-
公开(公告)号：CN114862055A
公开(公告)日：2022-08-05
申请号：CN202210622952.1
申请日：2022-06-01
Applicant: 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
Abstract: 本发明公开了一种基于多源数据驱动的钢铁企业高炉煤气预测方法，步骤一：建立包含高炉煤气发生量、高炉煤气消耗量及其影响因素的实时数据库；步骤二：对步骤一生成的CSV文件进行预处理；步骤三：对原始数据进行数据分析，计算煤气量与其所有潜在影响因素的相关系数；步骤四：制作相应的训练样本，并划分训练数据集、验证数据集和测试数据集；步骤五：使用一维卷积神经网络和循环神经网络，对高炉煤气产生量和高炉煤气消耗量及其主要影响因素进行特征提取操作；本发明通过将卷积神经网络和循环神经网络应用到高炉煤气产消量的预测上，利用煤气历史量和主要影响因素相结合的多源数据进行驱动，实现了全自动、低误差率的实时动态煤气量预测。
-
公开(公告)号：CN112199423A
公开(公告)日：2021-01-08
申请号：CN202010905210.0
申请日：2020-09-01
Applicant: 河钢数字技术股份有限公司
IPC: G06F16/25 , G06F16/2458 , G06F16/215 , G06F16/28
Abstract: 本发明公开了一种ETL数据质量判定与反馈方法，该方法包括：获取ETL数据处理过程的判定指标，根据所述判定指标的结果值和预设期望值的比较结果确定对所述ETL数据处理过程的质量判定结果，并在根据ETL处理日志确定所述ETL任务失败时，根据所述ETL处理日志和目标数据中携带的标记信息从所述数据仓库中确定出所述脏数据，并对所述脏数据进行清理，从而进一步提高了对ETL数据质量判定的准确性，并通过质量判定结果进行反馈，及时发现ETL处理过程中的问题，保证了输出数据的准确性。
-
公开(公告)号：CN114782773A
公开(公告)日：2022-07-22
申请号：CN202210406482.5
申请日：2022-04-18
Applicant: 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
IPC: G06V10/774 , G06V10/778 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于树型层进网络的不平衡废钢样本判级方法，涉及金属处理技术领域。该基于树型层进网络的不平衡废钢样本判级方法，能够解决现有废钢判级数据集中所存在的严重长尾效应，从而避免严重偏差的预测结果，提升模型整体预测的无偏性。通过融合动态记忆模块中所存储的各类代表性特征，从而增强当前目标的特征表示，进一步提升了整体模型的预测准确度。通过树型分类网络显示挖掘不同类别间的显著型差异与微小型差异，提升了模型对尾部谓词的整体泛化能力。
-
公开(公告)号：CN114757935A
公开(公告)日：2022-07-15
申请号：CN202210482010.8
申请日：2022-05-05
Applicant: 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/12 , G06N3/08 , G06N3/04 , G06K9/62 , G06V10/44 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种钢铁冷轧退火炉元器件多目标自动测温与预警方法，涉及金属冶炼技术领域，包括以下步骤：采集退火炉关键元器件图像数据、退火炉元器件目标检测算法开发、退火炉元器件图像语义分割算法开发和分析各个元器件的历史温度，设计温度异常检测算法。基于红外热成像摄像头和人工智能技术相结合的自动温度监测系统，并采用基于机器视觉技术的目标检测和图像语义分割算法，获得实时设备元器件图像。在获取现场实测数据的基础上，基于红外热成像摄像头获取关键元器件的实时温度数据，并开发温度异常检测算法，从而判断设备的运行状态并及时对设备异常进行预警。
-
公开(公告)号：CN113239219B
公开(公告)日：2022-05-20
申请号：CN202110516225.2
申请日：2021-05-12
Applicant: 山东大学 , 河钢数字技术股份有限公司
IPC: G06F16/532 , G06F16/535 , G06F16/583 , G06N3/04
Abstract: 本发明提供了一种基于多模态查询的图像检索方法、系统、介质及设备，对参考图像、目标图像和修改文本进行编码，得到图像和文本的局部和全局中间表示；图像和文本的局部中间表示进行细粒度局部组合，图像和文本的全局中间表示经过细粒度全局组合，将局部网络和全局网络进行互学习增强，将局部和全局的参考图像修改表示进行融合，局部和全局的目标图像表示进行相似的融合操作，根据融合之后二者的相似度为依据检索到对应的目标图像，有助于提高图像检索的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113239219A
