-
公开(公告)号：CN116693704B
公开(公告)日：2024-08-23
申请号：CN202310758383.8
申请日：2023-06-26
Applicant: 郑州轻工业大学 , 陕西中烟工业有限责任公司
Abstract: 本发明提出了一种基于烟草废弃物的纤维素纳米晶的制备方法，属于纳米晶纤维素制备的技术领域，用以解决纳米晶纤维素制备中硫酸用量大、热稳定性差的技术问题。本发明包括以下步骤：(1)提取烟草废弃物中的纤维素；(2)将纤维素在硫酸‑低共熔溶剂耦合溶液中溶胀酸解，得到纳米晶纤维素悬浊液，将纳米晶纤维素悬浊液离心分离、透析、干燥得到纳米晶纤维素；所述硫酸‑低共熔溶剂耦合溶液包括硫酸溶液和低共熔溶剂；所述低共熔溶剂包括有机酸和多元醇。采用硫酸‑低共熔溶剂耦合水解纤维素制备纳米晶纤维素，通过加入低共熔溶剂降低硫酸用量，并且所制备纳米晶纤维素热分解温度高，稳定性好。
-
公开(公告)号：CN118480216A
公开(公告)日：2024-08-13
申请号：CN202410689820.X
申请日：2024-05-30
Applicant: 郑州轻工业大学 , 陕西中烟工业有限责任公司
Abstract: 本发明涉及一种具有导热效应的复合材料的制备方法，取纳米碳粉末，加入纯水中，形成纳米碳分散液；取硫酸‑低共熔试剂水解法制备的纤维素纳米晶材料，加入上述纳米碳分散液中，配置成混合分散液；混合分散液放置在微电脑微波化学反应器中反应，得到混合溶液；清洗离心，除去未结合的纳米纤维素基材料，完成具有导热效应的复合材料的制备。本发明采用的纳米碳表面携带大量羟基、羧基等官能团，纤维素纳米晶具有羟基官能团，两者在纯水中均匀混合，由于纤维素纳米晶不溶于水，在水中分散性差，通过搅拌共沉淀自组装形成复合物，该复合物具有良好的导热和抑菌性能。
-
公开(公告)号：CN119279258A
公开(公告)日：2025-01-10
申请号：CN202411353797.3
申请日：2024-09-26
Applicant: 陕西中烟工业有限责任公司 , 郑州轻工业大学
Abstract: 本申请提供一种烟草薄片制片装置及其应用方法，包括U型基槽板，U型基槽板内设有加热板，U型基槽板内加热板的上方设有模具板，模具板上方设有可沿U型基槽板长度方向滚动的第一压辊，第一压辊后侧设有刮板；建立烟草薄片的测定指标，指标包括烟草薄片厚度、烟草薄片抗张强度及延伸率、烟草薄片柔软度、红外光谱、面内导热系数；按照烟草薄片不同尺寸定制模具板；设置不同的配料用量，利用烟草薄片制片装置制作不同批次的烟草薄片；分析各烟草薄片的各项性能指标，并推断出烟草薄片最佳配料用量。
-
公开(公告)号：CN117891289A
公开(公告)日：2024-04-16
申请号：CN202410069184.0
申请日：2024-01-17
Applicant: 郑州轻工业大学
IPC: G05D23/20 , G06Q10/04 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种回转窑烧结温度概率区间预测方法、系统及装置，引入了并行的多头自注意机制。通过将多头自注意特征与烧结温度预测模型的上下文向量融合，为解码器提供更丰富的信息，从而提高对输入序列中复杂动态关系的理解能力，增强对长期依赖关系的建模能力。此外，本发明还采用高斯过程回归(GPR)方法进行烧结温度的概率区间预测。GPR可以按照预测的先验分布和已有数据集，推断后验分布并建立概率预测模型。相比确定性方法，GPR预测包含了参数估计的不确定性，提供概率预测区间，更好地指导过程控制决策。
-
Patent Agency Ranking
公开(公告)号：CN116693704A
公开(公告)日：2023-09-05
申请号：CN202310758383.8
申请日：2023-06-26
Applicant: 郑州轻工业大学 , 陕西中烟工业有限责任公司
Abstract: 本发明提出了一种基于烟草废弃物的纤维素纳米晶的制备方法，属于纳米晶纤维素制备的技术领域，用以解决纳米晶纤维素制备中硫酸用量大、热稳定性差的技术问题。本发明包括以下步骤：(1)提取烟草废弃物中的纤维素；(2)将纤维素在硫酸‑低共熔溶剂耦合溶液中溶胀酸解，得到纳米晶纤维素悬浊液，将纳米晶纤维素悬浊液离心分离、透析、干燥得到纳米晶纤维素；所述硫酸‑低共熔溶剂耦合溶液包括硫酸溶液和低共熔溶剂；所述低共熔溶剂包括有机酸和多元醇。采用硫酸‑低共熔溶剂耦合水解纤维素制备纳米晶纤维素，通过加入低共熔溶剂降低硫酸用量，并且所制备纳米晶纤维素热分解温度高，稳定性好。
-
公开(公告)号：CN119515814A
公开(公告)日：2025-02-25
申请号：CN202411567797.3
