-
公开(公告)号：CN110142153B
公开(公告)日：2024-09-13
申请号：CN201910531361.1
申请日：2019-06-19
Applicant: 中南大学 , 中国有色金属工业昆明勘察设计研究院有限公司
IPC: B04B15/00
Abstract: 本发明公开了一种离心式的矿物分选装置，包括上箱体，上箱体的下部固定连接有下箱体，上箱体的上端固定连接有进料机构，上箱体的中部转动连接有分选机构，分选机构的下端固定连接有中空轴，在过滤池的上端固定连接金属网，金属网的下表面固定连接过滤垫，通过连接管连接上箱体和过滤池，使分选废水经过金属网和过滤垫过滤后流入过滤池内，并经过供水机构再次利用，且下箱体的右侧设置排废机构，便于过滤物排出，本发明结构合理，使用便捷，可将分选后产生的废水过滤后二次利用，从而节约水资源，并且通过排废机构设计，便于过滤物排出。
-
公开(公告)号：CN115685924B
公开(公告)日：2024-06-25
申请号：CN202211332561.2
申请日：2022-10-28
Applicant: 中南大学
IPC: G05B19/418
Abstract: 本公开实施例中提供了一种转炉吹炼终点预报方法，属于数据处理技术领域，具体包括：在造渣期和造铜期选取多个影响因素形成原始数据；对原始数据进行因子分析降维，得到公因子矩阵；利用人工蜂群算法进行迭代，确定正则化极限学习机结构；生成预报值；利用基于关联性的特征选择算法对原始数据进行特征选择，得到最优特征子集，以及，计算原始数据中所有特征的Gini系数；将Gini系数缩小k倍；根据缩小k倍后的Gini系数构造CART决策树并据此获得不同送风流量的不同终点预报时间的校准值；采用对应时间点的校准值对上一预报时刻的预报值进行动态校正。通过本公开的方案，提高了适应性和预测精准度。
-
公开(公告)号：CN118197453A
公开(公告)日：2024-06-14
申请号：CN202410617232.5
申请日：2024-05-17
Applicant: 中南大学
Abstract: 本发明提供一种氧化铝溶出过程苛性比值软测量建模方法，先构建考虑实时固相含铝浓度的氧化铝溶出过程铝溶解微观动力学模型，用于反映主反应的反应速率#imgabs0#；再基于溶出工艺流程的质量平衡和能量守恒，以及主反应的反应速率#imgabs1#，获得基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程，得氧化铝浓度#imgabs2#；基于副反应的影响，获得溶出过程溶液中苛性钠浓度方程，得苛性氧化钠的浓度#imgabs3#；然后基于氧化铝浓度#imgabs4#和苛性氧化钠的浓度#imgabs5#，建立溶出过程苛性比值软测量模型，最后结合工业实际数据辨识融合和优化求解算法，获得溶出过程苛性比值软测量模型的未知参数；本发明构建的氧化铝溶出过程苛性比值软测量模型的预测精度高，平均相对误差在1%以内。
-
公开(公告)号：CN118071201A
公开(公告)日：2024-05-24
申请号：CN202410210448.X
申请日：2024-02-26
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q10/04 , G06Q50/04 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明涉及化工生产过程控制技术领域，具体公开了一种基于正交自注意力LSTM的多装置级联生产过程出口质量预测方法，包括以下步骤：步骤1，采集过程数据和化验数据，构成数据集；步骤2，分析不同装置过程变量和质量指标之间的时滞关系；步骤3，基于时滞关系为过程变量划分时间窗，将划分后的过程变量矩阵与对应的质量指标打包成为单个模型数据样本，对所有样本进行随机划分；步骤4，采用正交自注意力网络结构提取过程数据本身的时滞变化信息；步骤5，将正交自注意力网络结构融合于级联LSTM神经网络结构中，步骤6，通过级联LSTM神经网络结构进行有监督训练，获得训练模型；步骤7，输入测试样本的过程数据，并获得输出预测值。
-
公开(公告)号：CN117113193A
公开(公告)日：2023-11-24
申请号：CN202311118853.0
申请日：2023-08-31
Applicant: 中南大学 , 北京瑞太智联技术有限公司
IPC: G06F18/241 , G06F18/23213 , G06F18/214 , G06N3/044
Abstract: 本申请适用于工业过程监测技术领域，提供了一种基于深度状态空间模型的可解释过程监测方法及相关设备，其中该方法包括：对多个历史时刻的工业过程数据样本进行模态划分，得到各工业过程数据样本对应的模态标签；对带有模态标签的工业过程数据样本进行分割，生成训练样本集；构建深度状态空间模型；深度状态空间模型的隐变量包括可理解的离散部分和不可理解的连续部分；以最大化观测的对数似然和最小化模态的分类交叉熵作为损失，利用训练样本集对深度状态空间模型进行训练；利用训练后的深度状态空间模型对在线工业过程数据进行分析处理，以确定工业系统是否存在故障。本申请能增强过程监测模型的可解释性，提升工业过程故障监测结果的可信度。
