-
公开(公告)号：CN102021254A
公开(公告)日：2011-04-20
申请号：CN201010603664.9
申请日：2010-12-17
Applicant: 浙江大学
Abstract: 本发明公开了一种高炉系统与TRT装置分布式协调控制方法。分别建立高炉系统和TRT装置的关联模型，采用分布式协调控制方法，首先确定高炉系统和TRT装置的采样周期，然后对两个模型进行优化求解，采用可变窗口长度的分布式预测控制方法，建立协调控制机制，实现高炉系统和TRT装置协调控制。本发明通过数据服务器进行数据交互，读取关联系统的数据信息，分别进行优化求解，大大减小协调优化计算量，从全局的、整体的角度对两个系统进行协调优化控制，有效缓解原料成分波动和其他扰动作用对生产操作和产品质量的影响，减少不必要能源浪费，保证高炉炉内温度分布正常，炉顶压力稳定，TRT装置发电量最大，两个系统平稳、高效的运行。
-
公开(公告)号：CN110807365B
公开(公告)日：2022-02-11
申请号：CN201910934615.4
申请日：2019-09-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于GRU与一维CNN神经网络融合的水下目标识别方法，属于水声目标识别领域。针对水声目标识别问题，提出了一种基于GRU与一维CNN神经网络融合的水下目标识别方法，利用基于GRU的循环神经网络结构解决了传统神经网络无法提取水声信号的时序特征的问题，同时使用一维CNN卷积神经网络结构提取水声信号的时域波形特征。融合GRU与一维CNN神经网络结构提取的特征向量，丰富了输入分类器的特征值信息。扩展了影响识别准确率的辅助信息输入，包括距离、水听器深度、信道深度等信息并加入Dropout层和批规范化层避免了过拟合问题，提高了水声目标的识别准确度。
-
公开(公告)号：CN110807365A
公开(公告)日：2020-02-18
申请号：CN201910934615.4
申请日：2019-09-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于GRU与一维CNN神经网络融合的水下目标识别方法，属于水声目标识别领域。针对水声目标识别问题，提出了一种基于GRU与一维CNN神经网络融合的水下目标识别方法，利用基于GRU的循环神经网络结构解决了传统神经网络无法提取水声信号的时序特征的问题，同时使用一维CNN卷积神经网络结构提取水声信号的时域波形特征。融合GRU与一维CNN神经网络结构提取的特征向量，丰富了输入分类器的特征值信息。扩展了影响识别准确率的辅助信息输入，包括距离、水听器深度、信道深度等信息并加入Dropout层和批规范化层避免了过拟合问题，提高了水声目标的识别准确度。
-
公开(公告)号：CN102021254B
公开(公告)日：2012-06-13
申请号：CN201010603664.9
申请日：2010-12-17
Applicant: 浙江大学
Abstract: 本发明公开了一种高炉系统与TRT装置分布式协调控制方法。分别建立高炉系统和TRT装置的关联模型，采用分布式协调控制方法，首先确定高炉系统和TRT装置的采样周期，然后对两个模型进行优化求解，采用可变窗口长度的分布式预测控制方法，建立协调控制机制，实现高炉系统和TRT装置协调控制。本发明通过数据服务器进行数据交互，读取关联系统的数据信息，分别进行优化求解，大大减小协调优化计算量，从全局的、整体的角度对两个系统进行协调优化控制，有效缓解原料成分波动和其他扰动作用对生产操作和产品质量的影响，减少不必要能源浪费，保证高炉炉内温度分布正常，炉顶压力稳定，TRT装置发电量最大，两个系统平稳、高效的运行。
-
-
-
Search Results
4
records
(took 0.033 seconds)
