-
公开(公告)号：CN114201853B
公开(公告)日：2024-12-27
申请号：CN202111306689.7
申请日：2021-11-05
Applicant: 吉林中粮生化有限公司 , 中粮生物科技股份有限公司 , 大连理工大学 , 中粮营养健康研究院有限公司
IPC: G06F30/20
Abstract: 本发明实施例提供一种玉米淀粉工艺参数与淀粉乳DE值的关联度分析方法，属于大数据的工艺建模领域，包括：运用主成分分析法对初始输入数据进行特征提取处理和降维处理得到初始输入数据的特征向量和初始输入数据的主成分输入数据；将主成分输入数据运用卷积神经网络模型进行训练，计算训练后的卷积神经网络模型的总权值矩阵；将初始输入数据的特征向量依次组合成的矩阵作为初始输入数据的权值矩阵；将卷积神经网络模型的总权值矩阵与初始输入数据的权值矩阵相乘得到的矩阵作为玉米淀粉工艺位点与淀粉乳产品DE值对应的关联度矩阵。本发明根据玉米淀粉工艺位点与淀粉乳产品DE值的关联情况，针对不同原料可快速形成工艺调整方案，提高淀粉乳DE值。
-
公开(公告)号：CN114201854B
公开(公告)日：2024-12-31
申请号：CN202111315609.4
申请日：2021-11-08
Applicant: 吉林中粮生化有限公司 , 中粮生物科技股份有限公司 , 大连理工大学 , 中粮营养健康研究院有限公司
IPC: G06F30/20 , G06F18/2135 , G06N3/0442 , G06N3/08
Abstract: 本发明实施例提供一种基于主成分分析法和神经网络的工艺优化方法，属于大数据的工艺建模领域，包括：获取工艺中位点上的样本点数据；运用主成分分析法进行降维处理，得到工艺中位点对应的特征数据；运用主成分分析法确定工艺中位点对应的特征数据的权重；根据工艺中位点对应的特征数据的权重确定工艺中主要位点；将工艺中主要位点上的样本点数据输入循环神经网络进行训练，以还原糖占糖浆干物质的百分比作为目标，训练所述循环神经网络，并根据循环神经网络的权值矩阵确定工艺中主要位点的重要度值；根据工艺中主要位点的重要度值确定工艺中用于优化工艺参数的位点。本发明将工艺中主要位点运用工艺参数调节，能优化生产成本和加工效率。
-
Patent Agency Ranking
公开(公告)号：CN116151091A
公开(公告)日：2023-05-23
申请号：CN202111400153.1
申请日：2021-11-19
Applicant: 吉林中粮生化有限公司 , 中粮生物科技股份有限公司 , 大连理工大学 , 中粮营养健康研究院有限公司
IPC: G06F30/27 , G06N3/0464 , G06N3/086 , G06N3/126 , G06N3/08 , G06F111/06
Abstract: 本发明实施例提供一种基于GA‑CNN的加工工艺优化参数的分析方法，属于大数据的工艺建模领域，其包括：获取加工工艺中的位点对应的生产监测原始数据形成初始标准数据；运用遗传算法确定所述加工工艺中每一代种群包含的位点，将每一代种群中的位点所对应的初始标准数据通过神经网络进行训练，将训练结果的平均相对误差作为该代种群的适应度函数值；将最优种群所对应的位点对应的初始标准数据，运用卷积神经网络以加工工艺优化方法中的控制目标作为输出结果，进行训练；根据训练完成的卷积神经网络的Olden权值确定影响加工工艺优化方法中的控制目标的优化调整位点。本发明调整加工工艺优化方法中的控制目标的优化调整位点，从而优化后续的生产过程。
-
公开(公告)号：CN114201854A
公开(公告)日：2022-03-18
申请号：CN202111315609.4
申请日：2021-11-08
Applicant: 吉林中粮生化有限公司 , 中粮生物科技股份有限公司 , 大连理工大学 , 中粮营养健康研究院有限公司
