-
公开(公告)号：CN111460376B
公开(公告)日：2022-03-11
申请号：CN202010361121.4
申请日：2020-04-30
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种面向退火加热过程的多模态识别方法、设备及存储设备，其方法包括：根据冷轧带钢连续退火生产工艺确定带钢在连续退火炉内加热时的生产运行模态及关键变量；根据所述关键变量的历史运行数据，确定所述关键变量的数据分布特征，并根据所述数据分布特征，建立所述关键变量的状态检测模型；采用所述状态检测模型对所述关键变量进行状态检测，得到所述关键变量的状态；根据所述状态及多模态识别策略，对冷轧带钢连续退火加热过程的模态进行识别。本发明的有益效果是：由计算机代替中控人员对带钢进行退火加热时的生产状态进行识别，减少了人力；综合多参数检测共同决策对这几种生产状态进行有效判别，降低了人工识别主观性带来的误差。
-
公开(公告)号：CN116485198A
公开(公告)日：2023-07-25
申请号：CN202310394724.8
申请日：2023-04-13
Applicant: 中国地质大学(武汉)
IPC: G06Q10/0637 , G06Q50/04 , G06F18/23213 , G06F18/2337
Abstract: 本发明提供了一种知识增强的性能评估方法、设备及存储设备，该方法包括：采集退火过程的生产数据，对生产数据进行预处理，通过机理分析选择对性能指标如出口板温、单位能耗产生主要影响的关键参数，结合数据关联性分析验证所选参数的合理性；根据边界条件对退火过程的工况进行划分，利用模糊c‑均值聚类算法获得多工况下的最佳关键参数组合；以评估样本的关键参数组合与对应的最佳组合的偏离度构建先验特征，将一般‑先验特征共同作为输入，建立退火过程的高精度性能评估模型。本发明的有益效果是：提高了退火过程的运行性能评估的精度。
-
公开(公告)号：CN109492335B
公开(公告)日：2020-12-08
申请号：CN201811521096.0
申请日：2018-12-12
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种退火炉炉温预测方法及系统，其方法包括：首先建立基于SVR的退火炉炉温预测模型，然后采用神经网络的十折交叉验证方法和采集的原始生产数据对建立的模型进行训练，最后设定实际的生产参数并结合实时采集的现场生产数据，利用训练好的炉温预测模型对退火炉炉温进行预测。本发明的有益效果是：本发明提出的技术方案可对退火炉实际生产起到很好的预测指导作用，对退火炉板温控制提供有效的控制依据，降低退火炉生产过程中钢卷超温报警比例，改善生产环境，保障生产过程安全稳定。
-
公开(公告)号：CN111625934A
公开(公告)日：2020-09-04
申请号：CN202010361762.X
申请日：2020-04-30
Applicant: 中国地质大学(武汉)
IPC: G06F30/20
Abstract: 本发明提供了一种基于D-S证据理论的退火加热过程的多模态识别方法，包括：根据冷轧带钢连续退火生产工艺确定带钢在连续退火炉内加热时的生产运行模态及关键变量；确定关键变量的数据分布特征，建立关键变量的状态检测模型；基于D-S证据理论，采用状态检测模型对关键变量进行状态检测；根据状态及多模态识别策略，对冷轧带钢连续退火加热过程的模态进行识别。本申请所提出的技术方案由计算机代替中控人员对带钢进行退火加热时的生产状态进行识别，减少了人力，降低了人工识别主观性带来的误差；采用D-S证据理论解决了置信区间法阈值带来的局限性，提高了模型应用的泛化能力和关键变量的实际状态的检测准确度。
-
公开(公告)号：CN109598643B
公开(公告)日：2020-11-27
申请号：CN201811519879.5
申请日：2018-12-12
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种退火炉分区煤气流量分配方法、设备及存储设备，其方法包括：首先建立基于SVR的退火炉炉温预测模型；然后采用神经网络的十折交叉验证方法对建立的模型进行训练，并建立退火炉各分区煤气流量的约束模型和优化函数；最后根据训练好的炉温预测模型、约束模型和优化函数，采用NSGA‑III算法，计算得到各分区煤气流量的最优值。一种退火炉分区煤气流量分配设备及存储设备，用于实现退火炉分区煤气流量分配方法。本发明的有益效果是：使用本发明的技术方案实现退火炉煤气分区煤气流量分配并投产后，降低了钢卷超温报警比例，大大减少了平均单卷钢超温报警时间，改善了生产环境，保障了生产过程安全稳定。
-
Patent Agency Ranking
公开(公告)号：CN111460376A
公开(公告)日：2020-07-28
