公开(公告)号：CN108983127B

公开(公告)日：2019-10-29

申请号：CN201810531465.8

申请日：2018-05-29

Applicant: 东北大学

Inventor： 肖冬 ,  刘崇敏 ,  毛亚纯 ,  单丰 ,  刘新新 ,  付晓锐

IPC: G01R33/12 ,  G06N3/00 ,  G06N3/04

Abstract: 本发明涉及一种基于光谱数据检测赤铁矿磁性率的方法，包括以下步骤：获取待检测的赤铁矿样品的光谱数据，其中，每个赤铁矿样品的光谱数据中包含m个光谱特征；将获取的光谱数据输入赤铁矿磁性率检测模型；赤铁矿磁性检测模型根据输入的光谱数据输出赤铁矿样品的磁性率。采用多组包括磁性率和与所述磁性率相对应的光谱数据的赤铁矿综合数据，利用主成分分析算法对所述光谱数据处理后，建立基于改进粒子群算法优化的极限学习机神经网络的赤铁矿磁性率检测模型。本发明提供的基于赤铁矿光谱数据检测赤铁矿磁性率的方法，效率高、成本低、且精度高。

公开(公告)号：CN109030388A

公开(公告)日：2018-12-18

申请号：CN201810783651.0

申请日：2018-07-17

Applicant: 东北大学

Inventor： 肖冬 ,  刘崇敏 ,  毛亚纯 ,  张颖伟 ,  柳小波 ,  孙效玉

IPC: G01N21/31 ,  G01N21/3563 ,  G01N21/359

Abstract: 本发明涉及一种基于光谱数据的铁矿石全铁含量检测方法，包括以下步骤：获取待检测铁矿石样品的光谱数据，所述光谱数据中包含m个光谱特征；将所述光谱数据输入铁矿石分类模型中，获得所述待检测铁矿石样品的铁矿石类型；根据获得的铁矿石类型，将所述光谱数据输入相应铁矿石类型的铁矿石全铁含量检测模型中，获得所述光谱数据对应的铁矿石全铁含量。本发明提供的一种基于光谱数据的铁矿石全铁含量检测方法，具有效率高、成本低、且精度高的优点。

公开(公告)号：CN108983127A

公开(公告)日：2018-12-11

申请号：CN201810531465.8

申请日：2018-05-29

Applicant: 东北大学

Inventor： 肖冬 ,  刘崇敏 ,  毛亚纯 ,  单丰 ,  刘新新 ,  付晓锐

IPC: G01R33/12 ,  G06N3/00 ,  G06N3/04

Abstract: 本发明涉及一种基于光谱数据检测赤铁矿磁性率的方法，包括以下步骤：获取待检测的赤铁矿样品的光谱数据，其中，每个赤铁矿样品的光谱数据中包含m个光谱特征；将获取的光谱数据输入赤铁矿磁性率检测模型；赤铁矿磁性检测模型根据输入的光谱数据输出赤铁矿样品的磁性率。采用多组包括磁性率和与所述磁性率相对应的光谱数据的赤铁矿综合数据，利用主成分分析算法对所述光谱数据处理后，建立基于改进粒子群算法优化的极限学习机神经网络的赤铁矿磁性率检测模型。本发明提供的基于赤铁矿光谱数据检测赤铁矿磁性率的方法，效率高、成本低、且精度高。

公开(公告)号：CN108805346A

公开(公告)日：2018-11-13

申请号：CN201810565546.X

申请日：2018-06-04

Applicant: 东北大学

Inventor： 肖冬 ,  刘新新 ,  单丰 ,  刘崇敏 ,  付晓锐

IPC: G06Q10/04 ,  G06Q50/04 ,  G06N3/00 ,  G06N3/04 ,  B21B38/08

CPC classification number: G06Q10/04 ,  B21B38/08 ,  G06N3/006 ,  G06N3/0454 ,  G06Q50/04

Abstract: 本发明涉及一种基于多隐层极限学习机神经网络的热连轧轧制力预报的方法，包括以下步骤：获取影响热连轧轧制力数值的影响因素数据；将获取的影响因素数据输入多隐层极限学习机预测模型；所述多隐层极限学习机预测模型根据输入的影响因素数据输出热连轧轧制力的预测数值。采用多组现有的热连轧轧制力综合数据、遗传算法和粒子群优化算法，建立基于多隐层极限学习机神经网络的多隐层极限学习机预测模型。本发明提供的一种多隐层极限学习机热连轧轧制力的预报方法预测精度高，模型易维护，同时避免了依据设计者个人经验设定神经网络的隐含层数和隐含层结点数的弊端，精度较高。

公开(公告)号：CN109030388B

公开(公告)日：2019-12-03

申请号：CN201810783651.0

申请日：2018-07-17

Applicant: 东北大学

Inventor： 肖冬 ,  刘崇敏 ,  毛亚纯 ,  张颖伟 ,  柳小波 ,  孙效玉

IPC: G01N21/31 ,  G01N21/3563 ,  G01N21/359

Abstract: 本发明涉及一种基于光谱数据的铁矿石全铁含量检测方法，包括以下步骤：获取待检测铁矿石样品的光谱数据，所述光谱数据中包含m个光谱特征；将所述光谱数据输入铁矿石分类模型中，获得所述待检测铁矿石样品的铁矿石类型；根据获得的铁矿石类型，将所述光谱数据输入相应铁矿石类型的铁矿石全铁含量检测模型中，获得所述光谱数据对应的铁矿石全铁含量。本发明提供的一种基于光谱数据的铁矿石全铁含量检测方法，具有效率高、成本低、且精度高的优点。

公开(公告)号：CN108734197A

公开(公告)日：2018-11-02

申请号：CN201810344519.X

申请日：2018-04-17

Applicant: 东北大学

Inventor： 肖冬 ,  于志超 ,  刘崇敏 ,  单丰 ,  杨丰华 ,  付晓锐

IPC: G06K9/62 ,  G06F17/50

Abstract: 本发明涉及一种湿法冶金浓密洗涤过程的故障监测与诊断方法，步骤为：确定故障状态及影响因素，提取故障特征，采集样本数据；对采集的三维矩阵数据进行预处理，得到二维数据阵；根据二维数据阵，为进行样本训练，得到训练集；将训练集对SVM分类器进行训练，得到一个训练好的基于SVM的浓密机底流管道堵塞故障检测模型；用得到的检测模型对测试集进行标签预测，辅助实际决策和控制，或与实际结果比较，调整支持向量机分类器的参数。本发明利用支持向量机特有的优势解决小样本、非线性及高维模式识别问题，可以推广应用到函数估计等其他机器学习问题中，来辅助实际决策和控制，调整支持向量机分类器的参数，达到较理想的测试结果。