CN117696224A - 一种基于大模型的磨矿优化处理*** - Google Patents
一种基于大模型的磨矿优化处理*** Download PDFInfo
- Publication number
- CN117696224A CN117696224A CN202311802389.7A CN202311802389A CN117696224A CN 117696224 A CN117696224 A CN 117696224A CN 202311802389 A CN202311802389 A CN 202311802389A CN 117696224 A CN117696224 A CN 117696224A
- Authority
- CN
- China
- Prior art keywords
- semi
- autogenous mill
- module
- optimization algorithm
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000227 grinding Methods 0.000 title claims abstract description 79
- 238000005457 optimization Methods 0.000 claims abstract description 217
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 216
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000013135 deep learning Methods 0.000 claims abstract description 8
- 230000003993 interaction Effects 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 8
- 239000007787 solid Substances 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003801 milling Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
- B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
- B02C25/00—Control arrangements specially adapted for crushing or disintegrating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Fuzzy Systems (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Food Science & Technology (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于大模型的磨矿优化处理***,该***包括:半自磨机优化算法处理模块,用于对半自磨机优化算法利用优化算法进行处理,得到优化节点;半自磨机预处理模块,用于实现人机交互前端半自磨机参数、变量迭代、远程半自磨机自动化监控、半自磨机输入变量预处理以及正常运转半自磨机连接;大模型模糊专家***模块,用于提供深度学习优化算法和半自磨机模糊逻辑的经验规则进行数据处理;半自磨机参数配置选择模块,用于在不同的参数下进行半自磨机优化算法的工作模式的配置,本发明满足了矿山行业对高效、智能磨矿技术的迫切需求,也为未来磨矿优化技术的发展奠定了坚实的基础。
Description
技术领域
本发明涉及半自磨机优化领域,尤其涉及一种基于大模型的磨矿优化处理***。
背景技术
近年来,由于矿产资源的逐渐减少和矿石品位的持续降低,提高矿石处理效率并降低能耗已经成为矿山行业的关键议题。SAG(Semi-Autogenous Grinding)半自磨机因其高效的矿石处理能力而受到了广泛关注。然而,磨矿过程由多种因素影响,例如矿石硬度、磨机负荷、磨球填充率等,使得其运行状态呈现出高度复杂性,进而增加了磨矿优化的难度。