申请日：2024-11-05
Applicant: 郑州轻工业大学 , 中国烟草总公司郑州烟草研究院 , 陕西中烟工业有限责任公司
IPC: G06T7/00 , G06V10/44 , G06V10/58 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于混合注意力机制增强和3D残差CNN网络的复烤烟叶霉变检测方法，步骤为：收集复烤烟叶样本，制备不同时期霉变烟叶样本；利用高光谱图像采集设备采集霉变复烤烟叶样本的高光谱图像数据；对采集后的高光谱图像数据进行校正；根据校正后高光谱图像数据建立霉变烟叶数据集；构建MA3D‑ResNet模型；利用训练集和验证集对模型进行迭代训练，在指定迭代次数内保存验证集上准确率最高的模型参数；在模型中导入训练得到的准确率最高的模型参数，输入测试集数据，根据模型输出结果计算评价指标，将经过校正过的待测复烤烟叶高光谱图像输入到测试过的模型中，得到霉变检测结果。本发明可以有效提高对光谱特征极为相似的，特别是早期霉变烟叶霉变程度的检测精度。
-
公开(公告)号：CN117828971A
公开(公告)日：2024-04-05
申请号：CN202311499875.6
申请日：2023-11-13
Applicant: 郑州轻工业大学 , 中国烟草总公司郑州烟草研究院 , 陕西中烟工业有限责任公司
IPC: G06F30/27 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于深度学习和信号分解结合的润叶含水率预测方法，利用ReliefF方法从多源数据中筛选出与含水率最相关的特征作为模型的初始输入变量；然后，利用时间注意力机制对不同变量赋予动态权重，通过CNN提取有效特征作为GRU的输入，用于捕捉输入数据的长期时序依赖特征；同时，另外构建一个并行GRU，使用VMD对历史含水率数据进行分解作为GRU的输入，用于捕捉与含水率相关的非线性动态特征；最后，使用拼接层将两个并行特征信息融合为深层时空表征，并输入到全连接层网络中实现出口含水率的预测。本发明方法能够实现准确可靠的含水率预测，为操作人员提供有效的决策参考。
-
公开(公告)号：CN117494007A
公开(公告)日：2024-02-02
申请号：CN202311506756.9
申请日：2023-11-13
Applicant: 郑州轻工业大学 , 中国烟草总公司郑州烟草研究院 , 陕西中烟工业有限责任公司
IPC: G06F18/243 , G06F18/2415 , G06F18/213 , G06F18/15 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/047 , G06N3/08 , G06Q10/04 , G06Q50/04
Abstract: 本发明公开了一种双重注意力机制和XGBoost的出口水分动态预测方法，采用互信息对过程变量初步特征筛选，选择与出口水分相关性最大的输入，降低特征维数，简化模型复杂度；其次，引入特征注意力机制，捕捉不同过程变量与出口水分之间的非线性关系，突出关键部分权重；在BiLSTM提取时序特征基础上，引入时间注意力机制挖掘过程变量不同时刻，自主选取历史信息关键时间点，将加过权重的变量放入BiLSTM中来进一步学习变量的深层特征。最后，建立基于XGBoost的干燥过程模型，实现出口水分精准预测；实验结果验证本文算法的可行性和有效性。本发明能够实现过程变量自动赋权重信息，以高精度预测烟丝水分的变化趋势。
-
公开(公告)号：CN118504751A
公开(公告)日：2024-08-16
申请号：CN202410594451.6
申请日：2024-05-14
Applicant: 郑州轻工业大学 , 中国烟草总公司郑州烟草研究院 , 贵州中烟工业有限责任公司
IPC: G06Q10/04 , G06Q50/04 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/0499 , G06N3/082 , G06N3/084
Abstract: 本发明涉及一种利用改进的Transformer模型在烟草工业松散回潮工序中的智能检测应用。该模型融合了时间卷积网络(TCN)和时间注意力机制，能够有效地提取多变量时序数据的局部特征，并捕捉长期依赖关系，从而提高了烟片出口含水率的预测准确性，通过结合Transformer的非线性拟合能力和长期依赖捕捉能力，以及位置编码和多头注意力机制，为松散回潮工序提供了一种创新的解决方案，能够为烟草工业的自动化和智能化提供有力支持。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.014 seconds)
