-
公开(公告)号：CN115081687A
公开(公告)日：2022-09-20
申请号：CN202210606561.0
申请日：2022-05-31
Applicant: 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
Abstract: 本发明公开了基于知识引导的多源信息融合的高炉煤气预测方法，S1：获取高炉煤气发生量和高炉煤气发生量相关影响因素的瞬时值数据，保存为数据文件；S2：对S1的数据文件数据进行去除异常、归一化预处理等操作，并构建实验数据集；S3：对S2数据集输入特征实施注意力机制处理和自适应学习权重操作；S4：将S3处理后的特征输入神经网络模型，分别训练和测试高炉煤气发生量模型和消耗量模型；S5：判断预测结果是否异常，修正和优化模型；通过自适应学习不同信息源数据的权重，帮助模型关注关键信息；通过区别性对待不同历史时刻提升模型预测性能；本发明结合生产流程知识和工艺背景等指导性规则，进一步修正和优化模型，引导模型主动挖掘数据中的工艺信息。
-
公开(公告)号：CN114970720A
公开(公告)日：2022-08-30
申请号：CN202210588975.5
申请日：2022-05-26
Applicant: 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
Abstract: 本发明公开了一种工业异常预测在钢铁能源公辅中的应用方法，所述应用方法如下：步骤一：首先依托钢铁企业的能源系统，收集一星期内，所有高炉的热风炉的废气温度实时数据以及状态实时数据；步骤二：对步骤一获取的数据进行预处理；步骤三：对步骤二预处理后的数据实现特征提取和多源数据的融合；步骤四：使用结合多种机器学习模型的集成学习方法，为每个高炉的每个热风炉训练一个相应的换炉时间的预测模型；本发明的有益效果是：本发明将集成学习Stacking方法应用到高炉的热风炉换炉时间的预测上，利用高炉热风炉废气温度数据和同一高炉的其他热风炉状态数据进行多源信息的融合作为输入，并结合钢铁行业工艺规则协同计算，来预测工业异常情况。
-
公开(公告)号：CN114943689A
公开(公告)日：2022-08-26
申请号：CN202210459349.6
申请日：2022-04-27
Applicant: 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/46 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于半监督学习的钢铁冷轧退火炉元器件检测方法，涉及工业生产技术领域。采用高精度的FasterR‑CNN检测模型，主干网络采用ResNet50网络，并加入特征金字塔来捕捉不同尺度的特征信息，提高了检测的准确率。本发明针对炼钢设备标注人力物力成本过大的问题和半监督学习时元器件的类别不平衡导致预测有偏差的问题，采用了半监督学习目标检测方法—无偏教师方法，先用有标注的数据单独训练教师模型，之后教师生成伪标签来训练学生模型，学生模型通过EMA算法来逐步更新教师模型。通过半监督学习无偏教师目标检测方法，实现了在仅有少量标注数据训练情况下，对钢铁冷轧退火炉元器件进行精准检测。
-
公开(公告)号：CN114821444A
公开(公告)日：2022-07-29
申请号：CN202210531062.X
申请日：2022-05-16
Applicant: 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
Abstract: 本发明公开了一种基于视觉感知的无人天车作业区域安全检测方法，涉及工业生产技术领域。该检测方法通过对钢厂实际场景图片的标注获取专用的数据集，并用该数据集对目标检测模型进行进一步的微调，优化了目标检测模型在钢厂这种特殊场景下对工作人员的识别效果，此外本发明将重叠判断算法与目标检测模型相结合，使得目标检测程序能够判断出被识别的人员是否处在工作区域中，从而进一步判断当前是否是防止钢卷的合适时机，有效防止了无人天车在工作区域有工人作业时将钢卷下放而产生的安全隐患，也为钢厂的工人提供了较为安全的工作环境。
-
公开(公告)号：CN114821256A
公开(公告)日：2022-07-29
申请号：CN202210426917.2
申请日：2022-04-21
Applicant: 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
Abstract: 本发明公开了一种基于小目标数据增强和多视角协同推理的废钢分类方法，涉及金属回收技术领域。包括以下步骤：建立多视角废钢图片数据集、针对大分辨率图像设计剪裁策略、生成特征图、提取不同视角废钢图片之间的一致性与互补性特征信息、实现小型废钢的分类、检测和分割和对输入图片进行预测，获取分类、检测和分割结果。针对大分辨率图像设计剪裁策略，通过对输入图片进行裁剪操作来进行图像增强，提高了小型废钢在每张图片中的面积占比，以助于提取到足够的特征进行识别，能够提升对小型废钢的检测率和分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN112893484A
