公开(公告)号：CN119474670A

公开(公告)日：2025-02-18

申请号：CN202411507154.X

申请日：2024-10-28

Applicant: 湖南大学

Inventor： 高云鹏 ,  周泳彬 ,  张微 ,  王俊霖 ,  孙超杰

IPC: G06F18/10 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/08 ,  G06N3/006

Abstract: 本发明公开了一种智能在线化验过程数据异常检测方法，具体是一种基于粒子群优化算法和深度稀疏降噪自编码器的智能在线化验过程异常检测方法，其包括：步骤S101，基于智能在线化验设备采集运行过程数据，搭建样本数据库；步骤S102，对数据进行Min‑Max归一化预处理操作；步骤S103，搭建基于深度稀疏降噪自编码器(DSDAE)的异常检测模型，使其经过训练后能够学习到正常数据的数据特性；步骤S104，利用粒子群(PSO)算法，对DSDAE模型的隐藏层神经元个数进行优化，建立基于PSO‑DSDAE的异常检测模型；步骤S105，利用累积和算法确定模型重构残差容忍阈值，建立异常判断机制；步骤S106，采用数据集数据对基于PSO‑DSDAE的异常检测模型进行训练，通过对比模型输出与输入之间的重构残差是否超过阈值，以此实现异常数据检测。

公开(公告)号：CN119417256A

公开(公告)日：2025-02-11

申请号：CN202411453118.X

申请日：2024-10-17

Applicant: 湖南大学

Inventor： 高云鹏 ,  周泳彬 ,  孟茹 ,  张微 ,  罗芸

IPC: G06Q10/0637 ,  G06Q50/02 ,  G06F18/15 ,  G06F18/214 ,  G06N3/006 ,  G06N3/048 ,  G06N3/09

Abstract: 本发明公开了一种基于ISSA‑HKLSSVM的浮选精矿品位预测方法，步骤S1，基于X荧光分析仪采集数据搭建用以描述矿石元素能量强度与精矿品位之间非线性关系的模型,利用分析仪所测通道数据建立样本数据库；步骤S2，引入Min‑Max数据归一化方法对数据进行预处理，构建数据集；步骤S3，采用混合核函数，对核函数的权重系数进行寻优，搭建基于HKLSSVM的精矿品位预测模型；步骤S4，引入非线性指数对数混合学习因子对传统SSA算法改进，利用ISSA算法对HKLSSVM模型的核函数参数和惩罚因子进行优化，建立ISSA‑HKLSSVM的浮选精矿品位预测模型；步骤S5，采用数据集数据对基于ISSA‑HKLSSVM的品位预测模型进行训练，实现浮选过程精矿品位预测。本方法可有效实现精矿品位的准确预测，为浮选过程优化控制、提高浮选效率提供有效可靠的判据。

公开(公告)号：CN117943211A

公开(公告)日：2024-04-30

申请号：CN202311763992.9

申请日：2023-12-20

Applicant: 湖南大学

Inventor： 高云鹏 ,  张微 ,  罗芸 ,  孟茹 ,  周泳彬

IPC: B03D1/02

Abstract: 本发明公开了一种基于分布式动态图嵌入的浮选过程质量故障的检测方法，步骤1，采集浮选生产过程中浓度、PH值、矿石细度、泡沫层厚度、充其量等过程变量作为输入变量，浮选过程的精矿品位作为输出的质量指标；步骤2，基于互信息方法，建立过程变量与质量变量的互相关矩阵MI，计算平均阈值并选取关键变量；步骤3，基于浮选过程的生产工艺及现场经验，将关键性变量划分为Q个质量相关子块和B个质量不相关子块；步骤4：采用关键变量选取和子块分解结果，建立分布式动态图模型，实现进行质量相关故障检测；步骤5：采用贝叶斯融合网络，对监测结果融合决策。步骤6：根据监测结果，判断是否为质量相关故障。