-
公开(公告)号：CN116579653A
公开(公告)日：2023-08-11
申请号：CN202310543256.6
申请日：2023-05-15
Applicant: 湖南科技大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/2135 , G06F18/241 , G06N3/0442
Abstract: 本发明涉及铸坯质量技术领域，尤其涉及一种基于AE‑LSTM的多元铸坯质量软测量方法，包括：步骤S1，对PCA的输入样本进行降维，构造输入矩阵I并计算获得协方差矩阵R、特征值λi以及特征向量gi，计算主成分方差贡献率cM,i及累计方差贡献率CM,m；步骤S2，对NARX动态模型结构进行确定，对模型的参数进行调整；步骤S3，基于AE对输入矩阵进行训练，得到伪逆矩阵，计算网络输出权值β；步骤S4，所述LSTM参数进行正向计算，根据L2损失反向计算更新网络中的参数，进行若干次正向计算和反向计算并在L2损失函数收敛时判定LSTM训练完成；步骤S5，输出AE‑LSTM模型对铸坯质量的预测结果，本发明有助于铸坯的生产质量的提高。
-
公开(公告)号：CN116336951A
公开(公告)日：2023-06-27
申请号：CN202310458629.X
申请日：2023-04-26
Applicant: 湖南科技大学
Abstract: 本发明涉及保护渣厚度测量技术领域，尤其涉及一种基于卡尔曼滤波的高精度保护渣厚度检测方法及装置，所述方法通过加渣流量计预测结晶池中保护渣的厚度同时利用红外传感器检测结晶池中的保护渣的厚度，再利用卡尔曼滤波的增益来修正传感器测量值；所述装置包括：红外测定模块、保护渣加渣流量测定模块、第一计算模块、第二计算模块以及第三计算模块，所述检测方法及装置通过不断更新卡尔曼滤波优化函数，使得结晶池中的保护渣厚度测量值更加逼近真实值，有效实现结晶池中保护渣厚度值的精准测量，为连铸工艺的保护渣厚度的控制提供更加准确的数据。
-
公开(公告)号：CN114130971A
公开(公告)日：2022-03-04
申请号：CN202111506905.2
申请日：2021-12-10
Applicant: 湖南科技大学
IPC: B22D11/108 , B22D11/18
Abstract: 本发明提供了一种基于连铸机加渣机理的渣厚自适应控制方法及装置。所述方法包括如下步骤：步骤S1、获取单位时间结晶器内保护渣消耗当量及目标渣厚；步骤S2、实时测量结晶器熔腔内的保护渣厚度，得到实时渣厚；步骤S3、根据所述单位时间结晶器内保护渣消耗当量、实时渣厚、目标渣厚及预设的期望加渣算法计算得到期望加渣厚度；步骤S4、将实时渣厚与所述期望加渣厚度进行比较，得到比较结果；步骤S5、根据所述比较结果及预设的自适应模糊控制算法，生成控制信号；步骤S6、加渣机器人根据所述控制信号向结晶器内加渣，并返回步骤S2，能够提升加渣机器人对渣厚的控制准确性，保证保护渣厚度始终处于目标渣厚区间内。
-
公开(公告)号：CN114130971B
公开(公告)日：2023-08-04
申请号：CN202111506905.2
申请日：2021-12-10
Applicant: 湖南科技大学
IPC: B22D11/108 , B22D11/18
Abstract: 本发明提供了一种基于连铸机加渣机理的渣厚自适应控制方法及装置。所述方法包括如下步骤：步骤S1、获取单位时间结晶器内保护渣消耗当量及目标渣厚；步骤S2、实时测量结晶器熔腔内的保护渣厚度，得到实时渣厚；步骤S3、根据所述单位时间结晶器内保护渣消耗当量、实时渣厚、目标渣厚及预设的期望加渣算法计算得到期望加渣厚度；步骤S4、将实时渣厚与所述期望加渣厚度进行比较，得到比较结果；步骤S5、根据所述比较结果及预设的自适应模糊控制算法，生成控制信号；步骤S6、加渣机器人根据所述控制信号向结晶器内加渣，并返回步骤S2，能够提升加渣机器人对渣厚的控制准确性，保证保护渣厚度始终处于目标渣厚区间内。
-
公开(公告)号：CN116522543A
公开(公告)日：2023-08-01
申请号：CN202310527114.0
申请日：2023-05-11
Applicant: 湖南科技大学
IPC: G06F30/17 , G06F30/27 , G06F111/04 , G06F111/06
Abstract: 本发明涉及智能制造领域，尤其涉及一种多约束条件下钢水保护渣消耗模型求解方法，本发明构建的多约束条件下钢水保护渣消耗－模型为炼钢生产全流程综合生产指标(PPI)优化的最终目标，通过合理配置炼钢连铸全流程的生产资源，包括生产原料、设备、能源，优化PPI指标，从而实现优化全周期内的EPI指标，达到提高炼钢厂效益和效率的目的；运用基于NSGA‑II的运行指标优化求解方法，采用回溯搜索算法以获取最优每吨钢水消耗的保护渣量，求解过程快速高效，具有强稳定性。
-
Patent Agency Ranking
公开(公告)号：CN116449788A