公开(公告)日：2021-08-10
申请号：CN202110516225.2
申请日：2021-05-12
Applicant: 山东大学 , 河钢数字技术股份有限公司
IPC: G06F16/532 , G06F16/535 , G06F16/583 , G06N3/04
Abstract: 本发明提供了一种基于多模态查询的图像检索方法、系统、介质及设备，对参考图像、目标图像和修改文本进行编码，得到图像和文本的局部和全局中间表示；图像和文本的局部中间表示进行细粒度局部组合，图像和文本的全局中间表示经过细粒度全局组合，将局部网络和全局网络进行互学习增强，将局部和全局的参考图像修改表示进行融合，局部和全局的目标图像表示进行相似的融合操作，根据融合之后二者的相似度为依据检索到对应的目标图像，有助于提高图像检索的准确性。
-
公开(公告)号：CN114970720A
公开(公告)日：2022-08-30
申请号：CN202210588975.5
申请日：2022-05-26
Applicant: 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
Abstract: 本发明公开了一种工业异常预测在钢铁能源公辅中的应用方法，所述应用方法如下：步骤一：首先依托钢铁企业的能源系统，收集一星期内，所有高炉的热风炉的废气温度实时数据以及状态实时数据；步骤二：对步骤一获取的数据进行预处理；步骤三：对步骤二预处理后的数据实现特征提取和多源数据的融合；步骤四：使用结合多种机器学习模型的集成学习方法，为每个高炉的每个热风炉训练一个相应的换炉时间的预测模型；本发明的有益效果是：本发明将集成学习Stacking方法应用到高炉的热风炉换炉时间的预测上，利用高炉热风炉废气温度数据和同一高炉的其他热风炉状态数据进行多源信息的融合作为输入，并结合钢铁行业工艺规则协同计算，来预测工业异常情况。
-
公开(公告)号：CN114723127A
公开(公告)日：2022-07-08
申请号：CN202210344148.1
申请日：2022-03-31
Applicant: 河钢数字技术股份有限公司 , 河钢集团有限公司 , 清华大学
Abstract: 本发明提出了一种基于相关图卷积网络的钢厂空气质量预测方法，包括如下步骤：S1：利用箱线图方法，融合钢厂不同区域监测点的空气质量历史特征数据；S2：对钢厂各区域监测点的空气质量数据特征之间进行皮尔森相关分析，并通过单层感知器获得钢厂各区域监测点之间的图关系；S3：构建时空相关图卷积神经网络模型，通过学习历史时间步钢厂空气质量时空网络序列的图信号特征，对未来多个小时的钢厂各区域空气质量指数进行预测。本发明通过构建基于时空相关图卷积网络的空气质量预测模型，从钢厂多个空气质量监测点获取历史特征数据对钢厂不同区域未来多个小时钢厂空气质量指数进行预测。
-
公开(公告)号：CN112893484A
公开(公告)日：2021-06-04
申请号：CN202110062491.2
申请日：2021-01-18
Applicant: 东北大学 , 河钢集团有限公司 , 河钢数字技术股份有限公司
IPC: B21B37/58
Abstract: 本发明提供一种基于灰色关联度提取的热连轧轧制力自整定方法，涉及热连轧自动控制技术领域。首先确定坯料尺寸数据、产品目标尺寸、钢种牌号与化学成分、温度制度、轧机设备参数及轧制边界条件；然后针对当前需要计算轧制力的带钢轧制参数构建参考数列，并取已生产的N卷带钢的轧制参数构建比较数列；再对参考数列和比较数列进行归一化处理；通过计算得到参考数列与比较数列各个参数的关联系数和关联度。最后找到已生产的N卷带钢与当前正在生产的带钢关联度最高的带钢轧制力自学习系数，将新确定的带钢轧制力自学习系数代入轧制力计算模型，计算得出带钢生产最终需要设定轧制力。本发明方法大幅度提高了热连轧生产过程中的轧制力预测的精度。
-
公开(公告)号：CN114757935B
公开(公告)日：2025-04-22
申请号：CN202210482010.8
申请日：2022-05-05
Applicant: 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/12 , G06N3/08 , G06N3/0464 , G06V10/44 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种钢铁冷轧退火炉元器件多目标自动测温与预警方法，涉及金属冶炼技术领域，包括以下步骤：采集退火炉关键元器件图像数据、退火炉元器件目标检测算法开发、退火炉元器件图像语义分割算法开发和分析各个元器件的历史温度，设计温度异常检测算法。基于红外热成像摄像头和人工智能技术相结合的自动温度监测系统，并采用基于机器视觉技术的目标检测和图像语义分割算法，获得实时设备元器件图像。在获取现场实测数据的基础上，基于红外热成像摄像头获取关键元器件的实时温度数据，并开发温度异常检测算法，从而判断设备的运行状态并及时对设备异常进行预警。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.024 seconds)
