-
公开(公告)号：CN117548234B
公开(公告)日：2024-07-02
申请号：CN202311558727.7
申请日：2023-11-22
Applicant: 中南大学
IPC: B03D1/02 , G06F18/2113 , G06F18/2115 , G06F18/214 , G06F18/241 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种用于泡沫浮选工况预估的级联特征选择方法，主要包括如下步骤：按照fisher分数从大到小的顺序对原特征集排名后，依次从特征集中删除排名集中最后一名对应的特征，分别评估所得特征数目递减的特征集，将评估结果最好的特征集作为中间特征子集，在中间特征子集的基础上，以特征子集编码二值向量为输入、模型准确率均值为输出，采用BGSA求解最优值，综合考虑目标值以及特征数目得到最终特征子集。本发明的特点是在原始特征数目众多时对于特征选择效果与计算代价之间的关系有一定协调能力，以在有限时间内达到特征选择减少不相关和冗余特征的基本目标，找到能使模型效率和最终表现均有所提升的合适特征子集。
-
公开(公告)号：CN116576979A
公开(公告)日：2023-08-11
申请号：CN202310304408.7
申请日：2023-03-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于分布式温度传感器的铝电解铝液及电解质水平测量装置及方法，包括巡检机器人、测量钎装置和测量系统，测量铁钎内部布置若干个温度传感器，用于测量铝液和电解质的温度，将温度传感器测得的数据传递到测量系统中进行处理，并提出一种自适应新息卡尔曼滤波算法对温度数据进行滤波，在卡尔曼滤波的基础上更新了Q值和R值，提升滤波器的精度，通过对滤波后温度数据的比较判断出铝液与电解质以及电解质与空气的水平分界点，求出铝液与电解质液的水平高度。本发明的装置利用了铝液与电解质温度的差异完成两水平测量，并能够降低人力成本，减小生产安全隐患，提升两水平测量的精度，有助于实现铝电解电解槽的智能化管理。
-
公开(公告)号：CN116484275A
公开(公告)日：2023-07-25
申请号：CN202310405505.5
申请日：2023-04-17
Applicant: 中南大学
IPC: G06F18/241 , G06F18/214 , G06N3/042 , C25C3/20
Abstract: 本发明公开了一种基于自适应时空图卷积神经网络的铝电解阳极效应监测方法，包括：对记阳极电流数据进行预处理；将多通道的阳极电流信号建模成以阳极通道为节点、节点间连接权重为边的图结构数据，得到阳极电流信号的初始邻接矩阵；构建时空图卷积神经网络，获取阳极电流数据的空间特征和时间特征；构建图结构损失函数和交叉熵损失函数以更新网络参数；利用Softmax分类器得到最终的分类结果。本发明的方法可以根据已有的阳极电流数据，在提前10分钟的情况下，充分考虑到阳极电流信号的时空分布特点，建立起阳极效应的预测模型，实现对阳极效应的提前预判，降低人力成本，为操作人员处理阳极效应提供依据，有助于提高铝电解过程的智能化水平。
-
公开(公告)号：CN116307246A
公开(公告)日：2023-06-23
申请号：CN202310369675.2
申请日：2023-04-10
Applicant: 中南大学
IPC: G06Q10/04 , G06Q50/04 , G06F18/214 , G06F18/2431 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于LSTM‑CNN和ICBAM长短期特征提取的铝电解槽温预测方法，采用LSTM‑CNN作为影响槽温的长期特征提取方法，首先对数据用LSTM提取长时间相关特征，然后再用CNN提取数据间的局部相关特征，从而得到基于长周期数据的长期深度特征。采用基于2D‑CNN和1D‑CNN双流卷积分别提取阳极电流和槽电压特征，然后基于ICBAM对双流特征进行注意力加权融合，得到槽温短期深度特征。为了更好的融合铝电解生产过程中的长期特征和短期特征这两种语义和尺度不一样的特征，利用AAW中的多尺度注意力模块，充分考虑了特征图中的全局信息与局部信息，从而能够提升模型预测的准确率。
-
公开(公告)号：CN114021654A
公开(公告)日：2022-02-08
申请号：CN202111304126.4
申请日：2021-11-05
Applicant: 中南大学
IPC: G06K9/62
Abstract: 本公开实施例中提供了一种铝电解槽过热度识别方法、系统、设备及介质，属于数据处理技术领域，具体包括：选取多种类型的生产数据作为样本数据集；添加标签并进行同构化处理，得到训练集和验证集；构建基于自注意力机制的初始识别模型；利用编码‑解码方法和样本数据集对初始识别模型进行预训练，完成初始化；根据训练集和验证集的加权交叉熵损失训练初始化后的初始识别模型，得到目标识别模型；采集当前时段的生产数据进行同构化处理后输入目标识别模型，得到识别结果。通过本公开的方案，构建基于自注意力机制的初始识别模型，并进行无监督预训练以及使用加权交叉熵损失函数以降低分类模型的有偏性，提高了识别的适应性、识别效率和精准度。