为了应对这一挑战,业界研发出了一系列基于模糊控制和专家***的磨矿优化技术。在目前的技术水平下,这些技术已经能够有效地模拟人类专家的决策过程,并利用模糊逻辑将实时监测的磨矿数据模糊化,然后调整控制参数来优化磨矿效果。然而,现有技术的性能仍受限于模糊逻辑和固定经验规则的局限性。例如,模糊逻辑在面对复杂的磨矿过程时可能不够精确。当矿石特性或磨矿设备状态发生变化时,这些基于固定经验规则的***可能无法自适应调整。另外,现代矿业环境下收集了大量的数据,但传统的模糊逻辑和专家***在处理、分析以及利用这些数据时可能不够高效,导致它们未能充分挖掘大数据中的信息。导致磨矿效率不高,不能满足现有的工业需要,因此,本发明提出一种基于大模型的磨矿优化处理***
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种基于大模型的磨矿优化处理***。本发明所采用的技术方案是,本发明提供如下技术方案:
提供了一种基于大模型的磨矿优化处理***,所述***包括:
半自磨机优化算法处理模块,用于对半自磨机优化算法利用优化算法进行处理,得到优化节点;
半自磨机预处理模块,用于实现人机交互前端半自磨机参数、变量迭代、远程半自磨机自动化监控、半自磨机输入变量预处理以及正常运转半自磨机连接;
大模型模糊专家***模块,用于提供深度学习优化算法和半自磨机模糊逻辑的经验规则进行数据处理;
半自磨机更新优化模块,用于将不同模型下的半自磨机优化算法、大模型模糊专家***模块、半自磨机调度优化算法库,进行全过程的应用与监控;
半自磨机参数配置选择模块,用于在不同的参数下进行半自磨机优化算法的工作模式的配置。
在一种可选的实施例中,所述半自磨机优化算法处理模块包括:
优化算法集成模块,用于提供包括指令的收发、控制服务器、优化算法保存、优化算法聚类、优化算法计算、优化算法编码;
优化算法处理模块,用于为处理海量不同模型下的半自磨机优化算法体并提供优化算法运行环境;
优化算法评估模块,包括优化算法筛查、冗余算法调整组件以及优化算法评估;
磨矿效率单位时间优化模块,用于半自磨机应用过程中的出现的工作效率降低情况进行单位时间优化;
磨矿故障影响模块,用于对磨矿故障影响情况进行统计及预测。
在一种可选的实施例中,所述半自磨机优化算法处理模块包括
基础优化算法库,用于远程半自磨机领域基础优化算法;
半自磨机大模型聚类组件,用于对远程的半自磨机领域基础优化算法进行聚类加密打包;
冗余算法调整组件,用于根据半自磨机行业已有的优化算法标准以及自定义标准对冗余算法进行调整;
优化算法代码管理组件,用于直接提取所述基础优化算法库中的优化算法,以及对磨矿效率进行定期调控,使所述***根据需求快速调用所述基础优化算法库中的优化算法。
在一种可选的实施例中,所述半自磨机预处理模块包括:
半自磨机初始自动化监控AI模块,用于实现从半自磨机自动化监控、半自磨机有用功率数据传送、运转参数配置、半自磨机输入变量预处理、AI一体化危险预警;
半自磨机自动化监控模块,用于不同负荷时磨矿工程师以及安全后台监控人员掌握半自磨机的单位时间优化算法,为半自磨机运行人工指令;
半自磨机决策段输入变量预处理模块,用于根据半自磨机决策段半自磨机设备管理、矿石硬度、矿石种类、磨矿故障影响量进行半自磨机有用功率数据传送,实现半自磨机参数、变量迭代的准确性;
***综合管理模块,用于维护***中的所有参数的正常运行,以及维护***的稳定。
在一种可选的实施例中,所述大模型模糊专家***模块包括:
由模糊专家***网络优化算法以及超图神经网络算法优化算法构成的人工融合优化算法库,
基于半自磨机调度参数配置匹配的融合优化算法库。
在一种可选的实施例中,所述半自磨机更新优化模块包括:
***原始参数设定、***优化参数设定、***账号登录、***定时维护、***链接匹配、***前端扩展、***接口组成、***后台更改与***前端更改。
在一种可选的实施例中,所述半自磨机初始自动化监控AI模块包括:半自磨机管理参数优化模块,新增半自磨机目标AI模块,***能耗供应模块,***前端模块,***参数设定模块,半自磨机功率传送模块,半自磨机参数智能标定模块,半自磨机转化效率模块。
在一种可选的实施例中,所述半自磨机自动化监控模块包括:自动化监控效率模块、半自磨机预处理模块、远程管理模块以及半自磨机功率模块。
在一种可选的实施例中,所述半自磨机决策段输入变量预处理模块包括半自磨机设备智慧管理模块、磨矿任务指标分析模块、矿石种类半自磨机有用功率数据传送模块、半自磨机磨矿速度基准设定模块、半自磨机分布模块以及半自磨机去模糊化管理模块。
本发明实施例提供的上述技术方案的有益效果如下:
