-
公开(公告)号：CN114036827B
公开(公告)日：2024-06-21
申请号：CN202111281608.2
申请日：2021-11-01
申请人： 浙江大学
IPC分类号： G06F30/27 , G06N3/0442 , G06N3/049 , G06N3/08 , G06Q50/04 , G06Q50/26 , G06F111/06 , G06F119/08
摘要： 本发明公开了一种基于分解的高炉炼铁多目标碳减排方法，步骤包括对高炉炼铁的数据进行预处理，对数据的采样率进行统一，处理数据中包含的异常值，选取与优化目标硅含量及二氧化碳相关的工艺参数，通过相关性分析确定用于建模的变量；对高炉炼铁过程进行建模，实现工艺参数至优化目标的映射；将建立的模型作为多目标优化算法的评价函数，用于评价种群中解的优劣；利用多目标优化算法对模型寻找最优解，得到最优解对应的工艺参数值，将求解得到的工艺参数值作为参考。本发明实现了基于数据驱动的高炉炼铁建模方法与多目标优化算法的融合，实现了维持铁水中硅含量稳定的情况下，减少高炉煤气中的碳排放。
-
公开(公告)号：CN118197471A
公开(公告)日：2024-06-14
申请号：CN202410218660.0
申请日：2024-02-28
申请人： 浙江大学
IPC分类号： G16C20/70 , G16C20/10 , G06F30/27 , G06F18/2433 , G06F18/2135 , G06F30/28 , G06F111/08 , G06F111/10 , G06F119/08 , G06F113/08 , G06F119/14
摘要： 本发明公开了一种基于残差分析的高炉炉喉十字测温传感器故障诊断方法。该方法利用高炉布料矩阵和设备参数等，根据布料运动过程计算每层的料面形状，通过炉料下降过程建立了料层分布模型，获得各层矿焦比参数。其次，以矿焦比参数和高炉主参数进行时间配准后作为输入，利用长短期记忆网络，对炉喉温度进行估计，计算炉温估计结果与实际温度的残差，得到温度残差变量。最后，基于主元分析法对所述高炉主参数和温度残差变量进行分析，通过霍特林统计量和平方预测误差统计量的变化获得故障诊断结果。本发明所提供的传感器故障诊断方法能够及时有效地监测炉喉十字测温传感器状态，有力的保障了传感器设备的稳定和安全。
-
公开(公告)号：CN118013050A
公开(公告)日：2024-05-10
申请号：CN202410101765.8
申请日：2024-01-25
申请人： 浙江大学
IPC分类号： G06F16/36 , G06N3/045 , G06N3/08 , G06N3/0442 , G06N3/042
摘要： 本发明公开了一种基于文本知识图谱联合训练的高炉炼铁通用模型构建方法。该方法包括三部分：数据采集与概念对齐部分，收集高炉炼铁过程中的文本数据，并将其与高炉知识图谱中的节点进行匹配对齐；文本‑知识图谱联合训练构建通用预训练模型部分，基于多任务学习框架，通过文本预测和图谱链接预测双任务的设计，得到文本特征与图特征交叉融合的特征，构建通用预训练模型；面向多种高炉炼铁过程工业任务的动态微调模型部分，根据每时刻的文本数据、任务相关的动态子图以及节点的动态属性数据提取特征向量，将其输入时序混合专家网络中，针对具体工业任务进行预训练模型的微调，由此得到能完成多种工业任务的最终模型。
-
公开(公告)号：CN117216697A
公开(公告)日：2023-12-12
申请号：CN202311091566.5
申请日：2023-08-29
申请人： 浙江大学
IPC分类号： G06F18/2433 , G06N3/0464 , G06N3/048 , G06N3/049
摘要： 本发明公开了一种基于时序卷积网络的高炉炼铁鲁棒多变量故障检测方法（robust temporal convolution detection network,RTCDN）首先将时序卷积网络（temporal convolution network,TCN）中残差模块进行堆叠构建时序卷积检测网络（temporal convolution detection network,TCDN），TCDN利用因果时序卷积网络在时间尺度上提取过程的动态信息，同时利用卷积神经网络的通道数量对变量的空间维度进行变换，在实现时间尺度信息提取的同时，对变量进行压缩和重构；TCDN根据变量的重构误差的平方和实现故障的检测功能；而针对高炉原始数据普遍存在离群点的现象，本发明在TCDN的基础上提出了一种基于l1范数的鲁棒解决方案，能将带有离群点的数据进行分离，分离出稀疏的离群点矩阵，进而获得干净的数据进行模型训练，使模型具有强大的鲁棒性。
-
公开(公告)号：CN116702030A
公开(公告)日：2023-09-05
申请号：CN202310627456.X
申请日：2023-05-31
