-
公开(公告)号：CN113591653B
公开(公告)日：2024-08-02
申请号：CN202110833448.1
申请日：2021-07-22
Applicant: 中南大学
IPC: G06V20/40 , G06V10/56 , G06V10/774
Abstract: 本发明公开了一种基于宽度学习系统的增量式锌浮选工况判别方法，包括以下步骤：首先提取泡沫图像特征，引入粗选槽入矿品位特征，针对两种特征采样频率不一致问题，采用最小二乘法拟合入矿品位使二者协调，解决了评价指标单一问题；然后将提取到的图像特征和入矿品位特征输入宽度学习系统构建基础模型；设置工况识别准确度阈值，当生产条件发生变化，识别准确度低于阈值时，向模型中加入新样本，根据有无新工况产生分别采用增加特征节点、增强节点数目和增加特征节点、增强节点、输出节点数目两种方式对模型进行更新，直到准确度大于阈值，采用增量学习方式无需从头训练全部数据，只对新增加的样本进行训练，缩短训练时间、节省计算资源。
-
公开(公告)号：CN110854875B
公开(公告)日：2023-04-21
申请号：CN201911254488.X
申请日：2019-12-10
Applicant: 中南大学
IPC: H02J3/18
Abstract: 本发明公开了一种牵引供电系统无功补偿优化调节方法，针对电气化铁路供电系统的单相供电给三相电网造成功率不平衡时无功补偿的优化调节。本发明主要包括复合PI滞环控制、优化方向感知和无功提前感知三个部分，优化方向感知主要确定无功补偿的修正方向；无功提前感知针对历史无功补偿的数据的变化特征和当前数据，感知未来无功变化趋势；复合PI滞环控制在定相位角的基础上根据线电流差和未来无功动态的感知结果对补偿结果进行优化调节。与传统的固定无功相位角补偿方式不同，本发明不仅进行无功提前感知，而且在无功功率相位角变化时，可以及时感知并修正补偿，无功补偿结果更加灵活准确。
-
公开(公告)号：CN110175617B
公开(公告)日：2022-12-27
申请号：CN201910449507.8
申请日：2019-05-28
Applicant: 中南大学
IPC: G06V10/54 , G06V10/74 , G06V10/771
Abstract: 基于纹理时间序列趋势特征匹配的一种浮选模糊故障诊断方法，在泡沫浮选领域，本发明公开了一种浮选过程的模糊故障诊断方式，以泡沫视觉时间序列特征提取为基础，定义了泡沫时间序列的子序列、子模式，采用历史数据信息建立历史特征趋势信息集，度量实时趋势特征与历史趋势特征集相似性，综合序列趋势信息对故障发生几率进行模糊化诊断。本发明提出了模糊故障诊断的概念，通过可靠性序列选取和异常因子设立，建立了浮选工况状态预报表示模型，对趋势走向的判断以及数值化的趋势走向可能性提出了一种新的解决方法。克服原有泡沫特征静态描述浮选过程的缺陷，及时发现工况异常征兆，对未来时刻故障可能性以数值化显示，利于工人操作、稳定优化生产。
-
公开(公告)号：CN110738674B
公开(公告)日：2021-03-02
申请号：CN201911005627.5
申请日：2019-10-22
Applicant: 中南大学
Abstract: 一种基于颗粒密集度的纹理特征度量方法，在泡泡浮选领域，本发明提出一种基于颗粒密集度的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡泡图像，提出了颗粒区域的概念，并对泡泡表面的颗粒区域进行准确提取，将所提取的颗粒区域按中心点位置进行分级，继而对颗粒区域之间的密集程度进行度量，定义了纹理特征颗粒密集度，用以反映整幅图像的纹理特征。有效弥补了传统的纹理特征提取方法没有考虑泡泡表面颗粒的缺陷，从而可以更准确的判断工况并有效指导加药。
-
公开(公告)号：CN110918266B
公开(公告)日：2020-09-29
申请号：CN201911254484.1
申请日：2019-12-10
Applicant: 中南大学
Abstract: 本发明公开了一种提升浮选泡沫质量的控制装置及方法。控制装置由控制器、空气调节阀门、矿料调节阀门、电动机驱动器、电动机、工业摄像头和搅拌叶轮组成，泡沫指矿浆和空气经过搅拌叶轮进行混合并上升到液体表面形成浮选泡沫层，矿料的输送速度和进气速度分别由矿料调节阀门和空气调节阀门控制，其中搅拌叶轮的转速由电动机驱动器控制电机进行调节。矿料指矿物和浮选药剂的水化混合物。本发明通过工业摄像头采集表层泡沫的图像，送入控制器分析泡沫的特征并根据试验采集的数据库利用基于最小二乘的最优解匹配算法计算控制输出控制电动机驱动器及电动机的转速、空气调节阀门和矿料调节阀门的开度，从而获得质量更加优良的浮选泡沫。