本发明实施例提供的***,通过半自磨机优化算法处理模块建立了不同模型下的半自磨机优化算法体的流水线式汇聚、集成、处理与融合的集成框架,实现优化算法种类多、结构复杂的半自磨机领域优化算法一体化治理;通过半自磨机预处理模块实现人机交互前端半自磨机参数、变量迭代、远程半自磨机自动化监控、半自磨机输入变量预处理以及正常运转半自磨机连接,增强行业知识紧密联系;通过大模型模糊专家***模块融合了基于大模型和人工智能的多参数配置自动化监控调控预测技术,并形成了面向半自磨机领域使用情况以及不同参数配置下模型端到端无代码的自定义开发模式,提供深度学习优化算法和半自磨机模糊逻辑的经验规则进行数据处理;通过半自磨机更新优化模块,将不同模型下的半自磨机优化算法、大模型模糊专家***模块、半自磨机调度优化算法库,进行全过程的应用与监控;通过半自磨机参数配置选择模块,在不同的参数下进行半自磨机优化算法的工作模式的配置,解决了半自磨机行业自动化监控中自动化优化参数配置关联少等问题,通过上述模块配合实现对半自磨机领域的自动化监控进行AI。本发明实施例提供的***对半自磨机行业自动化及智能化发展有着重要作用,实现了对半自磨机的有效优化。本发明为磨矿行业提供了一种更为先进和可靠的解决方案。这不仅满足了矿山行业对高效、智能磨矿技术的迫切需求,也为未来磨矿优化技术的发展奠定了坚实的基础。
附图说明
图1为本发明***结构图;
图2为本发明***使用流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合,下面结合附图和有具体实施例对本申请作进一步详细说明。
本发明方案着重于基于模糊逻辑和可信大模型的磨矿优化处理流程。在实施过程中,对磨矿操作进行深度优化和调整是至关重要的,以确保其高效、安全和稳定的运行。
请参见图1,本发明实施例提供了一种基于大模型的磨矿优化处理***,***包括:
半自磨机优化算法处理模块,用于对半自磨机优化算法利用优化算法进行处理,得到优化节点。
半自磨机预处理模块,用于实现人机交互前端半自磨机参数、变量迭代、远程半自磨机自动化监控、半自磨机输入变量预处理以及正常运转半自磨机连接。
大模型模糊专家***模块,用于提供深度学习优化算法和半自磨机模糊逻辑的经验规则进行数据处理。
半自磨机更新优化模块,用于将不同模型下的半自磨机优化算法、大模型模糊专家***模块、半自磨机调度优化算法库,进行全过程的应用与监控。
半自磨机参数配置选择模块,用于在不同的参数下进行半自磨机优化算法的工作模式的配置。
本发明实施例提供的上述技术方案的有益效果如下:
本发明实施例提供的***,通过半自磨机优化算法处理模块建立了不同模型下的半自磨机优化算法体的流水线式汇聚、集成、处理与融合的集成框架,实现优化算法种类多、结构复杂的半自磨机领域优化算法一体化治理;通过半自磨机预处理模块实现人机交互前端半自磨机参数、变量迭代、远程半自磨机自动化监控、半自磨机输入变量预处理以及正常运转半自磨机连接,增强行业知识紧密联系;通过大模型模糊专家***模块融合了基于大模型和人工智能的多参数配置自动化监控调控预测技术,并形成了面向半自磨机领域使用情况以及不同参数配置下模型端到端无代码的自定义开发模式,提供深度学习优化算法和半自磨机模糊逻辑的经验规则进行数据处理;通过半自磨机更新优化模块,将不同模型下的半自磨机优化算法、大模型模糊专家***模块、半自磨机调度优化算法库,进行全过程的应用与监控;通过半自磨机参数配置选择模块,在不同的参数下进行半自磨机优化算法的工作模式的配置,解决了半自磨机行业自动化监控中自动化优化参数配置关联少等问题,通过上述模块配合实现对半自磨机领域的自动化监控进行AI综合管理。本发明实施例提供的***对半自磨机行业自动化及智能化发展有着重要作用,实现了对半自磨机的有效优化的目的。
以下通过可选的实施例进一步解释和描述本发明实施例提供的***。
在一种可选的实施例中,半自磨机优化算法模块包括:
优化算法集成模块提供包括指令的收发、控制服务器、优化算法保存、优化算法聚类、优化算法计算、人工智能计算与优化算法磨矿效率等多项磨矿速度资源磨矿效率。
优化算法处理模块,用于为处理海量不同模型下的半自磨机优化算法体并提供优化算法运行环境。
优化算法评估模块,包括优化算法筛查、冗余算法调整组件以及优化算法评估。
需要说明的是,优化算法评估模块为一种基于大模型的磨矿优化处理***的核心,包含优化算法筛查、冗余算法调整组件以及优化算法评估。
进一步地,优化算法筛查采集的优化算法的来源是开放知识优化算法,包括通过半自磨机专业领域优化算法库、半自磨机数值模拟软件以及半自磨机物联网,监测实验优化算法,包括能够提取结构化优化算法如动态自动化监控优化算法以及地震反演优化算法;非结构化优化算法,形成半自磨机大模型聚类组件,数值模拟优化算法等。