申请人： 浙江大学
IPC分类号： G06F18/241 , G06F18/214 , G06F18/213 , G06F18/15 , G06N3/084
摘要： 本发明公开了一种基于传感器可靠性分析的高炉状态监测方法及装置，涉及高炉冶炼过程监测技术领域。由于目前高炉状态监测方法很少关注作为状态监测方法数据来源的传感器本身，此时若传感器发生故障导致数据异常，正常运行的高炉可能被误判为故障状态。针对上述问题，本发明提出了一种基于传感器可靠性分析的高炉状态监测方法。包括基于高炉历史参数数据集的特征变量挑选；基于特征变量数据集，应用反向传播神经网络建立初始高炉故障状态监测模型与传感器故障状态监测模型，应用支持向量机建立故障传感器定位模型，针对传感器精度下降故障，建立精度下降故障状态监测模型；联合分析所述三种模型构建高炉状态监测模型，进而实现高炉的状态监测。
-
公开(公告)号：CN116629310A
公开(公告)日：2023-08-22
申请号：CN202310640950.X
申请日：2023-06-01
申请人： 浙江大学
IPC分类号： G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06F18/25 , G06F123/02
摘要： 本发明公开了一种融合知识与数据的烧结矿转鼓强度智能检测方法，属于工业过程软测量建模领域。本发明利用门控时空卷积模块分别从知识和数据角度提取烧结过程的时空特征，并采用局部保持投影方法对这两类特征进行融合，实现知识与数据协同驱动的转鼓强度智能检测。首先，利用专家知识和高斯核距离公式分别构建基于知识和数据的邻接矩阵。然后，利用门控思想将图卷积和时间卷积进行融合，搭建门控时空卷积模块；接着，构建一个双分支网络，分别提取基于知识特征和基于数据的特征。最后，利用局部保持投影方法融合这两类特征，并输给一个全连接层，实现转鼓强度的智能检测。在某烧结厂中搜集烧结矿转鼓强度的数据，验证了该方法的有效性和可行性。
-
公开(公告)号：CN115909535A
公开(公告)日：2023-04-04
申请号：CN202211258236.6
申请日：2022-10-13
申请人： 浙江大学
IPC分类号： G07C3/00 , G06N3/0455 , G06N7/01 , G06N20/10 , G06F18/2135 , G06F18/25 , C21B5/00 , C21B7/24
摘要： 本发明公开了一种基于RBNCVA的高炉炼铁过程监测方法，首先，采用堆叠去噪自编码器（SDAE）对历史高炉故障数据进行建模，从中提取出鲁棒的宽度非线性特征，这种特征有助于处理高炉炼铁过程的复杂非线性，并能抵抗噪声和异常值的干扰；然后，采用典型变量分析（CVA）方法分析过去和未来特征向量之间的关系，以应对高炉的动态性问题；最后，通过由核密度估计方法求得的概率密度函数来计算统计量。本发明降低了高炉炼铁监测过程中的误报率，显著地提高了故障检测率和故障敏感性。
-
-
公开(公告)号：CN114216349B
公开(公告)日：2022-09-16
申请号：CN202111479943.3
申请日：2021-12-06
申请人： 浙江大学
摘要： 本发明公开了一种基于编码解码网络的烧结终点预报方法，属于工业过程软测量建模领域。本发明利用烧结机运行过程中采集的数据，开发了一种基于时空注意力机制的编码解码网络的终点预报模型，其中时间注意力机制用于表征样本的时序动态性，空间注意力机制用来捕获目标变量与高级特征之间的相关性，以此提高模型的准确性和鲁棒性。利用该模型可以实时地对烧结过程中的终点进行提前预报，对于现场的工艺指导与参数调整具备较大的实际意义。通过该模型与其他模型的预报结果对比，证明了该模型对烧结终点的预报有着较为精确和稳定的建模能力，为钢铁企业生产高质量的烧结矿提供了技术支撑。
-
公开(公告)号：CN113223634B
公开(公告)日：2022-09-16
申请号：CN202110303503.6
申请日：2021-03-22
申请人： 浙江大学
摘要： 本发明公开了一种基于二维自注意力增强GRU模型高炉铁水硅含量预测方法，属于工业过程监控、建模和仿真领域。通过从真实的高炉生产数据中获取有效信息建立模型，实现铁水硅含量提前预测，指导后续生产操作。考虑高炉生产过程中各参数变量对产品铁水硅含量的影响大小不同且随时间动态变化，提出在GRU模型特征维度增加自注意力，获取各参数变量的动态权重；同时，考虑系统动态性以及大时滞问题，提出基于因果卷积的时间维度自注意力机制，实现高炉运行参数局部动态特征增强感知，以及运行参数同工艺指标的软对标；本发明方法对于具有大时滞、强动态性的高炉系统具有很好的拟合效果，能够实现对高炉铁水硅含量的准确预测。
-
-
-
-
-
-
-
-
-
搜索结果
153 条记录 (耗时 0.031 秒)
