-
公开(公告)号：CN110109446B
公开(公告)日：2020-08-25
申请号：CN201910449505.9
申请日：2019-05-28
Applicant: 中南大学
IPC: G05B23/02
Abstract: 一种基于时间序列特征的锌浮选过程模糊故障诊断方法，在泡沫浮选领域，本发明公开了一种浮选过程的模糊故障诊断方式，以泡沫视觉时间序列特征提取为基础，定义了泡沫时间序列的子序列、子模式，采用历史数据信息建立历史特征趋势信息集，度量实时趋势特征与历史趋势特征集相似性，综合序列趋势信息对故障发生几率进行模糊化诊断。本发明提出了模糊故障诊断的概念，通过可靠性序列选取和异常因子设立，建立了浮选工况状态预报表示模型，对趋势走向的判断以及数值化的趋势走向可能性提出了一种新的解决方法。克服原有泡沫特征静态描述浮选过程的缺陷，及时发现工况异常征兆，对未来时刻故障可能性以数值化显示，利于工人及时操作、稳定优化生产。
-
公开(公告)号：CN105260805A
公开(公告)日：2016-01-20
申请号：CN201510785671.8
申请日：2015-11-16
Applicant: 中南大学
Abstract: 本发明提供了一种基于异构分类器选择性融合的锑矿品位软测量方法，包括：对记录的锑浮选泡沫图像特征数据以及与品位相关的生产数据的预处理共同构成特征空间；首先随机选取部分特征构成多个子样本空间，然后对每个子样本空间使用bootstrap采样获得多个不同的子样本，并对每个子样本做PCA分析获得对品位变化敏感性高且无相关性或弱相关性的关键特征；基于具有较强学习能力的RBF核和具有较高泛化能力的多项式核的KELM，对每一个子样本集分别采用两种KELM构建候选子模型；采用信息熵的方法，赋予每个候选子模型权重；基于RMSE对所有候选子模型从小到大排序，选出最优加权子模型组合作为最终模型对精矿品位做出预测。
-
公开(公告)号：CN110109446A
公开(公告)日：2019-08-09
申请号：CN201910449505.9
申请日：2019-05-28
Applicant: 中南大学
IPC: G05B23/02
Abstract: 一种基于时间序列特征的锌浮选过程模糊故障诊断方法，在泡沫浮选领域，本发明公开了一种浮选过程的模糊故障诊断方式，以泡沫视觉时间序列特征提取为基础，定义了泡沫时间序列的子序列、子模式，采用历史数据信息建立历史特征趋势信息集，度量实时趋势特征与历史趋势特征集相似性，综合序列趋势信息对故障发生几率进行模糊化诊断。本发明提出了模糊故障诊断的概念，通过可靠性序列选取和异常因子设立，建立了浮选工况状态预报表示模型，对趋势走向的判断以及数值化的趋势走向可能性提出了一种新的解决方法。克服原有泡沫特征静态描述浮选过程的缺陷，及时发现工况异常征兆，对未来时刻故障可能性以数值化显示，利于工人及时操作、稳定优化生产。
-
公开(公告)号：CN105260805B
公开(公告)日：2018-10-23
申请号：CN201510785671.8
申请日：2015-11-16
Applicant: 中南大学
Abstract: 本发明提供了一种基于异构分类器选择性融合的锑矿品位软测量方法，包括：对记录的锑浮选泡沫图像特征数据以及与品位相关的生产数据的预处理共同构成特征空间；首先随机选取部分特征构成多个子样本空间，然后对每个子样本空间使用bootstrap采样获得多个不同的子样本，并对每个子样本做PCA分析获得对品位变化敏感性高且无相关性或弱相关性的关键特征；基于具有较强学习能力的RBF核和具有较高泛化能力的多项式核的KELM，对每一个子样本集分别采用两种KELM构建候选子模型；采用信息熵的方法，赋予每个候选子模型权重；基于RMSE对所有候选子模型从小到大排序，选出最优加权子模型组合作为最终模型对精矿品位做出预测。
-
-
-
Search Results
4
records
(took 0.032 seconds)
