-
公开(公告)号：CN115445785B
公开(公告)日：2024-08-06
申请号：CN202211077480.2
申请日：2022-09-05
Applicant: 中南大学
Abstract: 本发明公开了一种基于记忆网络和预测控制器的锌快粗加药量调整方法，应用于泡沫浮选工艺，包括以下步骤：当浮选状态异常时，将当前原矿品位、泡沫视频和加药量构建为输入特征向量；然后，将该输入特征向量在离线构建的记忆网络中搜索最相似的记忆项，搜索到的记忆项和特征向量输入到LSTM中对加药量调整值进行推理；在LSTM推理过程中，利用预测控制器对加药量调整后的精矿品位进行预测，当预测的精矿品位在预期区间内时停止推理；最后，将LSTM的隐藏单元状态输入到全连接层获得最终的加药量调整值。本发明方法利用记忆网络为加药量调整值推理过程提供经验知识，并且预测控制器对加药量调整值进行有控制地输出，可以避免频繁操作导致浮选过程的波动。
-
公开(公告)号：CN110728676B
公开(公告)日：2022-03-15
申请号：CN201911005639.8
申请日：2019-10-22
Applicant: 中南大学
Abstract: 一种基于滑动窗口算法的纹理特征度量方法，在泡泡浮选领域，本发明提出一种基于滑动窗口算法的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡泡图像，提出了颗粒区域的概念，并运用滑动窗口算法对泡泡表面的颗粒区域进行准确提取，将所提取的颗粒区域按中心点位置进行分级，继而对颗粒区域之间的密集程度进行度量，定义了纹理特征颗粒密集度，用以反映整幅图像的纹理特征。有效弥补了传统的纹理特征提取方法没有考虑泡泡表面颗粒的缺陷，从而可以更准确的判断工况并有效指导加药。
-
公开(公告)号：CN110310286A
公开(公告)日：2019-10-08
申请号：CN201910586978.3
申请日：2019-07-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于泡沫图像多特征的分层工况感知判别方法，其特征在于本发明针对其工况识别的小概率事件即落点在交界上，考虑到交界左右的区间的工况模糊性，采用分层工况识别，对于区间内部的工况确定地带进行一个基于模糊数学评判方法的快速的粗分类，而对于模糊地带采用分类更为细致且准确的卷积神经网络的特征提取，可以学习到不大容易被注意到的深度特征，从而对工况进行一个精确的工况识别分类。基于此，使用分层控制，通过模糊数学算法针对区间内部地点，无争议地带。通过使用深度学习，针对概率分析可得到工况交界点的模糊地带最小距离，进行细分类的标准使结果更为准确。
-
公开(公告)号：CN110288591A
公开(公告)日：2019-09-27
申请号：CN201910586969.4
申请日：2019-07-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于改进的自适应多种群遗传算法的锌浮选工况判别方法，应用于泡沫浮选工艺中，通过实时获取的泡沫图像特征数据集作为初期训练种群，加入有经验工人的选择，并且在此基础上，考虑到人工选择的主观性、受环境的影响度，加入主观因子系数，即主观判断可偏移区间，再次评估，判断当前选择是否在其误差允许范围内，由此将人为主观影响控制到一定范围。在整个过程中，实时反馈当前优良工况，用实时返回的工况进行种群调整，实现对最优解的实时的刷新，降低不同原矿堆品位值变化的影响，以此达到最后对品位值与回收率的有效控制。
-
公开(公告)号：CN110175617A
公开(公告)日：2019-08-27
申请号：CN201910449507.8
申请日：2019-05-28
Applicant: 中南大学
Abstract: 基于纹理时间序列趋势特征匹配的一种浮选模糊故障诊断方法，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，利于工人操作、稳定优化生产。
-
Patent Agency Ranking
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：CN108931621A
公开(公告)日：2018-12-04
申请号：CN201810446656.4
申请日：2018-05-11
Applicant: 中南大学
CPC classification number: G01N33/20 , G06K9/00718 , G06K9/4604 , G06K9/4652
Abstract: 一种基于过程特征的锌浮选精矿品位的软测量的方法，本发明综合了专家知识和数据建模方法，首先根据现场工人看泡时的观察重点提出基于图像统计特征的单帧纹理特征来表征泡沫图像，根据现场工人需要观察一段时间内泡沫状态来判断当前生产状态的特点提出用纹理序列来数学化当前生产状态，并提出一种对纹理序列的建模方法，降低了特征向量的维数。在预测算法中采用改进的提升决策树算法，有效的抑制由于学习太快导致的过拟合问题，提高了泛化能力。实验证明本发明方法计算简单，执行速度较快，预测准确度较高，便于在现场实际操作，可即时指导现场操作，优化生产过程，解决了现锌矿品位在线检测难的问题。
-
公开(公告)号：CN109752214B
公开(公告)日：2023-10-31
申请号：CN201910036103.6
申请日：2019-01-15
Applicant: 中南大学
IPC: G01N1/10
Abstract: 本发明公开了一种精矿物料自动取样装备及其应用方法，装备包括支撑架、主移动架、取样钎装置和样品容器装置，支撑架包括两排立柱和分别固定每排立柱上端的纵向轨道，主移动架包括横梁和连接于横梁两端下方的纵移架，纵移架上安装有纵向驱动装置，取样钎装置包括取样钎和连接于其上端的多级驱动装置，多级驱动装置实现取样钎的上下运动，样品容器装置包括样品容器、支架和支架上下驱动装置，样品容器置于支架上，支架驱动装置实现支架的上下运动；取样钎装置和样品容器装置安装于主移动架的横梁上，可分别沿横梁横向移动，主移动架通过其纵移架安装于支撑架的纵向轨道上，纵向驱动装置实现主移动架带着取样钎装置和样品容器装置一起纵向移动。
-
公开(公告)号：CN115445785A
公开(公告)日：2022-12-09
申请号：CN202211077480.2
申请日：2022-09-05
Applicant: 中南大学
Abstract: 本发明公开了一种基于记忆网络和预测控制器的锌快粗加药量调整方法，应用于泡沫浮选工艺，包括以下步骤：当浮选状态异常时，将当前原矿品位、泡沫视频和加药量构建为输入特征向量；然后，将该输入特征向量在离线构建的记忆网络中搜索最相似的记忆项，搜索到的记忆项和特征向量输入到LSTM中对加药量调整值进行推理；在LSTM推理过程中，利用预测控制器对加药量调整后的精矿品位进行预测，当预测的精矿品位在预期区间内时停止推理；最后，将LSTM的隐藏单元状态输入到全连接层获得最终的加药量调整值。本发明方法利用记忆网络为加药量调整值推理过程提供经验知识，并且预测控制器对加药量调整值进行有控制地输出，可以避免频繁操作导致浮选过程的波动。
-
公开(公告)号：CN110310286B
公开(公告)日：2022-04-22
申请号：CN201910586978.3
申请日：2019-07-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于泡沫图像多特征的分层工况感知判别方法，其特征在于本发明针对其工况识别的小概率事件即落点在交界上，考虑到交界左右的区间的工况模糊性，采用分层工况识别，对于区间内部的工况确定地带进行一个基于模糊数学评判方法的快速的粗分类，而对于模糊地带采用分类更为细致且准确的卷积神经网络的特征提取，可以学习到不大容易被注意到的深度特征，从而对工况进行一个精确的工况识别分类。基于此，使用分层控制，通过模糊数学算法针对区间内部地点，无争议地带。通过使用深度学习，针对概率分析可得到工况交界点的模糊地带最小距离，进行细分类的标准使结果更为准确。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.025 seconds)
