-
公开(公告)号：CN114548267B
公开(公告)日：2025-04-15
申请号：CN202210159277.3
申请日：2022-02-21
Applicant: 中国矿业大学
IPC: G06F18/2415 , G06Q10/0637 , G06Q50/02
Abstract: 本发明公开了一种基于增量学习的重介质选煤过程安全控制贝叶斯网络模型在线更新方法，属于工业安全运行智能控制技术领域。本发明主要步骤如下：首先，将异常工况的现象变量作为证据信息输入到安全控制贝叶斯网络模型中进行推理。其次，依据最大后验概率原则制定相应的安全控制决策，并依据领域专家知识判断安全控制决策是否合理。若合理，则实施该控制决策。若不合理，则继续判断是否发生新的异常工况，并按照判断条件分别进行结构更新学习和参数更新学习。最后，利用更新完成的安全控制贝叶斯网络模型重新获取安全控制决策。本发明提出的重介质选煤过程安全控制模型更新方法，能够提高模型适应选煤环境变化的能力，为操作人员提供安全、可靠的控制决策。
-
公开(公告)号：CN114967436B
公开(公告)日：2024-10-25
申请号：CN202210203508.6
申请日：2022-03-02
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 一种基于多模型与传递熵的煤泥浮选过程贝叶斯网络控制方法，确定需要用到的变量和几种常见的异常工况；确定贝叶斯网络节点的个数，并划分其状态；将变量集对应的数据进行离散处理；确定出异常工况相对应的变量集；将离散处理后的数据输入到改进评分函数中进行结构学习得到贝叶斯结构；利用最大似然函数进行参数学习得到模型；提取在线异常数据并利用专家知识选择对应的精细化模型；将在线提取的数据离散化处理数据输入到选择的模型中进行推理；根据推理结果对模型根节点进行调整；判断异常工况是否移除，若未移除则利用更新后的异常工况作为证据继续推理。该方法能为操作人员的安全控制决策提供可靠的依据，并能提高建模的效率和建模的精确度。
-
公开(公告)号：CN116899758A
公开(公告)日：2023-10-20
申请号：CN202310736093.3
申请日：2023-06-21
Applicant: 中国矿业大学
Abstract: 一种基于分布式动态贝叶斯网络的煤泥浮选安全运行控制方法，将煤泥浮选过程进行分块，并确定全局质量指标；确定每个模块与全局质量指标相关的变量；确定全局网络中变量的状态以及局部网络中变量的状态：建立全局贝叶斯网络和局部贝叶斯网络；将全局贝叶斯网络转化为全局动态贝叶斯网络；判断局部贝叶斯网络中是否存在回环结构，有回环结构则进行最弱因果关系的确定；对局部动态贝叶斯网络和全局动态贝叶斯网络进行参数学习；完成分布式动态贝叶斯网络模型的建立；利用在线的异常数据进行控制决策的推理；推理出控制决策并实施；判断异常工况是否移除，未移除继续调整。该方法可有效确保产品质量的达标，同时，有利于确保生产设备的使用寿命。
-
Patent Agency Ranking
公开(公告)号：CN114967436A
公开(公告)日：2022-08-30
申请号：CN202210203508.6
申请日：2022-03-02
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 一种基于多模型与传递熵的煤泥浮选过程贝叶斯网络控制方法，确定需要用到的变量和几种常见的异常工况；确定贝叶斯网络节点的个数，并划分其状态；将变量集对应的数据进行离散处理；确定出异常工况相对应的变量集；将离散处理后的数据输入到改进评分函数中进行结构学习得到贝叶斯结构；利用最大似然函数进行参数学习得到模型；提取在线异常数据并利用专家知识选择对应的精细化模型；将在线提取的数据离散化处理数据输入到选择的模型中进行推理；根据推理结果对模型根节点进行调整；判断异常工况是否移除，若未移除则利用更新后的异常工况作为证据继续推理。该方法能为操作人员的安全控制决策提供可靠的依据，并能提高建模的效率和建模的精确度。
