公开(公告)号：CN116525014A

公开(公告)日：2023-08-01

申请号：CN202310438344.X

申请日：2023-04-23

Applicant: 中南大学

Inventor： 李勇刚 ,  唐峰润 ,  阳春华 ,  孙备 ,  桂卫华 ,  朱红求 ,  周灿 ,  黄科科 ,  刘卫平 ,  易佞纯 ,  莫凡

IPC: G16C20/10 ,  G01J5/48 ,  G16C20/70 ,  G06F30/27 ,  G06T7/136 ,  G06F119/08 ,  G06F113/08

Abstract: 本发明涉及挥发窑温度场预测技术领域，具体公开了一种基于热力学机理与红外图像数据融合的挥发窑温度场预测方法，包括：步骤S1，根据挥发窑的热传递和化学反应过程建立热力学模型，根据热力学模型获得预测温度；步骤S2，获取挥发窑窑头区域的红外图像，对红外图像进行处理并提取实际的固体物料温度；步骤S3，通过最小化热力学模型获得的预测温度与实际的固体物料温度之间的误差构建参数优化模型；步骤S4，确定需要被优化的模型参数值，并获得参数优化结果；步骤S5，将参数优化结果代入热力学模型得到融合模型，并通过融合模型得到挥发窑温度场的预测结果，以解决现有技术中难以对挥发窑的温度场进行准确预测的问题。

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

Inventor： 李勇刚 ,  唐峰润 ,  朱红求 ,  阳春华 ,  黄科科 ,  莫凡 ,  易佞纯

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。