-
公开(公告)号:CN111047103A
公开(公告)日:2020-04-21
申请号:CN201911316382.8
申请日:2019-12-19
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了基于多工况模式辨识的烧结过程碳效在线预测方法及设备,利用综合焦比作为衡量烧结过程碳效的指标;根据烧结机理分析和数据相关性分析,确定影响烧结碳效的关键烧结参数:台车速度、料层厚度、BTP、BTP温度、风箱负压、垂直燃烧速度以及与碳效指标相关性最高的3个风箱的温度;使用近邻传播聚类算法自动辨识烧结过程多种工况模式,在不同工况模式下建立基于混合核的最小二乘向量机的烧结过程碳效预测模型;根据实际生产数据与不同工况模式下的范例数据点的马氏距离调用哪一工况模式下的预测模型来实现碳效的在线预测。本发明的效果是:为提高烧结过程碳利用率奠定了基础,为实现钢铁工业绿色制造和智能制造提供一种行之有效的方法。
-
公开(公告)号:CN109376500A
公开(公告)日:2019-02-22
申请号:CN201811566613.6
申请日:2018-12-19
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了基于预测模型的烧结过程综合焦比在线优化方法及系统,首先,确定以综合焦比作为衡量烧结过程碳效的指标;通过烧结过程的机理分析和数据统计分析,确定影响综合焦比的关键烧结参数,并使用模糊C均值聚类算法辨识不同的工况模式,针对不同的工况模式分别建立综合焦比预测子模型;然后,使用模糊隶属度函数对不同工况模式下的综合焦比预测子模型进行融合,得到综合焦比混合预测模型;最后,基于综合焦比混合预测模型,以操作参数为约束条件,运用粒子群优化算法来实现烧结过程综合焦比的在线优化。本发明的有益效果是:实现烧结过程综合焦比的在线优化,为现场工人提供指导意见,有利于实现烧结过程节能降耗和绿色制造。
-
公开(公告)号:CN106755972A
公开(公告)日:2017-05-31
申请号:CN201611154987.8
申请日:2016-12-14
Applicant: 中国地质大学(武汉)
IPC: C22B1/16
CPC classification number: C22B1/16
Abstract: 本发明公开了一种基于数据降维法预测烧结过程综合焦比的方法,包括以下步骤:(1)分析烧结过程机理得到影响烧结过程综合焦比的烧结参数;(2)对烧结参数进行数据降维,并重新组合,得到主成分变量;(3)将主成分变量作为输入变量输入最小二乘支持向量机模型,所述最小二乘支持向量机模型的输出变量即为烧结过程综合焦比。本发明能解决烧结参数之间存在的耦合问题,为烧结过程碳效优化奠定基础,并且能够实现烧结过程综合焦比的精确预测,满足实际烧结过程生产要求。
-
公开(公告)号:CN105624394A
公开(公告)日:2016-06-01
申请号:CN201610021142.5
申请日:2016-01-13
Applicant: 中国地质大学(武汉)
IPC: C22B1/22
Abstract: 本发明公开一种基于风箱废气温度的烧结料层热状态识别方法,步骤一:根据对实际测量的风箱废气温度数据进行时序配准和平均值法处理,建立样本数据,再利用拟合法来确定拟合函数的种类和阶次;步骤二:由确定阶次的拟合函数形成风箱废气温度拟合函数,对风箱废气温度拟合函数应用微分求极值法,求取风箱废气温度曲线的最高温度值;步骤三:在风箱废气温度曲线上,根据实际工艺和机理,确定高温温度值,再确定高温保持时间。本发明方法只需通过简单的拟合、快速的识别,即可实现烧结过程的料层热状态准确识别,反映烧结过程料层热状态的变化,对降低生产能耗,提高烧结矿产量和质量具有重要作用。
-
公开(公告)号:CN120013348A
公开(公告)日:2025-05-16
申请号:CN202510107016.0
申请日:2025-01-23
Applicant: 中国地质大学(武汉)
IPC: G06Q10/0639 , G06Q10/0635 , G06Q50/26 , G06N3/006 , G06N3/0895 , G06N3/0985 , G06N3/126 , G06N7/01
Abstract: 本发明公开了一种基于渐进式优化框架的泥石流易发性评价方法,包括研究区的基础资料进行收集和整理;选取评价因子,并对评价因子进行相关性分析;划分流域单元,构建频率比模型进行易发性评价,并选择最优流域单元;采用半监督学习对负样本进行选择,构建机器学习数据集;通过对比不同Boosting算法和超参数优化算法,通过多种评估指标构建乡镇尺度下精度最高的评价模型以及采用SHAP技术,以量化分析不同评价因子对评价模型决策过程的贡献。本发明通过渐进式优化框架的方法不仅能够为乡镇区域地质灾害的风险评估提供精确且可解释的理论支撑,也将为灾害管理与防控策略的优化提供重要的实践参考,从而有效降低潜在风险和经济损失。
