-
公开(公告)号：CN106845796B
公开(公告)日：2018-04-13
申请号：CN201611234215.5
申请日：2016-12-28
Applicant: 中南大学
Abstract: 本发明提供一种加氢裂化流程产品质量在线预测方法。所述方法包括：S1基于产品质量离线化验时间前一个流程时滞时间窗口内的产品的敏感参数，利用多项式最小二乘法拟合得到所述产品敏感参数的稳态指数；S2基于所述产品敏感参数的稳态指数和所述产品敏感参数对所述流程的影响程度，利用Dempster规则构建系统稳态指数；根据系统稳态指数，获得产品质量离线化验时间前一个流程时滞时间窗口内系统处于稳态的稳态数据；S3基于所述稳态数据中各敏感参数在流程时滞时间窗口内的数据均值，利用随机森林产品质量在线预测模型实现所述产品的质量在线预测。本发明的方法充分利用加氢裂化全流程过程变量使得预测得到的质量能够反映全局运行状况。
-
公开(公告)号：CN106874644A
公开(公告)日：2017-06-20
申请号：CN201611235402.5
申请日：2016-12-28
Applicant: 中南大学
CPC classification number: G06F19/704 , C10G45/72 , C10G2300/202 , G05B23/024 , G06F19/707
Abstract: 本发明提供一种加氢精制过程中含硫和/或氮的化合物的氢解程度的实时预测方法及其系统，所述方法包括：基于所述过程的当前操作条件，利用极限学习机ELM模型实时预测所述过程中含硫和/或氮的化合物的氢解程度。本发明根据加氢裂化流程在线可检测的过程变量利用ELM实时预测加氢精制过程含硫和/或氮的化合物的氢解程度，可为加氢裂化流程精制反应器的运行优化提供重要的状态信息。
-
公开(公告)号：CN106845796A
公开(公告)日：2017-06-13
申请号：CN201611234215.5
申请日：2016-12-28
Applicant: 中南大学
IPC: G06Q10/06
CPC classification number: G06Q10/06395
Abstract: 本发明提供一种加氢裂化流程产品质量在线预测方法。所述方法包括：S1基于产品质量离线化验时间前一个流程时滞时间窗口内的产品的敏感参数，利用多项式最小二乘法拟合得到所述每个敏感参数的稳态指数；S2基于所述每个敏感参数的稳态指数和所述每个敏感参数对所述流程的影响程度，利用Dempster规则构建系统稳态指数；根据系统稳态指数，获得产品质量离线化验时间前一个流程时滞时间窗口内系统处于稳态的稳态数据；S3基于所述稳态数据中各敏感参数在流程时滞时间窗口内的数据均值，利用随机森林产品质量在线预测模型实现所述产品的质量在线预测。本发明的方法充分利用加氢裂化全流程过程变量使得预测得到的质量能够反映全局运行状况。
-
公开(公告)号：CN105787509A
公开(公告)日：2016-07-20
申请号：CN201610105488.3
申请日：2016-02-25
Applicant: 中南大学
CPC classification number: Y02P90/30 , G06K9/6223 , G06K9/628 , G06Q50/04
Abstract: 本发明涉及数据处理、聚类算法、组合优化等技术领域，尤其涉及一种铁矿混匀过程的预配料方法。本发明提出了一种基于聚类算法和组合优化的铁矿混匀过程预配料方法，其步骤包括：原料成分数据预处理操作；依据原料成分中硅元素含量差异完成一次聚类操作，即利用Canopy?Kmeans聚类方法将其分成N大类；在此基础上，依据铁元素含量差异利用K?means算法进行二次聚类；考虑化学元素指标等约束条件，利用合并和分解的方法对分类结果进行处理；随后，运用组合优化思想确定最优下料次序，得到最终的配料方案。本发明提供的铁矿混匀过程的预配料方法，节省计算耗时，保证每班混匀料化学成分误差尽可能小，且班与班之间混匀料化学成分的方差波动范围小，精度较高。
-
公开(公告)号：CN120010428A
公开(公告)日：2025-05-16
申请号：CN202510500984.8
申请日：2025-04-21
Applicant: 中南大学
IPC: G05B19/418 , G06F18/2415 , G06F18/214
Abstract: 本发明涉及级联冶金过程监测技术领域，具体公开了一种级联冶金过程自适应与可解释的监测方法，通过构建包括基于BSOM模型的增量学习触发器和训练完毕的VGATEPi模型混合模型，并构建有用于故障定位与解释的异常感知定位机制，从动态变化的级联冶金过程变量中有效地进行持续学习，实现可解释的监测结果，本发明方法能够显著提升过程监测性能，特别是在降低过程监测中的误报率方面，解决了传统的基于静态图模型的监测方法，对于非平稳变化的数据的监测，因不会随时变特性自动更新，存在容易出现误报和漏报的问题。此外，本发明能够提供故障变量之间可解释的因果关系，为异常过程提供重要的维护依据。
-
Patent Agency Ranking
