-
公开(公告)号：CN113539383A
公开(公告)日：2021-10-22
申请号：CN202110614236.4
申请日：2021-06-02
Applicant: 中南大学
IPC: G16C20/10 , G06F30/20 , G06Q10/06 , G06Q50/04 , G06F111/06 , G06F111/10
Abstract: 本发明属于湿法炼锌除铜过程控制技术领域，涉及一种基于动态多目标优化和模糊多属性决策的除铜过程控制方法。构建反应过程状态方程；所述反应过程状态方程包括控制变量和状态变量；根据所述状态变量构建多目标优化目标函数，并限定约束条件；采用原始问题离散化、约束处理和智能优化计算进行多目标动态函数优化，获得Pareto最优解集；构建状态变量控制方法的评价指标，并采用模糊层次分析法确定评价指标权重；根据所述评价指标权重并采用TOPSIS法对Pareto最优解集进行排序获得最佳控制方法。该方法对于稳定出口铜离子浓度、降低锌粉消耗成本并提高除铜效率具有重要意义。
-
公开(公告)号：CN112859597A
公开(公告)日：2021-05-28
申请号：CN202110020265.8
申请日：2021-01-07
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本发明涉及湿法炼锌沉铁过程控制技术领域，具体涉及一种基于数据驱动的沉铁过程优化控制方法及其系统。优化控制方法包括：获取具有时序特性的多组状态数据和控制数据，经训练获得数据驱动模型；根据所述数据驱动模型将多状态约束的单目标优化转化为多目标优化，并获得目标设定值，构建PID控制器沉铁多目标优化模型；采用多目标状态转移算法对所述PID控制器沉铁多目标优化模型进行优化，获得最优PID控制器参数，实现沉铁过程的优化控制。该方法具有优化控制的实时性与准确性，且能够控制控制出口离子浓度稳定在工艺要求范围内，减少氧化锌焙砂以及氧气的消耗，节约了成本，满足绿色高效生产的需求。
-
公开(公告)号：CN117853844A
公开(公告)日：2024-04-09
申请号：CN202410037533.0
申请日：2024-01-10
Applicant: 中南大学
IPC: G06V10/774 , G06V10/40 , G06N20/20 , G06V10/776
Abstract: 本公开实施例中提供了一种基于数据和知识双驱动集成学习的泡沫浮选工况识别方法，属于数据处理技术领域，具体包括：收集不同工况下的泡沫图像；提取泡沫经验特征，形成原始训练数据集；用多种机器学习算法生成相同数量的基学习器；根据先验知识从待预测图像中提取泡沫特征，基学习器根据泡沫特征预测得到待预测图像属于各种工况的概率，然后利用各基学习器在验证集中的先验模型知识修正对待预测图像的预测概率；将基学习器修正后的预测概率构成决策矩阵，使用灰色关联—优劣解距离法评价每种工况；根据泡沫浮选所有工况的综合评价值，选出综合评价值最大的工况类型作为最终预测工况。通过本公开的方案，提高了预测适应性和精准度。
-
公开(公告)号：CN112884024B
公开(公告)日：2022-05-13
申请号：CN202110137576.2
申请日：2021-02-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于群体决策集成学习的泡沫浮选工况识别方法，以提高工况识别的准确率，为实现药剂添加量的最优控制提供基础，进而提升矿物回收率，本发明方法包括：收集泡沫浮选数据集以及专家经验知识；利用联结主义学习与符号主义学习生成个体学习器；根据个体学习器的性能，利用2AGSAIVIFCA算子计算个体学习器的权重；利用混合状态转移算法，找到最优的属性权重；利用群体多属性决策方法，输出工况识别结果。本发明运行可靠，通过提高工况识别的准确率，既提升了泡沫浮选的矿物回收率，又减少了药剂的浪费。
-
公开(公告)号：CN110163414A
公开(公告)日：2019-08-23
申请号：CN201910313379.4
申请日：2019-04-18
Applicant: 中南大学
Abstract: 本发明涉及智能优化算法领域，公开了一种基于分解的多目标状态转移优化方法及系统，以实现对多目标优化问题的快速有效的寻优求解，本发明的方法包括：选定与待优化问题的优化目标个数对应的目标函数，并设定迭代次数和相关参数；初始化N个权重向量，并确定每个权重向量的邻域；初始化每个目标函数的候选解作为初始父代解集；为每一个候选解分配一个权重向量，计算每个候选解的目标函数，确定目标函数的理想参考点，将目标函数划分为N个子问题；利用状态转移算子产生所述N个子问题的子代种群，计算各子种群对应的目标函数值，根据子问题的目标函数判断是否将候选解替换所述父代解集；重复上述步骤进行迭代，直至达到设定的迭代次数。
