-
公开(公告)号：CN101813932B
公开(公告)日：2012-07-04
申请号：CN200910010295.X
申请日：2009-02-03
Applicant: 东北大学
IPC: G05B19/418 , C22B3/22 , G05B13/04
CPC classification number: Y02P10/234 , Y02P90/02 , Y02P90/26
Abstract: 湿法冶金萃取过程组分含量预测与优化操作方法，采用多级萃取槽的湿法冶金萃取工艺，是通过对湿法冶金萃取过程的混合建模，实现萃余液组分含量的实时预测，并对萃取过程提供在线优化操作指导。包括数据采取、辅助变量的选择以及标准化处理、混合模型的建立、混合模型的校正、优化操作指导的确定等步骤。本发明能大幅度提高浸出率，使生产维持在最佳损伤状态，并能减少原料和能源的消耗，延长设备的运行周期。
-
公开(公告)号：CN117346864A
公开(公告)日：2024-01-05
申请号：CN202311269559.X
申请日：2023-09-28
Applicant: 东北大学
IPC: G01F23/292 , G06V10/30 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/006
Abstract: 本发明属于选冶领域，提出一种浓密机泥层高度软测量方法。基于浓密机泥层高度软测量装置获取浓密机内部泥层处图像和收集对应的泥层高度，通过图像信息和泥层高度数据建立数据集；构建双路径网络；对双路径网络进行预训练，并保存网络参数获取深度特征集合；基于粒子群算法对所述的深度特征集合进行特征选择；建立浓密机内部泥层高度软测量模型；基于所述浓密机内部泥层高度软测量模型计算出泥层高度。本发明解决了浓密机内部泥层高度实时检测的问题。通过深度学习等人工智能方法对于浓密机泥层高度这一关键变量进行建模，既实现对浓密机泥层高度这一关键变量的在线检测，又为后续浓密机智能优化控制方法研究奠定基础。
-
公开(公告)号：CN108507834B
公开(公告)日：2021-04-02
申请号：CN201810684114.0
申请日：2018-06-28
Applicant: 东北大学
Abstract: 本发明提供一种矿浆浓度在线实时检测装置和方法，属于测量方法及装置领域，用于解决矿浆浓度在线实时检测问题，包括：进料管、出料管、采样泵、智能计算模块、参数检测模块、显示模块、数据通讯模块；其中智能计算模块采用一种矿浆浓度在线实时检测方法，根据检测到的泵电机功率P，以及通过获取到的离线检测矿浆浓度C与采样泵电机功率P的对应关系，得到实时矿浆浓度C。该方法和装置简单易于实施，易于后期更换维护，维护成本低，通过矿浆浓度离线数据与在线数据测量值对比，可知其测量的精度满足生产要求。
-
公开(公告)号：CN112506050A
公开(公告)日：2021-03-16
申请号：CN202011218977.2
申请日：2020-11-04
IPC: G05B13/04
Abstract: 一种基于潜变量过程迁移模型的间歇过程集成优化方法，获取新生产过程B和旧生产过程A的数据信息，且展开二维数据矩阵以获得Xa、Ya、Xb、Yb；对A和B生产过程的数据矩阵进行归一化处理，并建立过程迁移模型；构造优化问题并求解B生产过程最优解xb(k)*；在单个批次运行期间内对操作变量x设定n个决策点，将其分成n+1段；当到达第i个决策点时，判断是否缺失数据，在决策点形成输入矢量，对未知数据进行补充，预估未来的操作变量轨迹；判断决策点i处是否存在扰动，存在扰动计算新的控制剖面；对操作变量进行补偿更新，对补偿后的优化解进行滤波；获取最终产品质量，并使用新的控制剖面操作第k+1个批次。该方法能有利于提高产品的生产质量。
-
公开(公告)号：CN110276128A
公开(公告)日：2019-09-24
申请号：CN201910541282.9
申请日：2019-06-21
Applicant: 东北大学
Abstract: 本发明提供一种基于DAJYPLS算法的浓密机底流浓度预测方法，涉及湿法冶金技术领域。本发明步骤如下：步骤1：确定建立模型所需的数据集；步骤2：对数据集中数据标准化处理；步骤3：基于JYPLS算法建立DAJYPLS预测模型；步骤4：对于目标域给定新样本xnew，DAJYPLS预测模型输出浓度预测值 该方法可实现当现场采样数据较少时，仍可以建立出准确的预测模型，以协助操作员进行控制，保证浓密脱水过程安全、稳定运行，提高综合经济效益，同时减少压滤机的故障率。
-
Patent Agency Ranking
公开(公告)号：CN106886154B
公开(公告)日：2019-04-12
申请号：CN201710280388.9
申请日：2017-04-26