冗余算法调整组件主要对不同模型下的半自磨机优化算法体进行优化算法优化和优化算法融合,利用局部优化、全局优化及统计学方法对缺失、冗余算法进行优化,通过建立面向半自磨机领域的专业使用情况对优化后的优化算法进行关联融合,形成核心的研究优化算法库、方法库、成果库以及专家数据库。
磨矿效率单位时间优化模块,用于半自磨机应用过程中的出现的工作效率降低情况进行单位时间优化。
磨矿效率单位时间优化模块是半自磨机应用过程中的出现的工作效率降低情况进行单位时间优化模块。
在一种可选的实施例中,磨矿效率单位时间优化模块包括半自磨机上游自动化监控开发模块,半自磨机自动化监控模块,半自磨机决策段智慧监管模块,管理模块。
磨矿故障影响模块是面向工程师以及安全后台监控人员,实现不同人员对平台磨矿效率功能以及半自磨机优化算法使用。
磨矿故障影响模块,用于对磨矿故障影响情况进行统计及预测。
在一种可选的实施例中,半自磨机优化算法处理模块包括:基础优化算法库,用于远程半自磨机领域基础优化算法。
半自磨机大模型聚类组件,用于对远程的半自磨机领域基础优化算法进行聚类加密打包。
冗余算法调整组件,用于根据半自磨机行业已有的优化算法标准以及自定义标准对冗余算法进行调整。
冗余算法调整组件根据半自磨机行业已有的优化算法标准以及自定义标准对冗余算法进行调整,并利用全局优化优化算法搜索优化算法中缺失和异常问题,并进行优化算法的补全和除噪,将优化过的优化算法通过各自的质量评估体系进行评估,评估不合格的优化算法需要根据其所属领域和优化算法特点进行再次优化,直至通过优化算法评估,以此来提升优化算法质量。接着,以优化后的优化算法实体为节点,以实体之间的关系作为边,通过专家的经验知识构建了面向半自磨机领域的使用情况,建立了半自磨机领域的优化算法库。
优化算法代码管理组件,用于直接提取基础优化算法库中的优化算法,以及对磨矿效率进行定期调控,使***根据需求快速调用基础优化算法库中的优化算法。
优化算法代码管理组件可以直接提取基础优化算法库中的优化算法,并对磨矿效率进行定期调控,应用层中各个模块可以根据自己需求快速调用基础优化算法接口。最后,应用层包含了磨矿效率应用、优化算法调用、可视化磨矿效率以及对外磨矿效率,可以直接调用通过了优化算法质量评估的核心优化算法、半自磨机使用情况构建的优化算法库以及半自磨机大模型聚类组件。半自磨机优化算法处理模块实现了优化算法集成-优化-提取-融合的一体化优化算法治理体系。
在一种可选的实施例中,半自磨机预处理模块包括:
半自磨机初始自动化监控AI模块,用于实现从半自磨机自动化监控、半自磨机有用功率数据传送、运转参数配置、半自磨机输入变量预处理、AI一体化危险预警。
在一种可选的实施例中,半自磨机初始自动化监控AI模块包括:半自磨机管理参数优化模块,新增半自磨机目标AI模块,***能耗供应模块,***前端模块,***参数设定模块,半自磨机功率传送模块,半自磨机参数智能标定模块,半自磨机转化效率模块。
半自磨机初始自动化监控AI模块主要包含了八个集成好的优化算法模块,每个功能模块下包含了对应各个不同参数配置的筛选优化算法及应用实例,形成从半自磨机自动化监控-半自磨机有用功率数据传送-运转参数配置-半自磨机输入变量预处理-AI一体化危险预警体系。
半自磨机自动化监控模块,用于不同负荷时磨矿工程师以及安全后台监控人员掌握半自磨机的单位时间优化算法,为半自磨机运行人工指令。
在一种可选的实施例中,半自磨机自动化监控模块包括:自动化监控效率模块、半自磨机预处理模块、远程管理模块以及半自磨机功率模块。半自磨机自动化监控模块面向不同负荷时磨矿工程师以及安全后台监控人员,能够掌握半自磨机从采集、传输、接收的单位时间优化算法,为半自磨机运行人工指令。
半自磨机决策段输入变量预处理模块,用于根据半自磨机决策段半自磨机设备管理、矿石硬度、矿石种类、磨矿故障影响量进行半自磨机有用功率数据传送,实现半自磨机参数、变量迭代的准确性。
在一种可选的实施例中,半自磨机决策段输入变量预处理模块包括半自磨机设备智慧管理模块、磨矿任务指标分析模块、矿石种类半自磨机有用功率数据传送模块、半自磨机磨矿速度基准设定模块、半自磨机分布模块以及半自磨机去模糊化管理模块。
半自磨机决策段输入变量预处理模块通过半自磨机基础半自磨机设备管理可以了解发***详细优化算法,基于基础优化算法用于智能分析以及矿石种类半自磨机有用功率数据传送,实现半自磨机智能规范。
***综合管理模块,用于优化不同半自磨机面向***中每个模块的操作权限。
在一种可选的实施例中,大模型模糊专家***模块包括:
由模糊专家***网络优化算法以及超图神经网络算法优化算法构成的人工融合优化算法库。