Abstract: 本发明实施例提供一种基于主成分分析法和神经网络的工艺优化方法，属于大数据的工艺建模领域，包括：获取工艺中位点上的样本点数据；运用主成分分析法进行降维处理，得到工艺中位点对应的特征数据；运用主成分分析法确定工艺中位点对应的特征数据的权重；根据工艺中位点对应的特征数据的权重确定工艺中主要位点；将工艺中主要位点上的样本点数据输入循环神经网络进行训练，以还原糖占糖浆干物质的百分比作为目标，训练所述循环神经网络，并根据循环神经网络的权值矩阵确定工艺中主要位点的重要度值；根据工艺中主要位点的重要度值确定工艺中用于优化工艺参数的位点。本发明将工艺中主要位点运用工艺参数调节，能优化生产成本和加工效率。
-
公开(公告)号：CN114201853A
公开(公告)日：2022-03-18
申请号：CN202111306689.7
申请日：2021-11-05
Applicant: 吉林中粮生化有限公司 , 中粮生物科技股份有限公司 , 大连理工大学 , 中粮营养健康研究院有限公司
IPC: G06F30/20
Abstract: 本发明实施例提供一种玉米淀粉工艺参数与淀粉乳DE值的关联度分析方法，属于大数据的工艺建模领域，包括：运用主成分分析法对初始输入数据进行特征提取处理和降维处理得到初始输入数据的特征向量和初始输入数据的主成分输入数据；将主成分输入数据运用卷积神经网络模型进行训练，计算训练后的卷积神经网络模型的总权值矩阵；将初始输入数据的特征向量依次组合成的矩阵作为初始输入数据的权值矩阵；将卷积神经网络模型的总权值矩阵与初始输入数据的权值矩阵相乘得到的矩阵作为玉米淀粉工艺位点与淀粉乳产品DE值对应的关联度矩阵。本发明根据玉米淀粉工艺位点与淀粉乳产品DE值的关联情况，针对不同原料可快速形成工艺调整方案，提高淀粉乳DE值。
-
公开(公告)号：CN113987915A
公开(公告)日：2022-01-28
申请号：CN202111111790.7
申请日：2021-09-18
Applicant: 吉林中粮生化有限公司 , 中粮生物科技股份有限公司 , 大连理工大学 , 中粮营养健康研究院有限公司
IPC: G06F30/27 , G06Q50/02 , G06F119/02
Abstract: 本发明的实施方式提供一种基于神经网络参数优化的食品工业数据建模系统，包括：数据采集模块，用于获取食品工业过程的多个位点的现场生产数据，以及受所述多个位点的现场生产数据所影响的过程终点的生产结果数据；神经网络建模模块，用于构建以所述多个位点为输入参数，所述过程终点为输出参数的神经网络模型，以所述多个位点的现场生产数据及其对应的生产结果数据为训练样本，对所述神经网络模型进行训练；以及位点筛选模块，用于从训练好的神经网络模型中获取所述多个位点对应的权重系数，根据所述权重系数从所述多个位点中选择关键位点建立所述食品工业过程的模型。本发明提供的实施方式应用于食品工业数据建模中。
-
公开(公告)号：CN112952164A
公开(公告)日：2021-06-11
申请号：CN202110108473.3
申请日：2021-01-27
Applicant: 大连理工大学
IPC: H01M8/0612 , H01M8/1011
Abstract: 本发明属于化工行业的多联产设计领域，涉及一种耦合碳捕集煤制甲醇和燃料电池热电联产装置和方法。该装置首先将煤转化为粗合成气，然后粗合成气被分为两部分，一部分粗合成气进入变换单元转化为富氢合成气，其中一部分富氢合成气进入燃料电池阳极，另一部分富氢合成气与未转化粗合成气混合进入甲醇合成单元。甲醇合成单元中未反应的合成气随后被送入燃气轮机中进行发电，燃气轮机排出的废气进入燃料电池的阴极提供氧气，同时将其中的二氧化碳富集到阳极进行捕集。最后，建立了三级蒸汽动力循环系统回收变换单元、甲醇合成单元和燃料电池单元等过程的余热，为了提高余热回收效率，采用了一种动态夹点模型来优化余热回收效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.078 seconds)