-
Patent Agency Ranking
公开(公告)号：CN113486980A
公开(公告)日：2021-10-08
申请号：CN202110866156.8
申请日：2021-07-29
Applicant: 中南大学
IPC: G06K9/62
Abstract: 本公开实施例中提供了一种基于自表示字典对的铝电解槽况识别方法、系统及设备，属于图像处理技术领域，具体包括：采集多张目标铝电解槽内阳极电流的初始图像；得到样本数据矩阵；建立自表示字典对学习模型；对自表示字典对学习模型进行迭代训练，得到目标解析字典和目标特征权重矩阵；判断本次迭代的自表示字典对学习模型对应的目标函数与上次迭代的自表示字典对学习模型对应的目标函数之间的差值是否小于或等于预设阈值；若是，则根据目标解析字典和目标特征权重矩阵对阳极电流进行分类，得到目标铝电解槽对应的槽况识别结果；若否，则继续迭代训练自表示字典对学习模型。通过本公开的方案，提高了识别的效率、适应性和精度。
-
公开(公告)号：CN113850205B
公开(公告)日：2024-09-27
申请号：CN202111146469.2
申请日：2021-11-17
Applicant: 中南大学
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06F18/21
Abstract: 本公开实施例中提供了一种基于时空卷积层的阳极电流信号分类方法、系统及设备，属于数据识别技术领域，具体包括：根据铝电解槽内阳极的平面图计算距离表示矩阵；根据距离表示矩阵计算全部阳极电流信号的邻接矩阵和数据结构图，其中，数据结构图中的节点对应铝电解槽内的阳极；将邻接矩阵输入时间卷积层进行卷积操作，提取全部阳极电流信号对应的时间特征；将全部时间特征和数据结构图输入空间卷积层，提取全部阳极电流信号对应的空间特征；将时间特征和空间特征输入多层分类器，得到铝电解槽内阳极电流信号的类型。通过本公开的方案，捕获阳极电流信号的时间依赖关系和空间依赖关系，并综合进行分类，提高了分类效率和分类精准度。
-
公开(公告)号：CN118111462B
公开(公告)日：2024-08-27
申请号：CN202410240115.1
申请日：2024-03-04
Applicant: 中南大学
IPC: G01C21/34
Abstract: 本发明公开了一种机器人无地图导航方法，包括如下步骤：初始化仿真环境，结合激光传感器数据，障碍物信息和目标信息构成高维状态空间，将高维状态输入到Actor网络转化为机器人的连续动作命令，机器人执行动作命令，与环境交互得到下一时刻观测的状态，得到外在奖励和好奇心奖励构成的奖励信号；将状态，行动，奖励和下一时刻的状态构成的四元组存入经验回放池中，直到经验回放池的数据达到阈值，采样经验更新网络参数，不断重复以上流程，直到训练结束，然后将训练好的模型导入现实世界的移动机器人进行导航。本发明提升了无地图导航任务的探索性，使机器人能够跳出局部最优策略，寻找最优路径。
-
公开(公告)号：CN118111462A
公开(公告)日：2024-05-31
申请号：CN202410240115.1
申请日：2024-03-04
Applicant: 中南大学
IPC: G01C21/34
Abstract: 本发明公开了一种机器人无地图导航方法，包括如下步骤：初始化仿真环境，结合激光传感器数据，障碍物信息和目标信息构成高维状态空间，将高维状态输入到Actor网络转化为机器人的连续动作命令，机器人执行动作命令，与环境交互得到下一时刻观测的状态，得到外在奖励和好奇心奖励构成的奖励信号；将状态，行动，奖励和下一时刻的状态构成的四元组存入经验回放池中，直到经验回放池的数据达到阈值，采样经验更新网络参数，不断重复以上流程，直到训练结束，然后将训练好的模型导入现实世界的移动机器人进行导航。本发明提升了无地图导航任务的探索性，使机器人能够跳出局部最优策略，寻找最优路径。
-
公开(公告)号：CN111192221B
公开(公告)日：2024-04-16
申请号：CN202010012947.X
申请日：2020-01-07
Applicant: 中南大学
IPC: G06T5/77 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于Wasserstein深度卷积生成对抗网络的铝电解火眼图像修补方法。在实际铝电解过程中，电解过程中会有大量碳渣脱落，还有火焰的干扰，使得大量火眼图像无法识别，大大降低了图像识别的准确率。本发明公开一种DCGAN与WGAN方法结合的图像修补方法，其中包括两部分：首先是对图像做个简单的预处理，取以火眼为中心，边长为400像素的正方形的火眼图像，这样可以防止其余图像的干扰特征。其次，对于本发明模型，综合DCGAN和WGAN的特点，使用其相结合的模型—Wasserstein深度卷积生成对抗网络(W‑DCGAN)模型。利用卷积网络特征提取能力加上使用Wasserstein函数辅以训练，最后使用RMSProp优化算法优化损失函数，之后将训练好的W‑DCGAN中的生成器模型部分抽取出来，用于图像修补的新网络结构。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.021 seconds)
