-
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。
-
公开(公告)号：CN107818409A
公开(公告)日：2018-03-20
申请号：CN201710990386.9
申请日：2017-10-23
Applicant: 燕山大学
CPC classification number: G06Q10/0637 , G06K9/6223 , G06Q50/04
Abstract: 本发明提供一种基于模糊关联规则的水泥生产参数及调节区间的优化方法，通过对历史数据库中的稳态数据进行关联规则挖掘，得到水泥生产系统稳态运行时参数间的强关联规则，利用关联规则确定水泥生产参数优化值及其调节区间。所述方法分为5个步骤：参数配置；数据采集及预处理；模糊集构建；模糊关联规则挖掘；参数优化值及其调节区间确定。本发明采用了动态确定最小支持度和最小置信度的方法，使得挖掘出的关联规则更为合理，该方法在火水泥生产过程节能优化控制技术领域内具有广泛的实用价值和应用前景。
-
公开(公告)号：CN108932567A
公开(公告)日：2018-12-04
申请号：CN201810910130.7
申请日：2018-08-10
Applicant: 燕山大学
CPC classification number: G06Q10/04 , C04B7/44 , G06N3/0454 , G06Q50/04
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。
-
公开(公告)号：CN107679671A
公开(公告)日：2018-02-09
申请号：CN201710990534.7
申请日：2017-10-23
Applicant: 燕山大学
Abstract: 本发明公开了一种隐含时间序列深度信念网络的水泥生产电耗预测方法，其内容包括：根据水泥工艺选取输入变量，并进行归一化处理，构建模型的输入层；确定模型的初始参数完成对HTS-DBN模型的初步建立，并对模型进行无监督的前向训练，确定初始权值和偏置；采用BP反向误差修正算法对整个神经网络进行有监督的反向微调。利用训练好的HTS-DBN模型进行水泥生产电耗实时预测。本发明建立的HTS-DBN水泥能耗预测模型解决了时变时延问题，能够精确的预测水泥生产电耗量，对水泥生产的科学生产调度和合理的能源规划提供依据，从而为水泥制造的优化生产和降低能耗提供条件。
-
-
-
Search Results
4
records
(took 0.013 seconds)