-
Patent Agency Ranking
公开(公告)号：CN117438089A
公开(公告)日：2024-01-23
申请号：CN202311671602.5
申请日：2023-12-07
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于多模型融合的可解释乳腺癌复发预测方法及系统，属于医疗保健信息学技术领域，具体包括：获取原始数据集；对原始数据集进行预处理操作；对目标数据集分别进行n次的上采样和下采样；采用不同的机器学习算法在每个正负样本均衡子数据集进行训练，生成其对应的个体学习器；将集成修剪问题构建多目标规划模型，引入帕累托支配的概念，并利用智能优化算法进行求解，得到一组互不相同的帕累托最优个体学习器子集；根据预设的结合策略将帕累托最优个体学习器子集中每个个体学习器的结果进行融合，得到预测模型；将待预测患者的相关数据输入预测模型，得到复发预测结果。通过本公开的方案，提高了预测精准度和可解释性。
-
公开(公告)号：CN113539383B
公开(公告)日：2022-10-04
申请号：CN202110614236.4
申请日：2021-06-02
Applicant: 中南大学
IPC: G16C20/10 , G06F30/20 , G06Q10/06 , G06Q50/04 , G06F111/06 , G06F111/10
Abstract: 本发明属于湿法炼锌除铜过程控制技术领域，涉及一种基于动态多目标优化和模糊多属性决策的除铜过程控制方法。构建反应过程状态方程；所述反应过程状态方程包括控制变量和状态变量；根据所述状态变量构建多目标优化目标函数，并限定约束条件；采用原始问题离散化、约束处理和智能优化计算进行多目标动态函数优化，获得Pareto最优解集；构建状态变量控制方法的评价指标，并采用模糊层次分析法确定评价指标权重；根据所述评价指标权重并采用TOPSIS法对Pareto最优解集进行排序获得最佳控制方法。该方法对于稳定出口铜离子浓度、降低锌粉消耗成本并提高除铜效率具有重要意义。
-
公开(公告)号：CN112884024A
公开(公告)日：2021-06-01
申请号：CN202110137576.2
申请日：2021-02-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于群体决策集成学习的泡沫浮选工况识别方法，以提高工况识别的准确率，为实现药剂添加量的最优控制提供基础，进而提升矿物回收率，本发明方法包括：收集泡沫浮选数据集以及专家经验知识；利用联结主义学习与符号主义学习生成个体学习器；根据个体学习器的性能，利用2AGSAIVIFCA算子计算个体学习器的权重；利用混合状态转移算法，找到最优的属性权重；利用群体多属性决策方法，输出工况识别结果。本发明运行可靠，通过提高工况识别的准确率，既提升了泡沫浮选的矿物回收率，又减少了药剂的浪费。
-
公开(公告)号：CN106773654A
公开(公告)日：2017-05-31
申请号：CN201611139039.7
申请日：2016-12-12
Applicant: 中南大学
IPC: G05B13/02
Abstract: 本发明提供一种分数阶PID控制器参数优化整定方法，利用状态转移算法的全局优化功能，搜索能使分数阶PID控制系统的性能指标函数值全局最小的比例系数，积分系数，微分系数，微分阶次和积分阶次作为分数阶PID控制器的最优整定参数。利用本发明提出的基于状态转移算法的分数阶PID控制器参数优化整定方法对工作台闭环控制系统进行仿真实验，实验结果表明采用本发明方法整定所得的分数阶PID控制系统与其它对比方法得到的分数阶PID控制系统相比具有调节速度快等显著有点，是一种具有推广价值的分数阶PID控制器参数整定方法。
-
公开(公告)号：CN111368897B
公开(公告)日：2023-06-20
申请号：CN202010128838.4
申请日：2020-02-28
Applicant: 中南大学
IPC: G06F18/2321 , G06N3/006 , G06N3/126
Abstract: 基于状态转移算法的除铜过程的犹豫模糊c均值聚类方法，包括：基于除铜级联反应釜的数据设置状态转移算法的参数并初始化距离测度权重；基于距离测度权重通过模糊c均值聚类仿真得到除铜级联反应釜的数据的聚类中心和隶属度矩阵；根据聚类中心和隶属度矩阵建立目标模型并进行仿真后输出优化结果。本发明中对湿法炼锌除铜工艺过程的数据进行了聚类分析，能够很好地判别具有安全威胁的数据，同时能够较快且准确地得到最优的权重结果，对于整个除铜工艺过程的参数辨识与优化控制具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