-
公开(公告)号：CN116125915B
公开(公告)日：2024-10-29
申请号：CN202211489071.3
申请日：2022-11-25
Applicant: 中国矿业大学
IPC: G05B19/418
Abstract: 本发明提供了一种基于贝叶斯网络的选煤过程安全与质量一体化控制方法，确定选煤过程中的控制变量与目标变量；确定相应的贝叶斯网络节点类型及等级状态；确定贝叶斯网络结构；确定贝叶斯网络参数；建立安全与质量一体化控制贝叶斯网络；根据溢流灰分判断是否发生异常工况，将控制变量初始状态做离散化处理；利用建立的贝叶斯网络进行推理，获取能够消除异常工况的控制变量调整值；利用建立的贝叶斯网络进行推理得到调整后的溢流灰分值；判断异常工况是否消除；利用建立的贝叶斯网络，并结合模拟退火算法，推理得到能使溢流灰分达到最优的控制变量调整值以及最优溢流灰分值。该方法可以给出有效安全控制决策，能有效提升产品煤的质量。
-
公开(公告)号：CN119926677A
公开(公告)日：2025-05-06
申请号：CN202510020035.X
申请日：2025-01-07
Applicant: 中国矿业大学
Abstract: 一种基于集成学习与分布式混合贝叶斯网络的煤泥浮选控制方法，步骤一：基于集成学习的分布式混合贝叶斯网络离线建模；S11：划分煤泥浮选过程，并确定贝叶斯网络节点；S12：确定N个相应的混合贝叶斯网络结构；S13：利用最大似然估计法确定N个混合贝叶斯网络的参数；S14：完成基于集成学习的分布式混合贝叶斯网络建模；步骤二：进行煤泥浮选过程在线安全运行的控制；S21：基于当前工况数据信息判断是否发生异常工况，并利用N个混合贝叶斯网络控制模型分别制定安全控制决策；S22：集成N个决策结果，制定当前工况的最终安全控制策略；S23：在异常工况未消除时，重新执行S21。该方法能制定出更加合理可靠的安全控制决策。
-
公开(公告)号：CN116125915A
公开(公告)日：2023-05-16
申请号：CN202211489071.3
申请日：2022-11-25
Applicant: 中国矿业大学
IPC: G05B19/418
Abstract: 本发明提供了一种基于贝叶斯网络的选煤过程安全与质量一体化控制方法，确定选煤过程中的控制变量与目标变量；确定相应的贝叶斯网络节点类型及等级状态；确定贝叶斯网络结构；确定贝叶斯网络参数；建立安全与质量一体化控制贝叶斯网络；根据溢流灰分判断是否发生异常工况，将控制变量初始状态做离散化处理；利用建立的贝叶斯网络进行推理，获取能够消除异常工况的控制变量调整值；利用建立的贝叶斯网络进行推理得到调整后的溢流灰分值；判断异常工况是否消除；利用建立的贝叶斯网络，并结合模拟退火算法，推理得到能使溢流灰分达到最优的控制变量调整值以及最优溢流灰分值。该方法可以给出有效安全控制决策，能有效提升产品煤的质量。
-
公开(公告)号：CN114548267A
公开(公告)日：2022-05-27
申请号：CN202210159277.3
申请日：2022-02-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于增量学习的重介质选煤过程安全控制贝叶斯网络模型在线更新方法，属于工业安全运行智能控制技术领域。本发明主要步骤如下：首先，将异常工况的现象变量作为证据信息输入到安全控制贝叶斯网络模型中进行推理。其次，依据最大后验概率原则制定相应的安全控制决策，并依据领域专家知识判断安全控制决策是否合理。若合理，则实施该控制决策。若不合理，则继续判断是否发生新的异常工况，并按照判断条件分别进行结构更新学习和参数更新学习。最后，利用更新完成的安全控制贝叶斯网络模型重新获取安全控制决策。本发明提出的重介质选煤过程安全控制模型更新方法，能够提高模型适应选煤环境变化的能力，为操作人员提供安全、可靠的控制决策。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.03 seconds)