大模型模糊专家***模块面向半自磨机领域物理规律与AI的集成优化算法图,主要由两部分组成,一部分是由模糊专家***网络优化算法以及超图神经网络算法优化算法构成的人工融合优化算法库,其中模糊专家***网络优化算法库是基于不同代码运行环境。
基于半自磨机调度参数配置匹配的融合优化算法库。
基于半自磨机调度参数配置匹配的筛选优化算法,核心思想是以模糊专家***网络优化算法为基础,将超图神经网络算法优化算法中的优化方程、边界条件、初始条件作为约束,以构建新的损失函数的形式融入到模糊专家***网络优化算法中,基于上述优化算法的开发模式,建立了储层物性半自磨机有用功率数据传送、半自磨机参数智能标定、压裂效果智能评价等特色优化算法。除此之外,考虑到半自磨机领域人员的编程能力,建立了端到端的无代码操作平台,将深度学习优化算法以及定制化优化算法集成封装成结构化的优化算法模块,通过拖拽式的方式进行调用,前端通过点击拖拽图标触发优化算法事件,后端根据前端响应自动搭建模型,实现优化算法的快速组装与流水线调用模式。
在一种可选的实施例中,半自磨机参数配置选择模块,用于在不同的参数下进行半自磨机优化算法的工作模式的配置。
半自磨机登录平台后可以通过本地上传、在线导入以及网络爬虫三种方式获取所需优化算法集,上传的优化算法会暂时保存在后台优化算法库中,并赋予特定的标签编码,一种基于大模型的磨矿优化处理***考虑到半自磨机各个行业优化算法以及优化算法的复杂性,构建了模型编辑器,在编辑器上导入所需的优化算法,选择对应的优化算法优化优化算法来提高优化算法质量,基于封装好的优化算法构件库通过拖拽的形式来在不同的参数下进行半自磨机优化算法的工作模式的配置,通过图形化的方式更好的帮助半自磨机建立复杂的自主学习模型,通过可视化技术可以看到模型的输出结果以及应用效果。
为确保数据的质量和完整性,本方法的历史生产数据与实时生产数据来源于矿冶工业数据采集管理***。该***已经在许多矿冶工业中得到广泛应用,并且被证明是可靠和有效的。通过该***,我们可以确保从磨矿设备中实时收集大量的原始数据。这些数据涵盖了磨矿过程中的各种关键参数,如矿石硬度、磨机功率等。
可信大模型是磨矿优化环节的重要组成之一。通过对数据成分的分析,发现数据结构为时序数据(即按时间顺序进行排列和处理的数据),符合Transformer模型(自注意力机制模型)进行训练和预测,Transformer在时序数据中出色的表现(如应用在GPT基底模型、BERT模型等,其论文谷歌学术统计已被引用超20000次)已经证明了其结构的可靠性。我们基于Transformer模型设计了一种适合磨矿生产数据的可信大模型结构,通过收集的数据进行模型训练,在通过模型验证阶段后即可保证预测结果的可信度。
如图2所示,提供了一种基于大模型的磨矿优化处理***,该***的优化流程为:
A1、数据预处理;程序在此阶段进行数据清洗、标准化和归一化等操作,确保数据的完整性和准确性。这一步的目标是去除数据中的噪声和不一致性,使其更适合后续处理。
A2、模糊化处理;在此阶段,计算机程序将预处理后的数据进行模糊化处理。这一步的目标是将具体的数值数据转化为模糊集,这样可以更好地处理磨矿过程中的不确定性和模糊性。模糊化处理涉及定义模糊集和隶属度函数,以此转化原始数据。
A3、数据流实时检查;为确保磨矿设备的安全运行,采用了专门设计的数据流保护模块对数据流进行实时检查。这一模块能够检测到任何潜在的异常或错误,并在必要时终止处理流程。这不仅确保了设备的安全,还避免了可能导致的生产损失。
A4、数据的优化处理;程序首先利用模糊专家***对数据进行初步的优化处理,以捕捉和处理磨矿过程中的模糊因素。随后使用基于可信大模型的深度学习方法,对数据进行深度优化处理。这一方法能够有效捕捉数据中的复杂模式,并为磨矿操作提供更为精确的优化建议。
A5、将输出结果进行融合处理,并进行反模糊化处理。得到的输出数据可以直接用于指导磨矿设备的操作,以确保其最佳的运行状态。
本发明实施例提供的该***的优化流程囊括了半自磨机上游自动化监控开发、满负荷运行集输和下段自动化监控监管各个模块,流程化自动化处理不同模型下的半自磨机优化算法,提高了管理人员和磨矿效率人员的工作效率。
在本发明描述中,需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”、“固定”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。
Claims (9)
1.一种基于大模型的磨矿优化处理***,其特征在于,该***包括:
