-
Patent Agency Ranking
公开(公告)号：CN119623199A
公开(公告)日：2025-03-14
申请号：CN202411827039.0
申请日：2024-12-12
Applicant: 东北大学
IPC: G06F30/23 , G06F17/11 , G06N20/20 , G06N5/01 , G06V10/774 , G06V10/764 , G06V10/54 , G06V10/82 , G06F111/10 , G06F119/08 , G06F113/08
Abstract: 本发明提供了一种基于数字孪生的高炉温度异常预测方法，涉及数字孪生技术领域，根据实时采集的风口回旋区图像，确定自适应扩散系数，可以避免现有技术中由于自适应扩散系数未固定值产生的误差，进而基于确定的自适应扩散系数，可以确定能量守恒方程，进而根据风口回旋区图像对应的实时观测数据，以及质量守恒方程和动量守恒方程，求解得到速度场，将速度场的速度输入风口回旋区图像对应的能量守恒方程中，采用有限差分法求解方程，得到温度场，进而提取温度场的温度场特征，进而通过异常情况预测模型对温度场特征进行处理，得到温度场的温度标签，根据实验结果表明，本发明对于高炉温度异常预测得到了提高，并且显著的提高了实时性能。
-
公开(公告)号：CN119740702A
公开(公告)日：2025-04-01
申请号：CN202411827042.2
申请日：2024-12-12
Applicant: 东北大学
IPC: G06Q10/04 , G06Q10/063 , G06Q50/26 , G06N3/0464 , G06N3/045 , G06V10/44 , G06V10/82 , G06V10/77 , G06F17/11 , G06N20/20 , G06N5/01 , G06N3/047 , G06N3/006
Abstract: 本发明提出了一种基于数字孪生的高炉碳排放浓度预测方法，涉及数字孪生技术领域，本发明采用多源数据融合，使用简单的机理模型构建高炉温度场，通过将运行参数与高炉顶部热成像图的图像关键特征相结合，并补充温度场特征，建立共享矩阵；进而利用ResNet50和自编码器提取图像特征，并建立随机森林(RF)模型。基于共享矩阵，构建随机权神经网络算法(RVFLNs)模型，并采用粒子群优化(PSO)算法组合随机森林(RF)模型和随机权神经网络算法(RVFLNs)模型的预测结果，从而提高预测精度。
-
公开(公告)号：CN119626359A
公开(公告)日：2025-03-14
申请号：CN202411827050.7
申请日：2024-12-12
Applicant: 东北大学
IPC: G16C20/10 , G16C10/00 , G06F30/28 , G06F30/23 , G06F17/10 , G06F17/13 , G06F113/08 , G06F111/10 , G06F119/14
Abstract: 本发明提供一种基于数字孪生的高炉一氧化碳成分场计算方法，涉及高炉碳排放技术领域，研究了高炉内部化学成分的分布，采用纳维‑斯托克斯方程模拟气体流动，并利用基于网格的有限差分算法求解二维高炉流体模型，得到气体速度场、温度场和固体温度场。同时，建立了化学动力学模型，考虑了焦炭燃烧、碳溶解损失和氧化铁还原反应。高炉被划分为五个子空间，并计算了相应的反应速率场。最后，通过炉顶气体数据的迭代得到了一氧化碳浓度场。这种方法能够实时开发出符合工业要求的一氧化碳浓度场模型。
-
公开(公告)号：CN119623103A
公开(公告)日：2025-03-14
申请号：CN202411827046.0
申请日：2024-12-12
Applicant: 东北大学
IPC: G06F30/20 , G06F17/11 , G06N3/0464 , G06N3/048 , G06Q10/04 , G06Q10/063 , G06Q50/04 , G06F111/10 , G06F119/08 , G06F119/14 , G06F113/08
Abstract: 本发明提供一种基于数字孪生的高炉碳排放异常预测方法，涉及高炉碳排放技术领域，本发明提出了一种基于深度学习和机制融合的高炉顶异常碳排放检测方法。首先，收集高炉生产过程中碳迹的关键特征，并通过传感器收集高炉顶端的气体成分和外围生产数据。一些传感器无法实时获取的特征数据通过纳维‑斯托克斯NS方程进行迭代求解。然后，进行互相关分析以发现生产中碳迹的滞后关系，并建立碳排放滞后关系模型。异常运行状况由残差神经网络检测到。最后，使用实际生产数据对模型的性能进行了测试和评估。结果表明，所提出的方法能够准确检测到高炉顶端的异常碳排放，并能及时发出预警，有效减少了异常碳排放造成的环境污染和能源浪费。
-
公开(公告)号：CN118015254A
公开(公告)日：2024-05-10
申请号：CN202410161292.0
申请日：2024-02-05
Applicant: 东北大学
IPC: G06V10/25 , G06V10/764 , G06V10/26
Abstract: 本发明公开一种垃圾分类图像感兴趣区域自适应获取方法，涉及基于图像的垃圾分类方法研究中的垃圾图像处理领域。通过引入根据对比度和饱和度的自适应的计算图像的分割阈值，能够根据图像本身的特性，智能地调整分割阈值，从而更好地捕捉到垃圾图像中的感兴趣区域，通过这种自适应获取感兴趣区域的方法，可以提高垃圾分类系统对复杂场景和变化条件的适应能力，进一步优化垃圾分类的效果，本发明针对传统垃圾分类图像处理方法的不足之处，通过引入自适应分割阈值的计算，提高了图像处理的灵活性和准确性，为垃圾分类技术的进一步发展和实际应用提供了有力的支持。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
