-
公开(公告)号：CN105349328A
公开(公告)日：2016-02-24
申请号：CN201510921480.X
申请日：2015-12-14
Applicant: 江南大学
IPC: C12G3/02
CPC classification number: C12G3/02
Abstract: 一种实现黄酒发酵自动化控制的装备及应用，属于轻工过程自动化控制领域。该装备采用PLC检测工艺参数，控制现场的执行机构，采用工业控制计算机对黄酒生产工艺进行实时监测与控制，运用智能化仪表及高性能气动阀门以保证检测和控制精度，从而实现黄酒发酵过程中的罐温度与开耙的自动化控制；为了系统的安全性，设有手动装置。本发明实现了黄酒发酵生产的自动化，不仅大大降低了劳动强度，而且解决了黄酒传统发酵工艺中温度与开耙时间的难控制问题，同时一定程度上解决了由于批次发酵控制过程的温度与开耙不重复性而造成黄酒品质不稳定的问题。
-
公开(公告)号：CN104778298A
公开(公告)日：2015-07-15
申请号：CN201510038931.5
申请日：2015-01-26
Applicant: 江南大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于EGMM的高斯过程回归软测量建模方法。用于复杂多变、噪声非高斯性的化工过程。工业过程建立的软测量预测模型往往会产生预测误差，然而模型预测误差常常包含了丰富的有用信息，因此可以从这些预测误差中提取信息用于对模型的输出进行补偿，从而改进所建立的软测量模型。首先，选择合适的变量组成误差数据，优化得到合适的高斯成分的个数；然后用EGMM对误差数据进行拟合；当新的数据到来时，用建立的GPR模型进行预测输出，并通过EGMM模型求得条件误差均值，对输出进行补偿得到更加精确的结果。能够对关键变量进行更加精确的预测，从而提高产品质量，降低生产成本。
-
公开(公告)号：CN102004502B
公开(公告)日：2012-10-24
申请号：CN201010551020.X
申请日：2010-11-19
Applicant: 江南大学
IPC: G05D9/12
Abstract: 黄酒生产中间罐液位控制系统及控制方法，涉及黄酒生产中的控制系统及控制方法。系统结构：现场控制柜内装有可编程逻辑控制器、报警指示灯和手动按钮；液位传感器安装于中间罐内设定的上限或者下限位置时；执行器包括电磁先导阀、气动球阀和手动球阀；监控计算机连接可编程逻辑控制器和液位传感器。方法操作步骤：在各罐的罐体内液位高度变化的上、下限位置分别安装液位传感器；检测到的液位状态信号传送至可编程逻辑控制器和监控计算机；当罐体内液位高于或低于设定值时向中间罐上的电磁先导阀发出指令信号。本发明有效的防止了中间罐内醪液溢出，解决了人工操作时间滞后、需要不间断值守等问题。
-
公开(公告)号：CN102004502A
公开(公告)日：2011-04-06
申请号：CN201010551020.X
申请日：2010-11-19
Applicant: 江南大学
IPC: G05D9/12
Abstract: 黄酒生产中间罐液位控制系统及控制方法，涉及黄酒生产中的控制系统及控制方法。系统结构：现场控制柜内装有可编程逻辑控制器、报警指示灯和手动按钮；液位传感器安装于中间罐内设定的上限或者下限位置时；执行器包括电磁先导阀、气动球阀和手动球阀；监控计算机连接可编程逻辑控制器和液位传感器。方法操作步骤：在各罐的罐体内液位高度变化的上、下限位置分别安装液位传感器；检测到的液位状态信号传送至可编程逻辑控制器和监控计算机；当罐体内液位高于或低于设定值时向中间罐上的电磁先导阀发出指令信号。本发明有效的防止了中间罐内醪液溢出，解决了人工操作时间滞后、需要不间断值守等问题。
-
公开(公告)号：CN101950165A
公开(公告)日：2011-01-19
申请号：CN201010248472.0
申请日：2010-08-09
Applicant: 江南大学
IPC: G05B19/05
Abstract: 本发明公开了一种黄酒开耙控制系统及其应用，包含工控机、PLC、温度传感器、智能仪表和现场执行器，属于轻工过程先进控制领域。工控机设有数据库和人机交互界面，前者用于存储数据，后者用于状态信号的集中显示和控制参数的设定或修改；PLC执行工控机的程序指令；温度传感器采集各发酵罐内的温度信息；智能仪表显示温度并将温度信号传送至数据库；当发酵罐内温度等参数满足设定条件时，工控机向PLC发出程序指令，驱动现场执行器动作，实现罐内料液的开耙。本发明提供的一种黄酒开耙的控制系统，使黄酒酿造工艺中最复杂的过程实现了自动化控制，解决了手工操作造成黄酒品质不稳定等问题，为黄酒酿造过程的全自动化控制奠定了基础。
-
Patent Agency Ranking
公开(公告)号：CN118862955A
公开(公告)日：2024-10-29