-
Patent Agency Ranking
公开(公告)号：CN111709942A
公开(公告)日：2020-09-25
申请号：CN202010602623.1
申请日：2020-06-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于纹理度优化的锌浮选加药量预测控制方法，包括以下步骤：首先提取泡沫图像特征，包括粗选泡沫图象的熵值、能量、逆差矩、泡沫尺寸和泡沫颜色特征以及精选泡沫图象的纹理特征，根据精选泡沫图象纹理参数和精矿品位关系定义纹理复杂度；其次利用提取到的特征参数，采用神经网络构建精选泡沫纹理复杂度预测模型，最后根据精选泡沫纹理复杂度预测值和期望的最佳值的差值平方为目标函数，采用寻优方法计算出药剂量调整值，完成加药控制。本发明结合了精选和粗选泡沫状态特征，使控制结果更加优良，提高了矿物的回收效率，降低了药剂消耗。
-
公开(公告)号：CN110728677A
公开(公告)日：2020-01-24
申请号：CN201911005650.4
申请日：2019-10-22
Applicant: 中南大学
Abstract: 一种基于滑动窗口算法的纹理粗糙度定义方法，在泡沫浮选领域，本发明提出一种基于滑动窗口算法的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡沫图像，提出了颗粒区域的概念，并运用滑动窗口算法对泡泡表面的颗粒区域进行准确提取，对所提取的颗粒区域进行一系列的度量，定义了新的纹理特征量颗粒粗糙度，用以反映整幅图像的纹理特征。该方法有效弥补了传统的纹理特征提取方法没有考虑泡沫表面颗粒的缺陷，从而可以更准确的判断工况并有效指导加药。
-
公开(公告)号：CN115445785A
公开(公告)日：2022-12-09
申请号：CN202211077480.2
申请日：2022-09-05
Applicant: 中南大学
Abstract: 本发明公开了一种基于记忆网络和预测控制器的锌快粗加药量调整方法，应用于泡沫浮选工艺，包括以下步骤：当浮选状态异常时，将当前原矿品位、泡沫视频和加药量构建为输入特征向量；然后，将该输入特征向量在离线构建的记忆网络中搜索最相似的记忆项，搜索到的记忆项和特征向量输入到LSTM中对加药量调整值进行推理；在LSTM推理过程中，利用预测控制器对加药量调整后的精矿品位进行预测，当预测的精矿品位在预期区间内时停止推理；最后，将LSTM的隐藏单元状态输入到全连接层获得最终的加药量调整值。本发明方法利用记忆网络为加药量调整值推理过程提供经验知识，并且预测控制器对加药量调整值进行有控制地输出，可以避免频繁操作导致浮选过程的波动。
-
公开(公告)号：CN113591653A
公开(公告)日：2021-11-02
申请号：CN202110833448.1
申请日：2021-07-22
Applicant: 中南大学
Abstract: 本发明公开了一种基于宽度学习系统的增量式锌浮选工况判别方法，包括以下步骤：首先提取泡沫图像特征，引入粗选槽入矿品位特征，针对两种特征采样频率不一致问题，采用最小二乘法拟合入矿品位使二者协调，解决了评价指标单一问题；然后将提取到的图像特征和入矿品位特征输入宽度学习系统构建基础模型；设置工况识别准确度阈值，当生产条件发生变化，识别准确度低于阈值时，向模型中加入新样本，根据有无新工况产生分别采用增加特征节点、增强节点数目和增加特征节点、增强节点、输出节点数目两种方式对模型进行更新，直到准确度大于阈值，采用增量学习方式无需从头训练全部数据，只对新增加的样本进行训练，缩短训练时间、节省计算资源。
-
公开(公告)号：CN110728253B
公开(公告)日：2021-03-02
申请号：CN201911006079.8
申请日：2019-10-22
Applicant: 中南大学
Abstract: 一种基于颗粒粗糙度的纹理特征度量方法，在泡沫浮选领域，本发明提出一种基于颗粒粗糙度的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡沫图像，提出了颗粒区域的概念，并对泡泡表面的颗粒区域进行准确提取，对所提取的颗粒区域进行一系列的度量，通过一系列计算定义了纹理特征量颗粒粗糙度，用以反映整幅图像的纹理特征。该方法有效弥补了传统的纹理特征提取方法没有考虑泡沫表面颗粒的缺陷，从而可以更准确的判断工况并有效指导加药。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.027 seconds)
