申请/专利权人:太原理工大学
申请日:2024-03-07
公开(公告)日:2024-04-09
公开(公告)号:CN117839819A
主分类号:B02C17/10
分类号:B02C17/10;G01M99/00;G01M13/045;G01N33/00;B02C17/18;G06F18/27;G06F18/2131;G06N3/0464;G06N3/084;G06N3/048
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明涉及球磨机负荷预测领域,具体是一种基于物理信息神经网络的在线多任务磨机负荷预测方法。本发明解决了使用旧模型进行磨机负荷预测可能会导致较大的误差的问题,包括S100:采集球磨机的振动信号及其对应的矿浆浓度真值和料球比真值;S200:对S100中所获得的振动信号进行快速傅里叶变换,得到训练数据;S300:将从S200中得到的训练数据输入矿浆浓度预测模型中,得到矿浆浓度的预测值;S400:将从S200中得到的训练数据和从S300中得到的矿浆浓度预测值输入料球比预测模型中,得到料球比的预测值;S500:采集矿浆浓度真值,更新矿浆浓度预测模型和料球比预测模型。本发明提高磨机负荷的预测精度。
主权项:1.一种基于物理信息神经网络的在线多任务磨机负荷预测方法,其特征在于,包括:S100:采集球磨机的振动信号及其对应的矿浆浓度真值和料球比真值;S200:对S100中所获得的振动信号进行傅里叶变换,得到训练数据;S300:将从S200中得到的训练数据输入矿浆浓度预测模型中,得到矿浆浓度的预测值;S400:将从S200中得到的训练数据和从S300中得到的矿浆浓度预测值输入料球比预测模型中,得到料球比的预测值;S500:采集矿浆浓度真值,更新矿浆浓度预测模型和料球比预测模型。
全文数据:
权利要求:
百度查询: 太原理工大学 基于物理信息神经网络的在线多任务磨机负荷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。