一种面向泡沫浮选流程的固液气多相仿真方法及装置

    公开(公告)号:CN118098450A

    公开(公告)日:2024-05-28

    申请号:CN202410139795.8

    申请日:2024-01-31

    Abstract: 本发明涉及计算机图形学物理仿真技术领域,特别是指面向泡沫浮选流程的固液气多相仿真方法及装置,包括:对浮选过程中矿浆与浮选药剂构成的多相流进行流体动力学与混合物理论分析,建立基于体积分数方法的矿浆与浮选药剂多相流仿真模型;对浮选过程中充入空气和泡沫进行仿真,根据泡沫和流体内部存在的受力关系构建统一计算方法和交互方式,完成泡沫和矿浆间气液耦合;基于多相流和表面张力仿真方法,结合浮选药剂改变矿物颗粒亲疏水性的属性,构建亲疏水絮团的仿真模型,实现浮选槽内多相流体环境和矿物颗粒间固液耦合。本发明解决了浮选流程中状态感知和控制参数调整对人工操作的依赖,为泡沫品位提升和浮选过程优化提供机理分析和可视化验证。

    一种工业多变量时间序列异常检测方法及装置

    公开(公告)号:CN117909777A

    公开(公告)日:2024-04-19

    申请号:CN202410185178.1

    申请日:2024-02-19

    Abstract: 本发明公开了一种工业多变量时间序列异常检测方法及装置,属于数据分析检测技术及人工智能技术领域,所述方法包括:利用布设在待检测工业系统中的传感器实时采集待检测工业系统运行中产生的由多种生产工艺变量组成的生产过程数据,得到多变量时间序列数据集;对所述多变量时间序列数据集中的数据进行聚类;基于聚类结果,生成聚类后的每一类簇的相关矩阵,并基于生成的每一类簇的相关矩阵,结合预设的异常阈值,进行异常检测,得到检测结果。本发明采用多种新颖的深度学习方法,不仅可大幅度提高工业上多变量时间序列异常检测精度,同时操作简单,不需要复杂的硬件设备,同时也能进一步降低工业上异常检测的开销,具有重要的实用价值和理论意义。

    基于物理信息强化学习的浮选多槽联动控制方法及装置

    公开(公告)号:CN117960396A

    公开(公告)日:2024-05-03

    申请号:CN202311744476.1

    申请日:2023-12-18

    Abstract: 本发明涉及矿物浮选技术领域,特别是指一种基于物理信息强化学习的浮选多槽联动控制方法及装置,方法包括:获取待控制的多浮选槽系统的关键物理参数;将关键物理参数输入到训练好的物理信息预测网络,得到物理信息预测网络的输出特征,根据输出特征以及关键物理参数,得到物理信息状态表示;根据物理信息状态表示,构建多浮选槽系统中每个浮选槽的深度Q网络;根据每个浮选槽的深度Q网络,构建多浮选槽间的多智能体强化学习协同控制策略,得到浮选多槽联动控制结果。本发明中,不同浮选槽之间的具体连接关系,被直接输入到多智能体系统的控制中,实现精准的浮选槽间联动控制。提供了一种有效、精确和自适应的方式来优化浮选多槽的控制过程。

Patent Agency Ranking