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明涉及冶金技术领域，涉及一种基于区间数的湿法冶金全流程建模方法与优化方法，建模方法包括：根据预设时间段内历史数据中的输入变量、输出变量和操作变量建立湿法冶金过程中上游子流程的操作模式库，操作模式库中包括：输入变量、输出变量和操作变量之间的映射关系；根据预设时间段内历史数据中下游子流程在各种工序下的综合经济指标、最优氰化钠操作参数、最优锌粉操作参数，建立最优模式库，所述最优模式库包括：综合经济指标、各工序质量指标、最优氰化钠操作参数、最优锌粉操作参数的映射关系；将所述操作模式库和最优模式库组成湿法冶金过程中的全流程最优模态库。上述方法通过全流程最优模态库在应用中能够提高湿法冶金的经济效益。
-
公开(公告)号：CN108950203A
公开(公告)日：2018-12-07
申请号：CN201810958567.8
申请日：2018-08-22
Applicant: 东北大学
IPC: C22B3/22
Abstract: 本发明提出一种浓密脱水工序智能协调优化方法，包括：建立对浓密脱水工序优化问题进行描述，具体包括：底流泵能耗经济指标、打矿泵能耗经济指标、浓密机压力约束、优化区间约束、不能进行压滤操作的约束、对每柜开泵时间进行约束、计算底流泵运行时间、计算打矿泵运行时间；将复杂的实际问题抽象出具体的数学公式，用数据处理的思想对该数学公式进行求解与预测，实现浓密脱水工序智能协调优化方法，具有通用性，从实验结果来看，预测准确，误差小。浓密机入矿存在波动，压力检测存在噪声，会造成优化结果不准确，因此采用滚动优化时序方法，随时间更新系统状态以及优化区间，提高优化结果准确性、优化模型的抗扰能力。
-
公开(公告)号：CN106950946A
公开(公告)日：2017-07-14
申请号：CN201710343173.7
申请日：2017-05-16
Applicant: 东北大学
IPC: G05B23/02
CPC classification number: G05B23/0243 , G05B2219/24065
Abstract: 本发明提供一种基于优化原则的湿法冶金异常控制方法，包括：获取湿法冶金过程的在线数据；判断在线数据中是否有异常数据；若有，则辨识异常数据，并获取异常数据的异常工况；根据所述异常数据、异常工况确定湿法冶金异常控制的优化原则；根据优化原则，将湿法冶金异常控制问题转换为单目标优化问题或多目标优化问题；根据单目标优化问题或多目标优化问题的约束条件，求解所述单目标优化问题或多目标优化问题，获得安全处理策略；将安全处理策略发送安全控制系统，以使安全控制系统执行安全处理策略。上述方法能够识别异常工况，并针对异常工况制定有效的安全处理策略，可以降低故障的发生概率。
-
公开(公告)号：CN104597755A
公开(公告)日：2015-05-06
申请号：CN201410258103.8
申请日：2014-06-12
Applicant: 东北大学
Abstract: 一种湿法冶金金氰化浸出过程优化方法，采用已知的湿法冶金金氰化浸出工艺，在确保稳定生产及达到生产指标的基础上，实现总生产成本的最小化，包括下述工艺步骤：（1）数据采集、（2）辅助变量的选取和数据处理、（3）优化模型建立、（4）优化模型的求解、（5）浸出过程优化操作指导的确定步骤。本发明能根据生产要求及生产现场状况，优化指导生产过程中的原料添加量，制定合理的生产计划，以解决生产过程中存在的原料添加量不足以及盲目过多添加等问题，确保达到生产要求的同时，避免原料浪费。
-
公开(公告)号：CN119068275A
公开(公告)日：2024-12-03
申请号：CN202410898609.9
申请日：2024-07-05
Applicant: 东北大学
IPC: G06V10/77 , G06V10/26 , G06V10/82 , G06V10/774 , G06V10/44 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种浮选泡沫的特征提取方法及装置、存储介质、计算机设备，涉及矿物浮选技术领域，主要在于解决现有的浮选泡沫分割方法分割过度、对噪声敏感和计算量大的问题，包括获取各种矿物种类在不同浮选状态下的浮选泡沫图像，并从所述浮选泡沫图像中提取泡沫样本图像，得到泡沫样本图像数据集；采用所述泡沫样本图像数据集对改进的视觉大模型进行模型训练操作，得到训练好的泡沫图像分割模型；采用所述泡沫图像分割模型对待分割浮选泡沫图像进行分割处理，得到泡沫图像分割结果；基于所述泡沫图像分割结果提取浮选泡沫的气泡尺寸分布和泡沫流速特征。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.021 seconds)
