-
公开(公告)号：CN113591654B
公开(公告)日：2023-09-01
申请号：CN202110833450.9
申请日：2021-07-22
Applicant: 中南大学
IPC: G06V20/40 , G06V10/56 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于长时程深度特征的锌浮选工况识别方法，包括以下步骤：首先采用3D卷积网络作为基础网络，通过知识蒸馏法使用RGB流网络的部分结构对光流网络进行模拟，使得RGB流网络在测试时不需要提取光流就能学习光流的运动信息；然后将单个视频分段，分别对每段使用训练好的RGB流网络进行帧级特征提取，将提取到的每段帧级特征输入LSTM网络中进一步提取得到视频级全局时空特征；为网络补充一个2D卷积网络提取补充的外观特征，将全局时空特征和增强的外观特征拼接到一起，输入多层感知机中进行最终的工况识别。本发明结合了卷积神经网络和循环神经网络的优点，能够快速、准确地对锌浮选工况进行识别从而有效指导加药。
-
公开(公告)号：CN113591653A
公开(公告)日：2021-11-02
申请号：CN202110833448.1
申请日：2021-07-22
Applicant: 中南大学
Abstract: 本发明公开了一种基于宽度学习系统的增量式锌浮选工况判别方法，包括以下步骤：首先提取泡沫图像特征，引入粗选槽入矿品位特征，针对两种特征采样频率不一致问题，采用最小二乘法拟合入矿品位使二者协调，解决了评价指标单一问题；然后将提取到的图像特征和入矿品位特征输入宽度学习系统构建基础模型；设置工况识别准确度阈值，当生产条件发生变化，识别准确度低于阈值时，向模型中加入新样本，根据有无新工况产生分别采用增加特征节点、增强节点数目和增加特征节点、增强节点、输出节点数目两种方式对模型进行更新，直到准确度大于阈值，采用增量学习方式无需从头训练全部数据，只对新增加的样本进行训练，缩短训练时间、节省计算资源。
-
公开(公告)号：CN111709942B
公开(公告)日：2022-04-12
申请号：CN202010602623.1
申请日：2020-06-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于纹理度优化的锌浮选加药量预测控制方法，包括以下步骤：首先提取泡沫图像特征，包括粗选泡沫图象的熵值、能量、逆差矩、泡沫尺寸和泡沫颜色特征以及精选泡沫图象的纹理特征，根据精选泡沫图象纹理参数和精矿品位关系定义纹理复杂度；其次利用提取到的特征参数，采用神经网络构建精选泡沫纹理复杂度预测模型，最后根据精选泡沫纹理复杂度预测值和期望的最佳值的差值平方为目标函数，采用寻优方法计算出药剂量调整值，完成加药控制。本发明结合了精选和粗选泡沫状态特征，使控制结果更加优良，提高了矿物的回收效率，降低了药剂消耗。
-
Patent Agency Ranking
公开(公告)号：CN113591653B
公开(公告)日：2024-08-02
申请号：CN202110833448.1
申请日：2021-07-22
Applicant: 中南大学
IPC: G06V20/40 , G06V10/56 , G06V10/774
Abstract: 本发明公开了一种基于宽度学习系统的增量式锌浮选工况判别方法，包括以下步骤：首先提取泡沫图像特征，引入粗选槽入矿品位特征，针对两种特征采样频率不一致问题，采用最小二乘法拟合入矿品位使二者协调，解决了评价指标单一问题；然后将提取到的图像特征和入矿品位特征输入宽度学习系统构建基础模型；设置工况识别准确度阈值，当生产条件发生变化，识别准确度低于阈值时，向模型中加入新样本，根据有无新工况产生分别采用增加特征节点、增强节点数目和增加特征节点、增强节点、输出节点数目两种方式对模型进行更新，直到准确度大于阈值，采用增量学习方式无需从头训练全部数据，只对新增加的样本进行训练，缩短训练时间、节省计算资源。
-
公开(公告)号：CN110854875B
公开(公告)日：2023-04-21
申请号：CN201911254488.X
申请日：2019-12-10
Applicant: 中南大学
IPC: H02J3/18
Abstract: 本发明公开了一种牵引供电系统无功补偿优化调节方法，针对电气化铁路供电系统的单相供电给三相电网造成功率不平衡时无功补偿的优化调节。本发明主要包括复合PI滞环控制、优化方向感知和无功提前感知三个部分，优化方向感知主要确定无功补偿的修正方向；无功提前感知针对历史无功补偿的数据的变化特征和当前数据，感知未来无功变化趋势；复合PI滞环控制在定相位角的基础上根据线电流差和未来无功动态的感知结果对补偿结果进行优化调节。与传统的固定无功相位角补偿方式不同，本发明不仅进行无功提前感知，而且在无功功率相位角变化时，可以及时感知并修正补偿，无功补偿结果更加灵活准确。
-
公开(公告)号：CN113591654A
公开(公告)日：2021-11-02
申请号：CN202110833450.9
申请日：2021-07-22
Applicant: 中南大学
Abstract: 本发明公开了一种基于长时程深度特征的锌浮选工况识别方法，包括以下步骤：首先采用3D卷积网络作为基础网络，通过知识蒸馏法使用RGB流网络的部分结构对光流网络进行模拟，使得RGB流网络在测试时不需要提取光流就能学习光流的运动信息；然后将单个视频分段，分别对每段使用训练好的RGB流网络进行帧级特征提取，将提取到的每段帧级特征输入LSTM网络中进一步提取得到视频级全局时空特征；为网络补充一个2D卷积网络提取补充的外观特征，将全局时空特征和增强的外观特征拼接到一起，输入多层感知机中进行最终的工况识别。本发明结合了卷积神经网络和循环神经网络的优点，能够快速、准确地对锌浮选工况进行识别从而有效指导加药。
-
公开(公告)号：CN111709942A
公开(公告)日：2020-09-25
申请号：CN202010602623.1
申请日：2020-06-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于纹理度优化的锌浮选加药量预测控制方法，包括以下步骤：首先提取泡沫图像特征，包括粗选泡沫图象的熵值、能量、逆差矩、泡沫尺寸和泡沫颜色特征以及精选泡沫图象的纹理特征，根据精选泡沫图象纹理参数和精矿品位关系定义纹理复杂度；其次利用提取到的特征参数，采用神经网络构建精选泡沫纹理复杂度预测模型，最后根据精选泡沫纹理复杂度预测值和期望的最佳值的差值平方为目标函数，采用寻优方法计算出药剂量调整值，完成加药控制。本发明结合了精选和粗选泡沫状态特征，使控制结果更加优良，提高了矿物的回收效率，降低了药剂消耗。
-
公开(公告)号：CN110854875A
公开(公告)日：2020-02-28
申请号：CN201911254488.X
申请日：2019-12-10
Applicant: 中南大学
IPC: H02J3/18
Abstract: 本发明公开了一种牵引供电系统无功补偿优化调节方法，针对电气化铁路供电系统的单相供电给三相电网造成功率不平衡时无功补偿的优化调节。本发明主要包括复合PI滞环控制、优化方向感知和无功提前感知三个部分，优化方向感知主要确定无功补偿的修正方向；无功提前感知针对历史无功补偿的数据的变化特征和当前数据，感知未来无功变化趋势；复合PI滞环控制在定相位角的基础上根据线电流差和未来无功动态的感知结果对补偿结果进行优化调节。与传统的固定无功相位角补偿方式不同，本发明不仅进行无功提前感知，而且在无功功率相位角变化时，可以及时感知并修正补偿，无功补偿结果更加灵活准确。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
