-
公开(公告)号：CN112699926B
公开(公告)日：2023-01-20
申请号：CN202011556244.X
申请日：2020-12-25
Applicant: 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
IPC: G06F18/2431 , G06F18/25 , G06F18/23213 , G06F16/2458 , G06F16/215 , G06N3/0895
Abstract: 本申请实施例提出了基于人工智能技术的水泥生料立磨饱磨异常识别方法，包括确定正确识别工况状态的关键工艺指标；结合卡尔曼滤波算法对获取到的生产数据进行预处理，对预处理后的生产数据结合半监督学习算法对立磨历史工况进行自动标注；基于立磨关键工艺指标历史数据及伪标签结合递归提升决策树构建异常工况识别模型，向模型实时导入对应关键工艺指标的预处理后数据进行立磨异常状态实时识别。基于主电机总有功功率、主电机电流、磨机本体压差、磨辊位移、回料斗提电流、振动等关键过程工艺变量和伪标签数据，利用梯度提升决策树算法建立饱磨工艺异常识别模型，在线识别生料磨当前运行状态，具有预测准确度高、模型稳定、泛化能力强的特点。
-
公开(公告)号：CN111241677A
公开(公告)日：2020-06-05
申请号：CN202010022944.4
申请日：2020-01-09
Applicant: 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
Abstract: 本发明涉及计算机领域，尤其涉及一种基于机器学习的常减压装置生产模拟方法及系统，包括：S1：采集常减压装置不同工况下的工况数据；S2：将所有工况数据按照同一时刻进行对齐建立工况数据集；S3：将工况数据集划分为训练数据集、验证数据集；S4：建立基于机器学习的常减压装置生产模拟模型；S5：计算每个参数组合下的模型在验证数据集上的预测值与真实值之间的均方根误差；S6：选取均方根误差均值最小的参数组合下的模型并保存；S7：根据已保存的常减压装置生产模拟模型。本发明无需按照理论对常减压装置进行机理建模，采用真实的常减压装置生产数据，基于机器学习方法建立常减压装置生产模拟模型，避免理论值与实际值的偏差的问题。
-
公开(公告)号：CN112905632A
公开(公告)日：2021-06-04
申请号：CN202110067788.8
申请日：2021-01-19
Applicant: 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
IPC: G06F16/245 , G06F16/28 , G06Q50/04
Abstract: 本发明提出了一种基于参数案例的常减压设备配置方法及装置，包括：获取常减压设备的历史工况数据，基于历史工况数据生成工况标签以及与工况标签对应的参数案例；对属于同一工况标签的参数案例设置约束条件，基于约束条件对参数案例进行聚类，根据聚类结果得到参数案例库；基于目标工况标签对参数案例库进行检索，根据检索出的参数案例对常减压设备进行参数配置。本发明提出的技术方案无需基于反应机理对常减压装置进行机理建模，采用常减压装置在真实运行时产生的历史工况数据形成参数案例，避免机理建模容易导致理论值与实际值出现偏差的问题，以及生产条件变化时需要重新建模的问题。
-
公开(公告)号：CN112699926A
公开(公告)日：2021-04-23
申请号：CN202011556244.X
申请日：2020-12-25
Applicant: 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
IPC: G06K9/62 , G06F16/2458 , G06F16/215 , G06N3/08 , G06Q10/06
Abstract: 本申请实施例提出了基于人工智能技术的水泥生料立磨饱磨异常识别方法，包括确定正确识别工况状态的关键工艺指标；结合卡尔曼滤波算法对获取到的生产数据进行预处理，对预处理后的生产数据结合半监督学习算法对立磨历史工况进行自动标注；基于立磨关键工艺指标历史数据及伪标签结合递归提升决策树构建异常工况识别模型，向模型实时导入对应关键工艺指标的预处理后数据进行立磨异常状态实时识别。基于主电机总有功功率、主电机电流、磨机本体压差、磨辊位移、回料斗提电流、振动等关键过程工艺变量和伪标签数据，利用梯度提升决策树算法建立饱磨工艺异常识别模型，在线识别生料磨当前运行状态，具有预测准确度高、模型稳定、泛化能力强的特点。
-
公开(公告)号：CN112102890B
公开(公告)日：2023-12-15
申请号：CN202010737959.9
申请日：2020-07-28
Applicant: 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
Abstract: 本发明涉及工业装置数据挖掘领域，尤其涉及一种基于机器学习模型的MCS合成装置反应温度预测方法，包括从MCS合成装置运行相关变量中筛选出与反应温度有关的变量因素；获取与反应温度有关的变量因素所对应的历史数据并进行预处理；采用ε‑SVR机器学习算法建立SVR反应温度变化率预测模型；获取与反应温度有关的变量因素所对应的当前数据并输入训练好的SVR反应温度变化率预测模型，计算获得未来一段时间的反应温度变化率预测值，通过对当前反应温度值与反应温度变化率预测值进行累加，获得未来一段时间MCS合成装置的反应温度预测值。通过对甲基氯硅烷(MCS)合成装置运行反应温度进行预测，能够分析当前该甲基氯硅烷(MCS)合成装置的反应温度的稳定性及变化趋势。