申请号：CN202410879303.9
申请日：2024-07-02
Applicant: 江南大学
Abstract: 本发明公开了一种面向数据不平衡的污水处理过程BOD5预测方法，属于污水处理技术领域。该方法将时空注意力机制嵌入Siamese网络中，从而更好地捕获过程变量之间的关系以及时间依赖关系，增强特征的表征能力；针对多模态污水处理过程中的数据不平衡问题，将深度TL机制引入该模型得到TL‑STSFE模型。充分利用源域中充足的过程数据进行模型训练，利用源域预训练模型的知识，有效地将学习到的特征迁移到目标域，具体的，在训练TL‑STSFE模型时，首先以晴天数据进行训练，训练完成后，冻结部分层，再以雨天和暴雨天数据对未冻结层进行训练以对网络参数进行微调。增强泛化能力的同时还解决了数据不平衡的目标领域建模问题。
-
公开(公告)号：CN117313936B
公开(公告)日：2024-03-29
申请号：CN202311276330.9
申请日：2023-09-30
Applicant: 江南大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/049 , G06N3/0985 , G06N3/0495 , G06F17/10
Abstract: 本发明公开了一种燃煤发电烟气脱硫过程SO2含量动态预测方法，属于软测量技术领域。该方法通过将时序注意力引入GRU网络，根据不同时刻隐含层间的时序相关性，自适应分配注意力权重，提高模型时序特征表征能力；通过采用MIV算法计算获得不同过程变量的注意力权重向量，并嵌入NNG算法约束，以实现其系数的近似无偏估计；最后采用带变量注意力的NNG算法对GRU网络进行稀疏优化，降低模型复杂度。该方法能有效够表征神经网络权重矩阵变化情况，结合初始TAM‑GRU网络模型对不同输入过程变量进行相关性评价，进而挖掘不同输入过程变量与输出变量间的动态相关性，在有效剔除冗余变量并简化模型结构的同时提高其预测性能。
-
公开(公告)号：CN117390817A
公开(公告)日：2024-01-12
申请号：CN202310795537.0
申请日：2023-06-30
Applicant: 江南大学
Abstract: 本发明公开了一种基于数字孪生技术的污水处理过程故障检测方法包括：通过数字孪生技术建立一个虚拟的污水处理厂模型；监测污水处理设备的运行数据；将所述运行数据与所述污水处理厂模型进行比对和分析，提前发现潜在的故障并发出警报。本发明提供的基于数字孪生技术的污水处理过程故障检测方法建立了污水处理过程的数字孪生模型，通过数字孪生平台进行故障模拟，产生故障数据，实时进行数据更新；设计了基于滑动窗的多块信息卷积自编码器方法对污水处理过程的污泥膨胀故障和毒刺冲击故障进行检测。
-
公开(公告)号：CN117313936A
公开(公告)日：2023-12-29
申请号：CN202311276330.9
申请日：2023-09-30
Applicant: 江南大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/049 , G06N3/0985 , G06N3/0495 , G06F17/10
Abstract: 本发明公开了一种燃煤发电烟气脱硫过程SO2含量动态预测方法，属于软测量技术领域。该方法通过将时序注意力引入GRU网络，根据不同时刻隐含层间的时序相关性，自适应分配注意力权重，提高模型时序特征表征能力；通过采用MIV算法计算获得不同过程变量的注意力权重向量，并嵌入NNG算法约束，以实现其系数的近似无偏估计；最后采用带变量注意力的NNG算法对GRU网络进行稀疏优化，降低模型复杂度。该方法能有效够表征神经网络权重矩阵变化情况，结合初始TAM‑GRU网络模型对不同输入过程变量进行相关性评价，进而挖掘不同输入过程变量与输出变量间的动态相关性，在有效剔除冗余变量并简化模型结构的同时提高其预测性能。
-
公开(公告)号：CN117032155A
公开(公告)日：2023-11-10
申请号：CN202310906535.4
申请日：2023-07-24
Applicant: 江南大学
IPC: G05B23/02
Abstract: 本发明公开了一种工业过程故障检测方法及装置，包括：采用降噪自编码器对样本进行预处理，构建重构误差作为模型的输入；通过改进的双向生成对抗网络算法，将长短时解码结构引入生成器，使得生成器在生成虚假样本的同时关注当前时刻样本的过程特征和历史时刻样本间的关联性，实现对高维时间序列的特征提取和故障检测。本发明一方面可以增大正常样本与异常样本的相对差异度，有效地减少统计量计算中正常信息对异常信息的淹没；能够增强对微小故障的检测；一方面对数据进行时序特征提取，提升了模型的故障检测能力。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.026 seconds)
