-
公开(公告)号：CN110386768A
公开(公告)日：2019-10-29
申请号：CN201910802318.4
申请日：2019-08-28
Applicant: 燕山大学
IPC: C04B7/44
Abstract: 本发明提供了一种水泥烧成过程中能耗动态实时控制方法，其包括：基于互信息从水泥烧成系统的数据库选取与水泥烧制能耗相关的9个输入变量并进行处理得到样本数据矩阵；构建卷积神经网络并进行使用样本数据矩阵进行训练得到训练过后的卷积神经网络模型；以能耗最小值为优化目标对卷积神经网络模型进行优化得到多目标动态优化模型；将水泥烧成过程的生产指标及约束参数输入到多目标动态优化模型进行优化输出水泥烧成过程中的相应控制参数，并将控制参数发送至相应的控制器进行控制。本发明能够跟踪水泥回转窑的工况的变化，及时调整水泥烧成过程的控制参数。
-
公开(公告)号：CN109165798A
公开(公告)日：2019-01-08
申请号：CN201811218283.1
申请日：2018-10-19
Applicant: 燕山大学
Abstract: 本发明公开一种水泥熟料游离氧化钙含量在线预测方法及系统。方法包括：获取深度信念网络模型的输入向量和输出向量；根据输入向量和输出向量构建氧化钙含量预测的深度信念网络模型；获取深度信念网络模型的多个训练样本；训练样本包括输入样本和输出样本；根据多个训练样本对深度信念网络模型进行循环往复训练，生成训练后的深度信念网络模型；获取与水泥烧成过程游离氧化钙指标相关的输入变量作为当前输入向量，输入向量为引入时间序列的输入向量；将当前输入向量输入训练后的深度信念网络模型进行预测，得到水泥熟料游离氧化钙的含量。本发明能够解决水泥烧成过程中变量数据与游离氧化钙指标之间存在时变时延的问题。
-
公开(公告)号：CN111079906B
公开(公告)日：2023-05-05
申请号：CN201911394047.X
申请日：2019-12-30
Applicant: 燕山大学
IPC: G06N3/0442 , G06N3/08 , G06N3/049
Abstract: 本发明公开了一种基于长短时记忆网络的水泥成品比表面积预测方法及系统。该方法包括：对训练输入集中的训练输入数据按照时间序列进行排序；将排序后的训练输入集输入到预先构建好的长短时记忆网络模型中，得到各个时刻的水泥成品比表面积预测值；依据训练输出集和水泥成品比表面积预测值，采用基于时间的反向传播算法计算每个神经元的节点误差项；节点误差项包括遗忘门误差项、输入们误差项和输出门误差项；依据节点误差项，采用随机梯度下降法对待训练参量进行训练，得到训练好的长短时记忆网络模型；将待测试输入集输入到训练好的长短时记忆网络模型中，得到待测试的水泥成品比表面积预测值。本发明能够提高水泥成品比表面积预测的准确度。
-
公开(公告)号：CN110322077B
公开(公告)日：2022-08-02
申请号：CN201910619419.8
申请日：2019-07-10
Applicant: 燕山大学
Abstract: 本发明公开了一种基于卷积神经网络的水泥原料立磨生料细度指标预测方法，涉及水泥生产生料细度预测领域。本发明针对输入变量数据与预测指标之间存在的时变时延问题，采用时间序列的方法处理变量数据可以很好地解决时变时延的问题，利用构建好的卷积神经网络模型对输入数据进行多次的卷积池化操作以提取样本特征，再经过全连接层、Droupout层和输出层输出预测值，同时采用反向传播算法以提高收敛精度，然后用训练好的模型对生料细度进行实时预测。
-
公开(公告)号：CN108932567B
公开(公告)日：2020-12-01
申请号：CN201810910130.7
申请日：2018-08-10
Applicant: 燕山大学
Abstract: 本发明提供一种基于卷积神经网络的水泥烧成过程多能耗指标预测方法，其包括以下步骤：S1：选取与水泥烧成过程能耗相关的12个输入变量，然后对选取后的变量数据进行归一化处理，构建12个变量时间序列输入层；S2：对输入的变量数据进行卷积池化及全连接运算；S3：采用反向传播技术更新权值参数以提高预测精度；S4：利用步骤S3中训练好的CNN模型进行水泥烧成系统的单位电耗及吨煤耗实时预测。本发明建立的CNN模型，能够对水泥烧成系统的单位电耗和吨煤耗进行联合预测，可以及时的为水泥烧成过程提供规划调度依据，同时避免了仅仅预测单一能耗不全面的问题，预测结果更能反应综合能耗实际情况。