-
Patent Agency Ranking
公开(公告)号：CN116232050B
公开(公告)日：2023-09-15
申请号：CN202310012046.4
申请日：2023-01-05
Applicant: 中南大学 , 长沙南睿轨道交通电气设备有限公司
Abstract: 本发明公开了一种轨道交通车辆直流三电平DC‑DC变换器及其控制方法，提出在飞跨电容型三电平DC/DC变换器拓扑结构基础上适配电力电子器件，构建成串联充电并联放电型三电平DC/DC变换器拓扑结构，结合多种工作模态控制策略，通过串联充电、并联放电的电容同步充、放电模式，在取消了中点平衡电路的情况下，实现了直流三电平DC/DC变换器的中点自校正能力，提升了三电平DC/DC变换器传输效率。
-
公开(公告)号：CN116228681A
公开(公告)日：2023-06-06
申请号：CN202310061279.3
申请日：2023-01-19
Applicant: 中南大学
Abstract: 本发明适用于图像处理技术领域，提供了一种基于图像多级特征匹配的烧结矿粒智能计数方法，包括：获取破碎机破碎后的矿粒做自由下落运动的视频数据；提取视频数据中第K帧矿粒图像和第K+1帧矿粒图像内每个矿粒的形态特征，并基于动力学模型及提取到的形态特征，通过多级特征匹配追踪第K帧矿粒图像内每个矿粒在第K+1帧矿粒图像中的形态特征，得到视频数据中每个矿粒对应的面积初步确定结果；分别针对视频数据中每个矿粒，根据该矿粒对应的所有面积初步确定结果确定该矿粒的最大面积；根据预设矿粒面积阈值以及每个矿粒的最大面积，对每个矿粒进行粒径划分，并统计不同粒径包含的矿粒个数。本发明能提高烧结矿粒计数的准确度。
-
公开(公告)号：CN113269067B
公开(公告)日：2023-04-07
申请号：CN202110532120.6
申请日：2021-05-17
Applicant: 中南大学
IPC: G06V20/40 , G06V20/52 , G06V10/26 , G06V10/74 , G06Q10/0631 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于深度学习的周期性工业视频片段关键帧两阶段提取方法。该方法包括：获取工业视频图像，提取感兴趣区域，预处理，得到预处理后图像序列；构建基于深度学习的语义分割网络模型，提取所述预处理后图像的目标区域；第一阶段，构建卷积神经网络对所述预处理后图像进行分类，并对其时间序列进行分割，得候选关键帧序列集合；第二阶段，构建所述目标区域相似度矩阵，对所述候选关键帧序列进行聚类、筛选和融合，得关键帧。本发明针对工业视频特征复杂，当前方法缺乏全局性和局部性的问题，引入深度学习技术，以“先全局后局部”的两阶段思想，更快、更准确地提取了工业视频关键帧，对优化生产，实现提质增产具有指导意义。
-
公开(公告)号：CN115685924A
公开(公告)日：2023-02-03
申请号：CN202211332561.2
申请日：2022-10-28
Applicant: 中南大学
IPC: G05B19/418
Abstract: 本公开实施例中提供了一种转炉吹炼终点预报方法，属于数据处理技术领域，具体包括：在造渣期和造铜期选取多个影响因素形成原始数据；对原始数据进行因子分析降维，得到公因子矩阵；利用人工蜂群算法进行迭代，确定正则化极限学习机结构；生成预报值；利用基于关联性的特征选择算法对原始数据进行特征选择，得到最优特征子集，以及，计算原始数据中所有特征的Gini系数；将Gini系数缩小k倍；根据缩小k倍后的Gini系数构造CART决策树并据此获得不同送风流量的不同终点预报时间的校准值；采用对应时间点的校准值对上一预报时刻的预报值进行动态校正。通过本公开的方案，提高了适应性和预测精准度。
-
公开(公告)号：CN115271071A
公开(公告)日：2022-11-01
申请号：CN202210942556.7
申请日：2022-08-08
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于图神经网络的知识图谱实体对齐方法、系统及设备，属于数据处理技术领域，具体包括：步骤1，数据准备；步骤2，数据预处理；步骤3，构建图神经网络模型；步骤4，网络前向运算；步骤5，融合全局信息的分布迁移法；步骤6，融合局部信息的针对性负采样；步骤7，反向传播更新图神经网络模型权值参数；步骤8，重复步骤4至步骤7的内容，直至步骤7所述联合损失函数迭代达到预设条件；步骤9，整体匹配法输出对齐结果。通过本公开的方案，充分挖掘知识图谱中实体之间的全局以及局部信息，提升了知识图谱实体对齐任务的训练效率和精准度。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.044 seconds)