-
公开(公告)号:CN119379469A
公开(公告)日:2025-01-28
申请号:CN202411542132.7
申请日:2024-10-31
Applicant: 中国地质大学(武汉)
Abstract: 本发明提出了一种基于时间级联宽度回声状态学习系统的烧结终点动态预测方法,涉及钢铁烧结过程生产节能降耗领域,该方法基于烧结过程机理分析和斯皮尔曼等级相关系数,确定直接影响烧结终点的过程参数:17#风箱温度、18#风箱温度、19#风箱温度、20#风箱温度、21#风箱温度、22#风箱温度、BTP温度、料层厚度、台车速度和垂直燃烧速度;然后,提出一种基于时间级联宽度回声状态学习系统作为BTP动态预测方法;最后,根据实际生产数据,以影响BTP直接相关的过程参数为输入,BTP为输出,进行BTP动态预测。本发明所提出的动态预测方法能够实现BTP的准确动态预测,进而为实现钢铁工业绿色制造和智能制造奠定基础。
-
公开(公告)号:CN117973614A
公开(公告)日:2024-05-03
申请号:CN202410138737.3
申请日:2024-01-31
Applicant: 中国地质大学(武汉)
IPC: G06Q10/04 , G06Q10/0631
Abstract: 本发明提供了一种焦炉推焦作业优化调度方法、设备及存储介质,涉及钢铁炼焦领域,其方法包括:建立强化生产模式下推焦生产数据的样本数据库、分析样本数据库中异常工况下推焦相关时间量的特点、基于异常工况下推焦相关时间量的特点建立强化生产模式异常工况下的焦炉推焦作业调度模型、采用改进的遗传算法来优化模型中推焦顺序和推焦时间,得到最终的焦炉推焦作业优化调度方法;设备及存储介质用于实现方法;本发明的有益效果是:有效的反映实际焦炉推焦过程中的推焦排序和时间关系、具有更高的可靠性、符合钢铁炼焦过程实际生产要求,为强化生产模式异常工况下焦炉推焦作业调度过程建模及优化调度方面的研究奠定基础,具有实用性和适用性。
-
公开(公告)号:CN117912581A
公开(公告)日:2024-04-19
申请号:CN202410073787.8
申请日:2024-01-18
Applicant: 中国地质大学(武汉)
IPC: G16C20/10 , G16C20/70 , G06F18/214
Abstract: 本发明提供了一种考虑不平衡输出数据的烧结过程CO/CO2智能预测方法及系统,涉及钢铁烧结过程节能降耗领域,包括,采用最小绝对收缩与选择算子方法来确定影响CO/CO2智能预测模型的输入变量:料层厚度、点火温度、混合水分、风箱负压、垂直燃烧速度、上升点温度、上升点位置、烧结终点温度和烧结终点位置;利用数据增强方法对输入变量进行扩展,得到训练数据集;基于混合核相关向量机建立CO/CO2智能预测模型,利用训练数据对CO/CO2智能预测模型进行训练;利用训练好后的CO/CO2智能预测模型对实际生产数据进行实时预测,得到CO/CO2预测值,反映烧结生产过程含碳能源的燃烧程度。本发明的效果是:为实现烧结过程节能降耗与绿色制造提供一种行之有效的方法。
-
公开(公告)号:CN113047775B
公开(公告)日:2022-01-18
申请号:CN202110327665.3
申请日:2021-03-26
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供一种井壁稳定性约束下的钻进轨迹多目标优化方法,以轨迹长度、钻柱扭矩作为优化目标,以中靶误差,安全泥浆密度上限和下限为约束,建立井壁稳定性约束下的钻进轨迹优化模型;利用结合拐点和反世代距离的多目标进化算法求解井壁稳定性约束下的轨迹优化问题,得到一组互不支配的轨迹设计方案集;选择在各点处安全泥浆密度值变化最小的方案作为最终的轨迹设计方案,本发明建立的井壁稳定性约束下的钻井轨迹优化问题模型,能够在轨迹设计中给出安全钻进方向;有效解决井壁稳定性约束下的钻井轨迹优化问题,有利于在实际钻井工程的应用。
-
公开(公告)号:CN111210147A
公开(公告)日:2020-05-29
申请号:CN202010009643.8
申请日:2020-01-06
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了基于时序特征提取的烧结过程运行性能评价方法,本发明以过程能力指数作为运行性能的评价指标,并以此为依据划分运行性能等级。首先提取烧结过程每个检测参数时间序列的四种特征变量,分别是平均值、标准差、平均绝对误差和趋势特征。将时间序列特征变量作为运行性能评价模型的输入量,将运行性能等级的编码作为运行性能评价模型的输出量,利用反向传播神经网络构建运行性能评价模型。本发明用时间序列特征变量表示了数据冗余的时间序列,这不仅有助于提高运行性能的评价精度,更是为操作人员评价和控制烧结过程提供了有力指导。
-
-
-
-
-
-
-
-
-