-
Patent Agency Ranking
公开(公告)号：CN111079906A
公开(公告)日：2020-04-28
申请号：CN201911394047.X
申请日：2019-12-30
Applicant: 燕山大学
Abstract: 本发明公开了一种基于长短时记忆网络的水泥成品比表面积预测方法及系统。该方法包括：对训练输入集中的训练输入数据按照时间序列进行排序；将排序后的训练输入集输入到预先构建好的长短时记忆网络模型中，得到各个时刻的水泥成品比表面积预测值；依据训练输出集和水泥成品比表面积预测值，采用基于时间的反向传播算法计算每个神经元的节点误差项；节点误差项包括遗忘门误差项、输入们误差项和输出门误差项；依据节点误差项，采用随机梯度下降法对待训练参量进行训练，得到训练好的长短时记忆网络模型；将待测试输入集输入到训练好的长短时记忆网络模型中，得到待测试的水泥成品比表面积预测值。本发明能够提高水泥成品比表面积预测的准确度。
-
公开(公告)号：CN110322077A
公开(公告)日：2019-10-11
申请号：CN201910619419.8
申请日：2019-07-10
Applicant: 燕山大学
Abstract: 本发明公开了一种基于卷积神经网络的水泥原料立磨生料细度指标预测方法，涉及水泥生产生料细度预测领域。本发明针对输入变量数据与预测指标之间存在的时变时延问题，采用时间序列的方法处理变量数据可以很好地解决时变时延的问题，利用构建好的卷积神经网络模型对输入数据进行多次的卷积池化操作以提取样本特征，再经过全连接层、Droupout层和输出层输出预测值，同时采用反向传播算法以提高收敛精度，然后用训练好的模型对生料细度进行实时预测。
-
公开(公告)号：CN110222825A
公开(公告)日：2019-09-10
申请号：CN201910495482.5
申请日：2019-06-10
Applicant: 燕山大学
Abstract: 本发明公开了一种水泥成品比表面积预测方法及系统。所述方法包括：获取待测试水泥成品数据；待测试水泥成品数据包括待测试水泥成品当前时刻的粒度数据和待测试水泥成品上一时刻的比表面积实验值；粒度数据包括多个粒度值；各粒度值均属于不同的粒度范围；将待测试水泥成品数据输入至训练好的比表面积预测模型中，得到待测试水泥成品的比表面积预测值；训练好的比表面积预测模型是通过卷积神经网络算法和反向传播算法确定的。本发明解决了水泥成品比表面积预测过程中变量数据与待测指标之间存在的时变时延的问题，且测量成本低。
-
公开(公告)号：CN110263997A
公开(公告)日：2019-09-20
申请号：CN201910529701.7
申请日：2019-06-19
Applicant: 燕山大学
Abstract: 本发明公开了基于深度神经网络的水泥生产线烟气NOx浓度预测方法，属于水泥生产烟气NOx浓度检测领域。首先根据NOx产生机理结合水泥生产线工艺流程，筛选出预测NOx所需的相关变量，从水泥数据库下载变量的数据并进行预处理；然后以滑动窗口的方式将变量数据形成输入数据，以使输入数据隐含各变量的时延特征；再把DNN网络的输入层和隐含层作为DBN进行无监督训练以提取时延特征，用BP算法反向有监督训练DNN网络以提取对应关系特征；最后，历史数据结合模型预测值滚动预测出未来一段时间的NOx。本发明方法，较好地解决了因烟气NOx检测点设置于烟囱，导致NOx浓度延迟检测，从而难以建立NOx预测模型的问题。
-
公开(公告)号：CN110222825B
公开(公告)日：2021-04-09
申请号：CN201910495482.5
申请日：2019-06-10
Applicant: 燕山大学
Abstract: 本发明公开了一种水泥成品比表面积预测方法及系统。所述方法包括：获取待测试水泥成品数据；待测试水泥成品数据包括待测试水泥成品当前时刻的粒度数据和待测试水泥成品上一时刻的比表面积实验值；粒度数据包括多个粒度值；各粒度值均属于不同的粒度范围；将待测试水泥成品数据输入至训练好的比表面积预测模型中，得到待测试水泥成品的比表面积预测值；训练好的比表面积预测模型是通过卷积神经网络算法和反向传播算法确定的。本发明解决了水泥成品比表面积预测过程中变量数据与待测指标之间存在的时变时延的问题，且测量成本低。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.019 seconds)