公开(公告)日：2023-07-18
申请号：CN202310618453.X
申请日：2023-05-30
Applicant: 湖南科技大学
IPC: G05B19/418
Abstract: 本发明涉及一种钢厂铸坯生产过程故障检测与产能优化的方法,涉及多变量统计过程控制领域，钢厂铸坯产能优化技术方法包括数据处理、模型建立、参数回归、故障检测和产能优化四个步骤，数据处理步骤用以对输入样本数据进行筛选，剔除输入样本数据中的异常数据和故障数据，模型建立步骤用以对整个铸坯生产过程进行建模，用数学方式表示出铸坯的生产流程，参数回归步骤用以将输入样本数据代入至所述步骤S2中建立的所述模型中，验证模型的可行性，故障检测和产能优化步骤用以判断所述输入样本数据对应的生产指标是否存在生产缺陷并调整输入样本中控制变量的取值使得钢厂铸坯产能最大化。
-
公开(公告)号：CN116280938A
公开(公告)日：2023-06-23
申请号：CN202310483610.0
申请日：2023-05-04
Applicant: 湖南科技大学
Abstract: 本发明涉及自动加渣控制领域，尤其涉及一种基于视觉伺服的加渣机螺旋输料管轨迹校正方法，本发明通过采集加渣机螺旋输料管移动区域的图像，将所获取的图像输入YOLOv5目标检测模型，得到螺旋输料管的标注图像，将所述标注图像输入至SURF特征匹配模型中，得到螺旋输料管的精确坐标，确定螺旋输料管的偏移误差，基于偏移误差控制机械臂对螺旋输料管的移动轨迹进行矫正，本发明通过实时矫正加渣轨迹，且矫正过程计算量小，定位精度高，实时性好，避免加渣过程中的螺旋输料管在按照规划路径前进出现偏移误差时，无法及时校正，加渣的不均匀的现象。
-
公开(公告)号：CN114863133A
公开(公告)日：2022-08-05
申请号：CN202210331972.3
申请日：2022-03-31
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于多任务无监督算法的浮选泡沫图像特征点提取方法。其步骤为采用改进的多任务无监督深度学习网络构建分别构建两个孪生网络，网络分支一处理输入未经处理的公共数据集图像，网络分支二输入经图像变换的公共数据集图像，通过随机非空间图像增强来转换图像，多任务神经网络预测每张图片的感兴趣点，网络分支一的图像的兴趣点位置经过图像变换与分支二中图像的兴趣点在空间上对应，使用该自监督算法中提出的损失函数进行训练；使用工业摄像机采集实时浮选图像并对其进行特征点提取，后通过特征点匹配算法进行特征点匹配。本发明有效的解决浮选泡沫图像特征点误匹配的问题，对泡沫浮选的速度特征有着很好的识别能力。
-
公开(公告)号：CN114863133B
公开(公告)日：2024-08-16
申请号：CN202210331972.3
申请日：2022-03-31
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于多任务无监督算法的浮选泡沫图像特征点提取方法。其步骤为采用改进的多任务无监督深度学习网络构建分别构建两个孪生网络，网络分支一处理输入未经处理的公共数据集图像，网络分支二输入经图像变换的公共数据集图像，通过随机非空间图像增强来转换图像，多任务神经网络预测每张图片的感兴趣点，网络分支一的图像的兴趣点位置经过图像变换与分支二中图像的兴趣点在空间上对应，使用该自监督算法中提出的损失函数进行训练；使用工业摄像机采集实时浮选图像并对其进行特征点提取，后通过特征点匹配算法进行特征点匹配。本发明有效的解决浮选泡沫图像特征点误匹配的问题，对泡沫浮选的速度特征有着很好的识别能力。
-
公开(公告)号：CN218361972U
公开(公告)日：2023-01-24
申请号：CN202221615012.1
申请日：2022-06-24
Applicant: 湖南科技大学
Inventor： 刘瑞 , 卢明 , 成鹏飞 , 何先科 , 贺婧秀 , 黄攀 , 杨梓怡 , 杨李依 , 王静雯 , 尹世杰 , 郭静茹 , 周可伶俐 , 赵锦洋 , 耿可心 , 郭庆玲 , 帅鹏 , 陈志鹏
IPC: B22D11/108 , B22D11/111
Abstract: 本实用新型涉及入料机构技术领域，且公开了一种可调节高度的可旋转式加渣入料机构，包括底座板，所述底座板的顶端分别固定安装有电机支撑箱与收集箱，所述电机支撑箱的内部固定安装有第二电机，所述电机支撑箱的顶端的固定安装有支撑柱，所述第二电机的输出轴端与螺纹柱的底端之间固定连接，所述支撑柱的内部开设有安装腔，所述安装腔的内部活动安装有螺纹柱，本实用新型通过第一电机的转动带动转动柱进行转动，转动柱转动时会带动螺旋板一起转动，以及第一连接柱与第二连接柱转动，且第一连接柱与第二连接柱的边缘处均与入渣筒的内部滑动连接，这样从入渣筒上方进入的渣料将可以随着螺旋板一起转动，再通过下料腔进入收集箱中。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
