数值;⑥重复⑤步骤,直到达到条件结束,得到过采样方法的最优参数值(最近领域面积k,过采样率N)和铝电解过热度不平衡数据的最佳分类。

    基于动态多目标优化和模糊多属性决策的除铜过程控制方法

    公开(公告)号:CN113539383B

    公开(公告)日:2022-10-04

    申请号:CN202110614236.4

    申请日:2021-06-02

    Applicant: 中南大学

    Abstract: 本发明属于湿法炼锌除铜过程控制技术领域,涉及一种基于动态多目标优化和模糊多属性决策的除铜过程控制方法。构建反应过程状态方程;所述反应过程状态方程包括控制变量和状态变量;根据所述状态变量构建多目标优化目标函数,并限定约束条件;采用原始问题离散化、约束处理和智能优化计算进行多目标动态函数优化,获得Pareto最优解集;构建状态变量控制方法的评价指标,并采用模糊层次分析法确定评价指标权重;根据所述评价指标权重并采用TOPSIS法对Pareto最优解集进行排序获得最佳控制方法。该方法对于稳定出口铜离子浓度、降低锌粉消耗成本并提高除铜效率具有重要意义。

    一种铝电解的氧化铝浓度异常高检测方法及装置

    公开(公告)号:CN109935282B

    公开(公告)日:2020-11-13

    申请号:CN201910122937.9

    申请日:2019-02-19

    Applicant: 中南大学

    Abstract: 本发明公开了一种机理与工艺知识驱动的铝电解的氧化铝浓度异常高检测方法及装置,该方法包括:根据每个综合下料周期内表观氧化铝浓度的极大值与极小值的分布状态,确定表观氧化铝浓度与下料状态之间对应的关系类别;根据对应的关系类别、以及表观氧化铝浓度的分布状态,确定相应综合下料周期的表观溶解滞后系数的序列位置;根据表观溶解滞后系数的序列位置与过量下料开始时的序列位置之间的差值,确定相应综合下料周期的表观溶解滞后系数;当各综合下料周期的表观溶解滞后系数为负值,且超过预设的正常范围之外达到预设阈值时,确定所述氧化铝浓度偏高。本发明通过各综合下料周期的表观溶解滞后系数量化氧化铝溶解性能,提升氧化铝浓度的检测性能。

    基于shapelet转换的铝电解阳极电流分类方法

    公开(公告)号:CN109161931A

    公开(公告)日:2019-01-08

    申请号:CN201811231278.4

    申请日:2018-10-22

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于shapelet转换的铝电解阳极电流分类方法,基于shapelet转换方法选取高质量shapelets;从所述高质量shapelets中提取核心特征;增加相似数量特征到所述核心特征中,并转换数据。本发明从一个类别的所有维度中寻找核心特征,分类准确性不会受信号也不依赖于维度的影响,解决阳极电流信号难以被一般的多变量分类方法来进行分类的问题,并且提高了分类的准确性。

    基于动态多目标优化和模糊多属性决策的除铜过程控制方法

    公开(公告)号:CN113539383A

    公开(公告)日:2021-10-22

    申请号:CN202110614236.4

    申请日:2021-06-02

    Applicant: 中南大学

    Abstract: 本发明属于湿法炼锌除铜过程控制技术领域,涉及一种基于动态多目标优化和模糊多属性决策的除铜过程控制方法。构建反应过程状态方程;所述反应过程状态方程包括控制变量和状态变量;根据所述状态变量构建多目标优化目标函数,并限定约束条件;采用原始问题离散化、约束处理和智能优化计算进行多目标动态函数优化,获得Pareto最优解集;构建状态变量控制方法的评价指标,并采用模糊层次分析法确定评价指标权重;根据所述评价指标权重并采用TOPSIS法对Pareto最优解集进行排序获得最佳控制方法。该方法对于稳定出口铜离子浓度、降低锌粉消耗成本并提高除铜效率具有重要意义。

    基于shapelet转换的铝电解阳极电流分类方法

    公开(公告)号:CN109161931B

    公开(公告)日:2019-11-08

    申请号:CN201811231278.4

    申请日:2018-10-22

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于shapelet转换的铝电解阳极电流分类方法,基于shapelet转换方法选取高质量shapelets;从所述高质量shapelets中提取核心特征;增加相似数量特征到所述核心特征中,并转换数据。本发明从一个类别的所有维度中寻找核心特征,分类准确性不会受信号也不依赖于维度的影响,解决阳极电流信号难以被一般的多变量分类方法来进行分类的问题,并且提高了分类的准确性。

    一种铝电解的氧化铝浓度异常高检测方法及装置

    公开(公告)号:CN109935282A

    公开(公告)日:2019-06-25

    申请号:CN201910122937.9

    申请日:2019-02-19

    Applicant: 中南大学

    Abstract: 本发明公开了一种机理与工艺知识驱动的铝电解的氧化铝浓度异常高检测方法及装置,该方法包括:根据每个综合下料周期内表观氧化铝浓度的极大值与极小值的分布状态,确定表观氧化铝浓度与下料状态之间对应的关系类别;根据对应的关系类别、以及表观氧化铝浓度的分布状态,确定相应综合下料周期的表观溶解滞后系数的序列位置;根据表观溶解滞后系数的序列位置与过量下料开始时的序列位置之间的差值,确定相应综合下料周期的表观溶解滞后系数;当各综合下料周期的表观溶解滞后系数为负值,且超过预设的正常范围之外达到预设阈值时,确定所述氧化铝浓度偏高。本发明通过各综合下料周期的表观溶解滞后系数量化氧化铝溶解性能,提升氧化铝浓度的检测性能。

Patent Agency Ranking