-
Patent Agency Ranking
公开(公告)号：CN119152980A
公开(公告)日：2024-12-17
申请号：CN202410921567.6
申请日：2024-07-10
Applicant: 浙江大学
IPC: G16C20/70 , G16C20/20 , G16C20/10 , G06F18/213 , G06F18/25 , G06F18/27 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/08 , G06F17/18 , G06F123/02
Abstract: 本发明提出了一种基于Copula函数与时空卷积网络的高炉铁水硅含量软测量方法。结合R‑藤copula函数和图神经网络（GCN），提出依赖高炉数据的过程变量间特征提取框架，获取变量间关系，进而实现高炉过程变量间特征的提取；依赖高炉数据的过程变量时序特征提取框架，使用带有门控机制的时间卷积神经网络（TCN）进行高炉过程变量序列的时序特征提取；将提取到的过程变量间特征、时序特征以及原始过程变量序列进行拼接，采用多层线性层构成的回归器实现高炉铁水硅含量的软测量。本发明可避免在使用GCN以及TCN进行特征提取时丢失原始数据的重要细节，同时也可增强铁水软测量模型的准确性和鲁棒性。
-
公开(公告)号：CN118897946A
公开(公告)日：2024-11-05
申请号：CN202410938309.9
申请日：2024-07-13
Applicant: 浙江大学
IPC: G06F17/18 , G06N3/0455 , G06N3/084
Abstract: 本发明提出了一种基于流模型的深度变分典型变量分析的高炉炼铁监测方法。首先，通过整合变分自编码器、流模型和典型变量分析，设计了FDVCVA模型的整体结构及相应的损失函数，以提取高炉炼铁过程的深度动态不确定性特征。随后，利用随机梯度下降法对该模型进行训练，以优化其参数，提高模型的泛化能力和稳定性。然后，本发明基于FDVCVA模型的结果在典型变量隐空间中确定T2监测统计量，并使用核密度估计技术计算控制限。本发明能够有效提取高炉炼铁过程中的深度动态不确定性特征，使得监测模型在面对高度非线性和动态特性的情况下，依然能够保持高效和稳健的监测性能；能够及时检测和预警异常状况，确保生产过程的安全和稳定。
-
公开(公告)号：CN117708521A
公开(公告)日：2024-03-15
申请号：CN202311622402.0
申请日：2023-11-30
Applicant: 浙江大学
IPC: G06F18/20 , G06F18/213 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本申请提供了一种基于流程工业数字孪生平台多模态数据的软测量方法，从数据集成层中读取相应的过程变量时间序列和生产过程图像序列等多模态数据序列，对读取到的各类多模态数据序列进行时间尺度的统一以及时间窗口的对齐，在此基础上，从图像序列中提取图像特征时间序列，利用对齐后的各类时间序列对相应的性能指标进行软测量，并将性能指标软测量的结果反馈给流程工业数字孪生平台的数据集成层，以实现软测量结果在其他任务和服务上的快速调用，形成信息流动闭环。上述方法能够自动、快速、准确地对流程工业中一些难以获得的性能指标进行软测量，提升了流程工业性能指标软测量的效果，进而为监测、诊断、优化控制等下游任务提供参考和指导。
-
公开(公告)号：CN119989986A
公开(公告)日：2025-05-13
申请号：CN202510146639.9
申请日：2025-02-10
Applicant: 浙江大学 , 冶金自动化研究设计院有限公司
IPC: G06F30/28 , G06F30/27 , G06N3/0499 , G06N3/084 , G06F30/25
Abstract: 本发明提出了一种基于物理信息神经网络增强的氢气竖炉气固耦合建模方法。针对气相运动建模所需的NS方程求解部分，使用Neural ODE在氢气竖炉大量历史数据基础的上增强SST k‑ω湍流模型的混合函数部分，提高SST k‑ω湍流模型在炉内不同区域的求解精度；针对固相运动建模部分，使用离散单元法（Discrete Element Method，DEM）计算固体颗粒间受力并使用牛顿定律建模固体颗粒的运动方程；针对耦合建模部分，基于曳力模型将固相运动方程和气相运动方程实现耦合。本发明利用PINN的复杂拟合能力，使得我们能够更为精准的在不同区域之间进行湍流模型的切换，进而针对氢气竖炉内部气固耦合运动建模能取得更为精准结果。
-
公开(公告)号：CN117708521B
公开(公告)日：2025-03-11
申请号：CN202311622402.0
申请日：2023-11-30
Applicant: 浙江大学
IPC: G06F18/20 , G06F18/213 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本申请提供了一种基于流程工业数字孪生平台多模态数据的软测量方法，从数据集成层中读取相应的过程变量时间序列和生产过程图像序列等多模态数据序列，对读取到的各类多模态数据序列进行时间尺度的统一以及时间窗口的对齐，在此基础上，从图像序列中提取图像特征时间序列，利用对齐后的各类时间序列对相应的性能指标进行软测量，并将性能指标软测量的结果反馈给流程工业数字孪生平台的数据集成层，以实现软测量结果在其他任务和服务上的快速调用，形成信息流动闭环。上述方法能够自动、快速、准确地对流程工业中一些难以获得的性能指标进行软测量，提升了流程工业性能指标软测量的效果，进而为监测、诊断、优化控制等下游任务提供参考和指导。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