申请号：CN202010361121.4
申请日：2020-04-30
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种面向退火加热过程的多模态识别方法、设备及存储设备，其方法包括：根据冷轧带钢连续退火生产工艺确定带钢在连续退火炉内加热时的生产运行模态及关键变量；根据所述关键变量的历史运行数据，确定所述关键变量的数据分布特征，并根据所述数据分布特征，建立所述关键变量的状态检测模型；采用所述状态检测模型对所述关键变量进行状态检测，得到所述关键变量的状态；根据所述状态及多模态识别策略，对冷轧带钢连续退火加热过程的模态进行识别。本发明的有益效果是：由计算机代替中控人员对带钢进行退火加热时的生产状态进行识别，减少了人力；综合多参数检测共同决策对这几种生产状态进行有效判别，降低了人工识别主观性带来的误差。
-
公开(公告)号：CN109598643A
公开(公告)日：2019-04-09
申请号：CN201811519879.5
申请日：2018-12-12
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种退火炉分区煤气流量分配方法、设备及存储设备，其方法包括：首先建立基于SVR的退火炉炉温预测模型；然后采用神经网络的十折交叉验证方法对建立的模型进行训练，并建立退火炉各分区煤气流量的约束模型和优化函数；最后根据训练好的炉温预测模型、约束模型和优化函数，采用NSGA-III算法，计算得到各分区煤气流量的最优值。一种退火炉分区煤气流量分配设备及存储设备，用于实现退火炉分区煤气流量分配方法。本发明的有益效果是：使用本发明的技术方案实现退火炉煤气分区煤气流量分配并投产后，降低了钢卷超温报警比例，大大减少了平均单卷钢超温报警时间，改善了生产环境，保障了生产过程安全稳定。
-
公开(公告)号：CN111625934B
公开(公告)日：2023-05-26
申请号：CN202010361762.X
申请日：2020-04-30
Applicant: 中国地质大学(武汉)
IPC: G06F30/20
Abstract: 本发明提供了一种基于D‑S证据理论的退火加热过程的多模态识别方法，包括：根据冷轧带钢连续退火生产工艺确定带钢在连续退火炉内加热时的生产运行模态及关键变量；确定关键变量的数据分布特征，建立关键变量的状态检测模型；基于D‑S证据理论，采用状态检测模型对关键变量进行状态检测；根据状态及多模态识别策略，对冷轧带钢连续退火加热过程的模态进行识别。本申请所提出的技术方案由计算机代替中控人员对带钢进行退火加热时的生产状态进行识别，减少了人力，降低了人工识别主观性带来的误差；采用D‑S证据理论解决了置信区间法阈值带来的局限性，提高了模型应用的泛化能力和关键变量的实际状态的检测准确度。
-
公开(公告)号：CN114896900B
公开(公告)日：2022-09-30
申请号：CN202210831903.9
申请日：2022-07-15
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种目标跟踪系统，包括：关键变量获取模块、多元特征获取模块、目标的运行状态确定模块和目标跟踪预测模块，通过将该关键变量分为底层设备层、运行过程层和计划指标层；对多个相关变量进行分析，提取其状态特征，对存在的异常特征进行筛选处理，制定状态跟踪策略，融合多元特征建立目标状态检测模型，实时跟踪在炉体内动态变化的目标。基于跟踪信息，建立目标到各炉段出口等位置的预测模型，预测进出各炉段的时间。通过融合多时空层级参数的序列特征，共同决策并跟踪连续退火过程中目标带钢的实时位置，建立目标带钢到各关键位置的预测模型，为后续过程建模及系统控制奠定基础。
-
公开(公告)号：CN114896900A
公开(公告)日：2022-08-12
申请号：CN202210831903.9
申请日：2022-07-15
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种目标跟踪系统，包括：关键变量获取模块、多元特征获取模块、目标的运行状态确定模块和目标跟踪预测模块，通过将该关键变量分为底层设备层、运行过程层和计划指标层；对多个相关变量进行分析，提取其状态特征，对存在的异常特征进行筛选处理，制定状态跟踪策略，融合多元特征建立目标状态检测模型，实时跟踪在炉体内动态变化的目标。基于跟踪信息，建立目标到各炉段出口等位置的预测模型，预测进出各炉段的时间。通过融合多时空层级参数的序列特征，共同决策并跟踪连续退火过程中目标带钢的实时位置，建立目标带钢到各关键位置的预测模型，为后续过程建模及系统控制奠定基础。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.016 seconds)