-
Patent Agency Ranking
公开(公告)号：CN113539382A
公开(公告)日：2021-10-22
申请号：CN202110591042.7
申请日：2021-05-28
Applicant: 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
IPC: G16C20/10 , G16C20/70 , G16C20/90 , G06F16/215 , G06N3/04
Abstract: 本发明提出了一种亚磷酸二甲酯关键工艺参数的预警定位方法及系统，包括：选取影响酯化反应温度、酯化真空度两个关键工艺参数的设备，基于选取的设备在亚磷酸二甲酯生产线上的关联位号采集历史数据；对采集到的历史数据进行数据清洗；根据清洗后的历史数据划分工况，将不同工况下的历史数据保存到样本库中；建立时序性机器学习模型，根据样本库对时序性机器学习模型进行训练；通过训练好的时序性机器学习模型对酯化反应温度、酯化真空度进行预测，根据预测结果对酯化反应温度、酯化真空度进行分析，生成预警提示。本发明能够快速利用历史数据构建具有学习能力的时序性机器学习模型，克服机理建模过程耗时较久、建模过程复杂等问题。
-
公开(公告)号：CN113539382B
公开(公告)日：2024-04-05
申请号：CN202110591042.7
申请日：2021-05-28
Applicant: 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
IPC: G16C20/10 , G16C20/70 , G16C20/90 , G06F16/215 , G06N3/0442
Abstract: 本发明提出了一种亚磷酸二甲酯关键工艺参数的预警定位方法及系统，包括：选取影响酯化反应温度、酯化真空度两个关键工艺参数的设备，基于选取的设备在亚磷酸二甲酯生产线上的关联位号采集历史数据；对采集到的历史数据进行数据清洗；根据清洗后的历史数据划分工况，将不同工况下的历史数据保存到样本库中；建立时序性机器学习模型，根据样本库对时序性机器学习模型进行训练；通过训练好的时序性机器学习模型对酯化反应温度、酯化真空度进行预测，根据预测结果对酯化反应温度、酯化真空度进行分析，生成预警提示。本发明能够快速利用历史数据构建具有学习能力的时序性机器学习模型，克服机理建模过程耗时较久、建模过程复杂等问题。
-
公开(公告)号：CN112102890A
公开(公告)日：2020-12-18
申请号：CN202010737959.9
申请日：2020-07-28
Applicant: 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
Abstract: 本发明涉及工业装置数据挖掘领域，尤其涉及一种基于机器学习模型的MCS合成装置反应温度预测方法，包括从MCS合成装置运行相关变量中筛选出与反应温度有关的变量因素；获取与反应温度有关的变量因素所对应的历史数据并进行预处理；采用ε‑SVR机器学习算法建立SVR反应温度变化率预测模型；获取与反应温度有关的变量因素所对应的当前数据并输入训练好的SVR反应温度变化率预测模型，计算获得未来一段时间的反应温度变化率预测值，通过对当前反应温度值与反应温度变化率预测值进行累加，获得未来一段时间MCS合成装置的反应温度预测值。通过对甲基氯硅烷(MCS)合成装置运行反应温度进行预测，能够分析当前该甲基氯硅烷(MCS)合成装置的反应温度的稳定性及变化趋势。
-
公开(公告)号：CN104102211B
公开(公告)日：2017-02-22
申请号：CN201410367650.X
申请日：2014-07-29
Applicant: 浙江中控软件技术有限公司
IPC: G05B19/418
Abstract: 本申请提供了一种燃煤热电厂热电联产系统的调度方法、设备和系统，所述方法部署于燃煤热电厂热电联产系统的调度系统中的调度应用服务器上，所述方法包括：从综合数据集成平台服务器获取建立热电联产系统中各台设备的工况模型所需的初始数据，依据所述初始数据建立所述热电联产系统中各台设备的工况模型；判断是否满足预先设置的调度条件，如果是，则依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产系统的调度策略。本申请将热电联产系统中的配煤、锅炉、汽轮发电机和减温减压器整合在一起考虑调度问题，能使调度方案做到“全局最优”。
-
公开(公告)号：CN110032780A
公开(公告)日：2019-07-19
申请号：CN201910234420.9
申请日：2019-03-26
Applicant: 浙江中控软件技术有限公司
Abstract: 本实施例提出了基于机器学习的工业装置能耗基准值计算方法和系统，包括获取工业装置的运行数据，将运行数据整理得到运行数据集；以机器学习算法为基础构建基准值计算初始模型；向基准值计算初始模型中导入运行数据集，得到代表工业装置实际运行状态的基准值计算模型；向基准值计算模型中输入特征数值，得到模型输出的能耗基准值。通过基于机器学习建立工业装置能耗基准值计算模型。以采集实际的工业装置运行数据，以及与其相关的其他数据作为建模的数据来源，保证了计算结果更加符合生产实际。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.109 seconds)
