-
公开(公告)号：CN102676818B
公开(公告)日：2013-10-16
申请号：CN201210094681.3
申请日：2012-04-01
Applicant: 中南大学
IPC: C22B3/46
CPC classification number: Y02P10/234
Abstract: 本发明公开了一种湿法炼锌除铜过程锌粉有效性系数预测方法，将锌湿法冶炼净化除铜过程化学反应计量学模型与连续搅拌反应釜物料衡算模型集成，根据出、入口铜离子浓度、锌粉添加量、流量、铜渣氧化亚铜含量化验值等过程参数建立除铜过程锌粉有效性系数预测方法，基于工业运行数据建立锌粉有效性系数数据库，采用时间序列预测方法与自适应窗口长度调节算法，在线预测当前锌粉有效性系数，避免缺乏对除铜反应锌粉除杂效率的测度所导致的锌粉过添加或欠添加产生的出口铜离子浓度波动大、合格率低的问题，为实现湿法炼锌除铜过程出口铜离子浓度的稳定控制提供必要条件。
-
公开(公告)号：CN102676818A
公开(公告)日：2012-09-19
申请号：CN201210094681.3
申请日：2012-04-01
Applicant: 中南大学
IPC: C22B3/46
CPC classification number: Y02P10/234
Abstract: 本发明公开了一种湿法炼锌除铜过程锌粉有效性系数预测方法，将锌湿法冶炼净化除铜过程化学反应计量学模型与连续搅拌反应釜物料衡算模型集成，根据出、入口铜离子浓度、锌粉添加量、流量、铜渣氧化亚铜含量化验值等过程参数建立除铜过程锌粉有效性系数预测方法，基于工业运行数据建立锌粉有效性系数数据库，采用时间序列预测方法与自适应窗口长度调节算法，在线预测当前锌粉有效性系数，避免缺乏对除铜反应锌粉除杂效率的测度所导致的锌粉过添加或欠添加产生的出口铜离子浓度波动大、合格率低的问题，为实现湿法炼锌除铜过程出口铜离子浓度的稳定控制提供必要条件。
-
公开(公告)号：CN101334799A
公开(公告)日：2008-12-31
申请号：CN200810031805.7
申请日：2008-07-18
Applicant: 中南大学
CPC classification number: Y02P10/234
Abstract: 一种锌电解的能耗模型，本发明依据锌电解过程的能耗机理，建立电流效率及槽电压与电流密度、电解液酸浓度、锌浓度及温度之间的数学模型；通过锌电解实验所获得的数据，辨识数学模型中的参数，并根据能耗与电流效率及槽电压的关系获得锌电解过程的能耗模型。本发明建立了各工艺参数和电流效率及能耗的影响的定量关系，使锌电解减少了能耗，降低了生产成本。
-
公开(公告)号：CN119862801A
公开(公告)日：2025-04-22
申请号：CN202510353252.0
申请日：2025-03-25
Applicant: 中南大学
IPC: G06F30/27 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06F17/11
Abstract: 本发明涉及工业过程关键指标监测技术领域，具体公开了基于动态机理模型参数演化的关键工艺指标软测量方法，本发明通过建立基于机理模型和GraphTrans模型的嵌入式混合模型，通过GraphTrans模型估计机理模型的参数，保证了嵌入式混合模型的精度，同时，通过机理模型为GraphTrans模型所输出的动态的机理模型参数提供特定的物理意义，通过嵌入式混合模型完成对工业过程关键指标的预测，解决了传统的引入有综合状态空间的软测量方法，在加权和的计算过程，静态参数和动态特性间的冲突会制约集成机理模型的应用效果的问题。
-
公开(公告)号：CN115840419B
公开(公告)日：2024-12-20
申请号：CN202111554287.9
申请日：2021-12-17
Applicant: 中南大学
IPC: G05B19/418 , G06F18/2451 , G06N20/00
Abstract: 本发明公开了一种基于云边协同字典学习的复杂工业过程监测方法和系统，方法包括：云端使用标签一致字典学习方法对工业过程建立监测模型，对建立的监测模型进行简化，并将简化的监测模型下发到边缘端；边缘端使用简化的监测模型对工业过程进行在线监测，包括故障检测和工况识别，并判断简化的监测模型是否发生模型失配；当简化的监测模型失配时，触发云端更新监测模型和相应的简化监测模型。本发明通过云边协同保持工业过程监测模型一直匹配过程数据，实现对工业过程准确高效的监测，保障工业过程的平稳健康运行。
-
Patent Agency Ranking
公开(公告)号：CN118886192A
公开(公告)日：2024-11-01
申请号：CN202410929449.X
申请日：2024-07-11