公开(公告)日：2021-06-04
申请号：CN202110062491.2
申请日：2021-01-18
Applicant: 东北大学 , 河钢集团有限公司 , 河钢数字技术股份有限公司
IPC: B21B37/58
Abstract: 本发明提供一种基于灰色关联度提取的热连轧轧制力自整定方法，涉及热连轧自动控制技术领域。首先确定坯料尺寸数据、产品目标尺寸、钢种牌号与化学成分、温度制度、轧机设备参数及轧制边界条件；然后针对当前需要计算轧制力的带钢轧制参数构建参考数列，并取已生产的N卷带钢的轧制参数构建比较数列；再对参考数列和比较数列进行归一化处理；通过计算得到参考数列与比较数列各个参数的关联系数和关联度。最后找到已生产的N卷带钢与当前正在生产的带钢关联度最高的带钢轧制力自学习系数，将新确定的带钢轧制力自学习系数代入轧制力计算模型，计算得出带钢生产最终需要设定轧制力。本发明方法大幅度提高了热连轧生产过程中的轧制力预测的精度。
-
公开(公告)号：CN112380179A
公开(公告)日：2021-02-19
申请号：CN202011463361.1
申请日：2020-12-14
Applicant: 河钢数字技术股份有限公司
IPC: G06F16/176 , G06F21/60 , G06F21/62 , G16Y30/10
Abstract: 本发明公开了一种基于区块链的钢铁供应链信息秘密共享方法及系统，方法包括步骤：1）将供应链上的物流明文数据和供应链上下游企业提供的企业信息录入区块链联盟链节点；2）利用属性加密算法将得到的数据通过密钥进行加密，并基于Shamir门限方案保护密钥；3）将密钥写入智能合约；4）采用基于DPoS+PBFT的混合共识机制和对应算法，将DPoS的授权机制应用于PBFT中实现动态授权，通过DPoS联盟内拥有投票权的节点动态投票选择记账节点，使用PBFT记账节点轮流记账，记账后投票通过，将加密后的数据存储入区块链联盟链的节点；5）利用智能合约的验证机制确认用户是否有权限查看数据，确认后利用拉格朗日插值算法找到密钥，解析加密数据密文，恢复明文数据。
-
公开(公告)号：CN112116279A
公开(公告)日：2020-12-22
申请号：CN202011096810.3
申请日：2020-10-14
Applicant: 河钢数字技术股份有限公司
Abstract: 本发明公开了一种钢铁冶金行业安全生产隐患管理系统，包括终端、服务器、无线传输模块、隐患发现模块、隐患评估模块、隐患处理模块、隐患整改记录模块、隐患整改验收模块，其中，终端的APP端用于创建安全隐患电子操作单据，更改隐患电子操作单据的管理状态；无线传输模块用于电子操作单据的数据传输；服务器用于实现电子操作单据的保存、查看、分析、提醒；本发明的有益效果是：有助于实现对隐患发现、隐患风险评估、隐患整改治理、隐患整改验收的系统流转，针对每一条安全隐患可以实现实时查询、有效监管、及时治理，通过对于隐患整改全业务跟踪记录，实现风险隐患的全生命周期管理；模块化设计，提高了隐患管理系统的运行效率。
-
公开(公告)号：CN110941618A
公开(公告)日：2020-03-31
申请号：CN201911178004.8
申请日：2019-11-27
Applicant: 河钢数字技术股份有限公司
Abstract: 本发明公开了一种海量异构数据存储方法及系统，所述方法包括：从数据源获取海量异构数据；根据设定的规则对海量异构数据进行分类，分为：结构化数据、半结构化数据和非结构化数据以及系统运行过程中产生的热点数据；根据数据的元数据，将不同类型的数据存储至不同的数据存储分区，不同的数据存储分区包括：关系型数据库Oracle、MySQL和非关系型数据库HBase、内存型数据库Redis。本发明提供的海量异构数据存储方法及系统，通过整合多种数据库，实现了海量结构化数据、半结构化数据和非结构化数据的有效结合和统一存储管理，解决了数据的异构性、海量性和不确定性的问题。
-
公开(公告)号：CN119939542A
公开(公告)日：2025-05-06
申请号：CN202411956357.7
申请日：2024-12-28
Applicant: 河钢数字技术股份有限公司
Abstract: 本申请涉及一种无损的数据库水印方案，包括如下步骤：S1、原始数据输入预处理模块进行预处理，对原始数据进行属性选择，得到预处理数据；S2、预处理数据进入水印嵌入模块中处理，得到嵌入数据；S3、嵌入数据若未被恶意攻击，则直接进入水印提取模块中的掩码生成及水印提取中处理，再经过多数投票处理，生成水印；S4、嵌入数据被恶意攻击，则进入水印提取模块中的数据分区处理，再经过掩码生成及水印提取中处理，最后经过多数投票处理，生成水印。本申请实施例提供的整体系统，零失真：将水印信息嵌入数据库的同时，不对原始数据库进行修改，适用于需要高精度数据的应用场景，具有良好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.087 seconds)