公开(公告)号：CN118915526A
公开(公告)日：2024-11-08
申请号：CN202410951768.0
申请日：2024-07-16
Applicant: 深圳市中金岭南有色金属股份有限公司丹霞冶炼厂 , 中南大学
IPC: G05B19/042
Abstract: 本发明涉及一种级联耦合下的分布式智能自主控制方法，包括如下步骤：第1步：对于每个设备建立基于状态自学习的非线性动力学模型，得到L个分布式非线性预测模型；第2步：每个设备根据自己的状态在线学习自回归模型参数；第3步：对于在线控制，获得第l个设备未来输出的多步预测，然后进行控制序列的优化；第4步：将控制序列的第一个值应用于设备l，如果l＝L，跳转到步骤2继续进行滚动优化，否则继续执行步骤5；第5步：预测信息沿级联方向传输，计算第个设备l+1的未来的入口条件；第6步：令l＝l+1并跳转到步骤3，实现级联分布式控制。相比其控制精度大大提升，为多设备级联下的精细化控制提供了新的解决思路。
-
公开(公告)号：CN118711712A
公开(公告)日：2024-09-27
申请号：CN202411178481.5
申请日：2024-08-27
Applicant: 中南大学
Abstract: 本发明涉及炼锌技术领域，具体公开了一种湿法炼锌净化过程电位预设定值修正方法，包括离线学习阶段和结合离线学习阶段进行的在线学习阶段，在离线学习阶段构建了过程参数主元特征原因层‑ORP变化量结果层的双层BN模型结构，并确定了最后的BN结构G，在线学习阶段以JTR算法作为推理引擎并结合当前反应状态，获得了电位预设定值修正的概率分布，并选择概率最大的均值作为最后的电位预设定值修正量，并与电位预设定值相加形成电位设定值，解决了传统的湿法炼锌除钴净化过程中的电位预设定值在优化调整期间，所引入的方法不能直接准确预测与优化电位预设定值的问题。
-
公开(公告)号：CN115202190B
公开(公告)日：2024-04-16
申请号：CN202210846935.6
申请日：2022-07-06
Applicant: 中南大学
IPC: G05B11/42
Abstract: 本发明提供一种基于工艺指标调节潜质的工况划分和识别方法，涉及工业过程控制方法领域。该一种基于工艺指标调节潜质的工况划分和识别方法，包括以下步骤：S1：变量预处理；S2：获取动态波动系数；S3：构建模糊评估模型；S4：获取评估值并划分类别；S5：控制框架设计。通过提出控制方法可以有效区别出不同控制效果的工况类别，从而从中提取出控制规则，对控制方案进行指导。相比于人工控制，其控制方式更加合理和智能，避免了被控变量的长时间波动。相比于PID控制来说，不用频繁调节PID参数，适用性大大增加同时控制效果与PID控制相当，同时实施例的实验结果表明所提出的控制方法效果优于PID控制和模糊控制。
-
公开(公告)号：CN117649891A
公开(公告)日：2024-03-05
申请号：CN202410015367.4
申请日：2024-01-05
Applicant: 中南大学
IPC: G16C20/20 , G06N3/0464 , G06N3/08 , G06Q50/06 , G06F30/27
Abstract: 本发明公开了一种基于双误差优化神经网络的出水COD浓度软测量方法、设备和介质，方法：采集目标污水处理厂过程变量的样本数据并预处理，包括出水COD浓度及其他多种过程变量；计算出水COD浓度与每种其他过程变量间的Pearson相关系数和核密度互信息值，计算加权求和值并依据该值优选过程变量作为辅助变量；建立神经网络，以辅助变量为输入、出水COD浓度为输出，以点预测误差最小化和分布误差最小化为寻优目标，调节神经网络参数，得到出水COD浓度软测量模型；实际测量时，采集辅助变量值，输入至出水COD浓度软测量模型，得到出水COD浓度。本发明能快速准确对出水COD浓度进行在线检测，保障污水处理厂安全稳定运行。
-
公开(公告)号：CN117572829A
公开(公告)日：2024-02-20
申请号：CN202311354128.3
申请日：2023-10-19
Applicant: 中南大学
IPC: G05B19/418
Abstract: 本发明公开了一种多模态工业过程全工况高实时预测控制方法和设备，方法在学习全工况显示控制律时：先使用一种工况数据集学习当前工况的显式控制律，即学习自组织模糊神经网络的参数；再根据已学习工况的数据覆盖率，确定是否增加模糊规则；若是小范围工况变化，则在原有损失基础上引入弹性权重巩固项机制，确保学习到新工况控制策略同时保持对历史工况的控制性能；若是大范围工况变化，采用截断径向基神经元生长机制，通过增加模糊规则来学习新工况的控制策略，使得显式控制律能够适应大范围工况变化；在线控制时，使用全工况显式控制律根据当前控制状态得到控制序列。本发明克服传统多模型在线求解优化问题，实现工业过程全工况的精准控制效果。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.021 seconds)