Applicant: 中南大学
Abstract: 一种基于自蒸发特性的多级闪蒸模型构建方法及相关设备，涉及闪蒸器闪蒸模型技术领域。在该方法中，基于物料平衡原理建立闪蒸器的一致性闪蒸模型，并基于预设闪蒸层级数级联一致性闪蒸模型得到多级一致性闪蒸模型；构建忽略不同密度溶液混合而造成的体积变化的简化函数；构建关系函数，关系函数中蒸水量与压降正相关、与料液的密度负相关；联立多级一致性闪蒸模型、简化函数、关系函数得到多级闪蒸模型；输出多级闪蒸模型，使工业现场参考多级闪蒸模型对闪蒸过程进行调控来准确地描述各级闪蒸器内料液的自蒸发行为，精准地反映多级闪蒸过程的动态特性，提高多级闪蒸模型的精度，为工业现场的优化控制提供可靠的决策依据。
-
公开(公告)号：CN118795846A
公开(公告)日：2024-10-18
申请号：CN202410771387.4
申请日：2024-06-14
Applicant: 中南大学
IPC: G05B19/418
Abstract: 本发明涉及溶液净化技术领域，具体公开了多时间尺度下溶液净化过程最优设定值的动态校正方法，包括以下步骤：S01：基于模糊规则的低频校正；S02：运行状态变化趋势的划分与在线识别：提出了一种锌粉利用性能指数(ZPUPI)的概念来描述过程的运行状态；S03：提出了一种有监督的自组织映射网络(SOM)方法来构建过程变量与运行状态变化趋势之间的关系；S04：基于集成的、时空的即时学习的高频校正方法，解决了现有溶液净化过程关键技术指标最优设定值仅通过前馈设定而忽略过程的动态性和长流程性，提供了一种基于不同种类的过程数据动态地对溶液净化过程关键技术指标最优设定值进行反馈校正的方法。
-
公开(公告)号：CN116125922B
公开(公告)日：2024-06-21
申请号：CN202310023849.X
申请日：2023-01-09
Applicant: 中南大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于平行式字典学习的复杂工业过程监测方法和系统，方法包括：根据各监测变量的方差膨胀因子，提取工业过程的共线性变量集；基于线性最大化方法从共线性变量集中划分线性变量子集，剩余监测变量构成非线性变量子集；对每个线性变量子集均基于字典学习建立线性监测模型，对非线性变量子集则基于核字典学习建立非线性监测模型；基于建立的线性和非线性监测模型计算重构误差，并计算各误差控制限；在线获取复杂工业过程的实时监测样本数据，计算各变量子集的重构误差；基于各重构误差和控制限，融合计算当前监测样本数据的全局指标，由全局指标判定当前工业过程是否故障。本发明可以实现对线性、非线性共存的复杂工业过程的监测。
-
公开(公告)号：CN117236174A
公开(公告)日：2023-12-15
申请号：CN202311202856.2
申请日：2023-09-18
Applicant: 中南大学
IPC: G06F30/27 , G06N3/092 , G06F111/04 , G06F111/06 , G06F119/08
Abstract: 本发明涉及挥发窑温度场优化技术领域，具体公开了一种基于约束多目标深度强化学习的挥发窑温度场优化方法，包括以下步骤：步骤S1，以挥发窑的温度场作为决策变量，锌回收率、碳排放量作为优化目标，并考虑过程约束，将挥发窑的温度场优化描述为一个典型的多目标优化问题；步骤S2，设计了一个称为不可控因子的评估指标来量化温度场的可控性约束；步骤S3，采用深度强化学习算法中的动态惩罚方法来处理温度场的可控性约束；步骤S4，以切比雪夫标量化函数作为约束深度强化学习算法的动作选择机制，并通过训练其中的深度神经网络来获得优化结果。本发明解决了传统的挥发窑温度场优化难度大，导致其最优温度场难以高效获得的问题。
-
公开(公告)号：CN117092026A
公开(公告)日：2023-11-21
申请号：CN202310664834.1
申请日：2023-06-07
Applicant: 中南大学
IPC: G01N21/01 , G01N21/25 , G05B19/042
Abstract: 本发明公开了一种用于压缩光谱检测的自适应编码光源及其自适应编码方法，其中自适应编码光源包括聚光部分(1)和发光部分(2)，发光部分(2)包括若干LED灯，且所有LED灯发出多个不同波长段的光；所述发光部分(2)根据压缩光谱检测对象自适应地产生观测矩阵，以及根据观测矩阵对所有LED灯的开关状态进行编码控制；所述聚光部分对LED灯发出的光进行聚光输出。本发明的自适应编码方法及光源，输出波段种类多且可以自动切换输出波段，结构紧凑，体积小，方便携带与安装，而且抗干扰能力强，稳定性好。
-
-
-
-
-
-
-
-
-
Search Results
312
records
(took 0.03 seconds)