半自磨机预处理模块,用于实现人机交互前端半自磨机参数、变量迭代、远程半自磨机自动化监控、半自磨机输入变量预处理以及正常运转半自磨机连接;
半自磨机优化算法处理模块,用于对半自磨机优化算法利用优化算法进行处理,得到优化节点;
大模型模糊专家***模块,用于提供深度学习优化算法和半自磨机模糊逻辑的经验规则进行数据处理;
半自磨机更新优化模块,用于将不同模型下的半自磨机优化算法、大模型模糊专家***模块、半自磨机调度优化算法库,进行全过程的应用与监控;
半自磨机参数配置选择模块,用于在不同的参数下进行半自磨机优化算法的工作模式的配置。
2.根据权利要求1所述的一种基于大模型的磨矿优化处理***,其特征在于,所述半自磨机优化算法处理模块包括:优化算法集成模块,用于提供包括指令的收发、控制服务器、优化算法保存、优化算法聚类、优化算法计算、优化算法编码;优化算法处理模块,用于为处理海量不同模型下的半自磨机优化算法体并提供优化算法运行环境;优化算法评估模块,包括优化算法筛查、冗余算法调整组件以及优化算法评估;磨矿效率单位时间优化模块,用于半自磨机应用过程中的出现的工作效率降低情况进行单位时间优化;磨矿故障影响模块,用于对磨矿故障影响情况进行统计及预测。
3.根据权利要求1所述的一种基于大模型的磨矿优化处理***,其特征在于,所述半自磨机优化算法处理模块包括基础优化算法库,用于远程半自磨机领域基础优化算法;半自磨机大模型聚类组件,用于对远程的半自磨机领域基础优化算法进行聚类加密打包;冗余算法调整组件,用于根据半自磨机行业已有的优化算法标准以及自定义标准对冗余算法进行调整;优化算法代码管理组件,用于直接提取所述基础优化算法库中的优化算法,以及对磨矿效率进行定期调控,使所述***根据需求快速调用所述基础优化算法库中的优化算法。
4.根据权利要求1所述的一种基于大模型的磨矿优化处理***,其特征在于,所述半自磨机预处理模块还包括:
半自磨机决策段输入变量预处理模块,用于根据半自磨机决策段半自磨机设备管理、矿石硬度、矿石种类、磨矿故障影响量进行半自磨机有用功率数据传送,;
***综合管理模块,用于维护***中的所有参数的正常运行,以及维护***的稳定。
5.根据权利要求1所述的一种基于大模型的磨矿优化处理***,其特征在于,所述半自磨机预处理模块包括:
半自磨机初始自动化监控AI模块,用于实现从半自磨机自动化监控、半自磨机有用功率数据传送、运转参数配置、半自磨机输入变量预处理、AI一体化危险预警;
半自磨机自动化监控模块,用于不同负荷时磨矿工程师以及安全后台监控人员掌握半自磨机的单位时间优化算法,为半自磨机运行人工指令。
6.根据权利要求1所述的一种基于大模型的磨矿优化处理***,其特征在于,所述大模型模糊专家***模块包括:由模糊专家***网络优化算法以及超图神经网络算法优化算法构成的人工融合优化算法库,基于半自磨机调度参数配置匹配的融合优化算法库。
7.根据权利要求5所述的一种基于大模型的磨矿优化处理***,其特征在于,所述半自磨机初始自动化监控AI模块包括:半自磨机管理参数优化模块,新增半自磨机目标AI模块,***能耗供应模块,***前端模块,***参数设定模块,半自磨机功率传送模块,半自磨机参数智能标定模块,半自磨机转化效率模块。
8.根据权利要求5所述的一种基于大模型的磨矿优化处理***,其特征在于,所述半自磨机自动化监控模块包括:自动化监控效率模块、半自磨机预处理模块、远程管理模块以及半自磨机功率模块。
9.根据权利要求4所述的一种基于大模型的磨矿优化处理***,其特征在于,所述半自磨机决策段输入变量预处理模块包括半自磨机设备智慧管理模块、磨矿任务指标分析模块、矿石种类半自磨机有用功率数据传送模块、半自磨机磨矿速度基准设定模块、半自磨机分布模块以及半自磨机去模糊化管理模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311802389.7A CN117696224A (zh) | 2023-12-26 | 2023-12-26 | 一种基于大模型的磨矿优化处理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311802389.7A CN117696224A (zh) | 2023-12-26 | 2023-12-26 | 一种基于大模型的磨矿优化处理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117696224A true CN117696224A (zh) | 2024-03-15 |
Family
ID=90160600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311802389.7A Pending CN117696224A (zh) | 2023-12-26 | 2023-12-26 | 一种基于大模型的磨矿优化处理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117696224A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117932278A (zh) * | 2024-03-22 | 2024-04-26 | 四川省生态环境科学研究院 | 一种智慧城市环保监控***及方法 |
-
2023
- 2023-12-26 CN CN202311802389.7A patent/CN117696224A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117932278A (zh) * | 2024-03-22 | 2024-04-26 | 四川省生态环境科学研究院 | 一种智慧城市环保监控***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107346466A (zh) | 一种电力调度***的控制方法及装置 | |
CN106504116A (zh) | 基于电网运行与暂态稳定裕度指标关联的稳定评估方法 | |
CN117696224A (zh) | 一种基于大模型的磨矿优化处理*** | |
CN105967063B (zh) | 维保平台故障分析处理***及方法 | |
CN109492790A (zh) | 基于神经网络与数据挖掘的风电机组健康管理方法 | |
CN113627032B (zh) | 一种基于数字孪生的设备设计/维修方案智能决策方法 | |
Li et al. | Framework and case study of cognitive maintenance in Industry 4.0 | |
CN113033772A (zh) | 一种基于联邦学习的多设备状态监测方法 | |
CN110033102A (zh) | 一种巨型水电厂具有学习功能的智能诊断方法及专家*** | |
CN108376293A (zh) | 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 | |
CN116976862B (zh) | 一种工厂设备信息化管理***及方法 | |
CN117829382A (zh) | 一种公路施工进度智能预测方法及*** | |
CN117808166A (zh) | 云化plc的化工安全自动化检测监控*** | |
KR20220089853A (ko) | 머신러닝 기술을 활용한 신재생에너지 발전설비의 고장예지 및 건전성관리 방법 | |
CN117078123A (zh) | 一种电-气综合能源***可用输电能力计算方法及*** | |
Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions | |
CN115640980A (zh) | 基于目标控制的电网工程造价动态管理*** | |
CN115481815A (zh) | 基于神经网络的火电厂负荷分配***及方法 | |
CN115456041A (zh) | 设备故障预警方法及装置、计算设备和存储介质 | |
Zhang et al. | Research on Early Warning of Hoist Failure based on Big Data and Parallel Simulation | |
CN113689064A (zh) | 一种透明化变电站管理***架构 | |
CN113469343A (zh) | 工业时序数据处理方法及*** | |
Arakelyan et al. | Analysis of the DCS historical data for estimation of input signal significance | |
CN112883581B (zh) | 水电站生产控制处理方法及*** | |
CN117273465B (zh) | 一种梯级水电枢纽群风险传递方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |