CN113343179B - 一种基于斜向剪切的打击粉碎方法及系统 - Google Patents
一种基于斜向剪切的打击粉碎方法及系统 Download PDFInfo
- Publication number
- CN113343179B CN113343179B CN202110617532.XA CN202110617532A CN113343179B CN 113343179 B CN113343179 B CN 113343179B CN 202110617532 A CN202110617532 A CN 202110617532A CN 113343179 B CN113343179 B CN 113343179B
- Authority
- CN
- China
- Prior art keywords
- shearing
- crushing
- information
- obtaining
- angle
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Computational Mathematics (AREA)
- Biophysics (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Crushing And Pulverization Processes (AREA)
Abstract
本发明公开了一种基于斜向剪切的打击粉碎方法及系统,通过根据剪切特征信息获得第一剪切角度;根据第一图像信息获得粉碎原料剪切比例;根据粉碎原料剪切比例、第一剪切角度,获得第一剪切函数;获得第一剪切函数的输出结果包括第一、第二结果,第一结果为符合粉碎原料的粉碎要求,第二结果为不符合;当所述输出结果为第一结果时确定所述第一剪切角度;获得粉碎要求信息;将粉碎要求信息、第一剪切角度输入粉碎力分析模型,获得第一粉碎频次;根据第一剪切角度、第一粉碎频次,获得第一粉碎控制信息。达到了斜向剪切提高打击力,并通过提高剪切频率提高粉碎效率,在颗粒通过斜向强力剪切基础上形成递进打击效应,提升粉碎效率的技术效果。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及一种基于斜向剪切的打击粉碎方法及系统。
背景技术
粉碎机是用于原辅料、颗粒状物料的粉碎,以保证原辅料及颗粒状物料的粒度符合产品工艺要求。它是采用混合喷粉法原理设计研制而成,适用于制药、食品、化工等行业,用途极为广泛。传统粉碎机大型化存在两大难点,其一是物料量、粉碎室结构的增大使锤片对物料的正面打击效率急剧下降;其二是“环流层”现象(转子跟转物料形成回流)非常严重。
现有技术中由于物料量、粉碎室结构的增大使锤片对物料的正面打击效率降低,存在粉碎效率低,粉碎效果受影响的技术问题。
发明内容
本发明的旨在至少解决上述技术缺陷之一,通过提供一种基于斜向剪切的打击粉碎方法及系统,用以解决现有技术中由于物料量、粉碎室结构的增大使锤片对物料的正面打击效率降低,存在粉碎效率低,粉碎效果受影响的技术问题。
为此,本发明第一个目的在于提出一种基于斜向剪切的打击粉碎方法,所述方法应用于一打击粉碎控制装置,所述装置包括一图像采集器,所述方法包括:通过所述图像采集器获得第一图像信息,所述第一图像信息包括粉碎原料、剪切特征信息;根据所述剪切特征信息,获得第一剪切角度;根据所述第一图像信息,获得粉碎原料剪切比例;根据所述粉碎原料剪切比例、所述第一剪切角度,获得第一剪切函数,所述第一剪切函数为粉碎原料剪切比例与所述第一剪切角度之间的线性回归函数关系;获得第一剪切函数的输出结果,所述输出结果包括第一结果、第二结果,所述第一结果为符合粉碎原料的粉碎要求,所述第二结果为不符合原料的粉碎要求;当所述输出结果为第一结果时,确定所述第一剪切角度;获得粉碎要求信息;将所述粉碎要求信息、所述第一剪切角度输入粉碎力分析模型,获得第一粉碎频次;根据所述第一剪切角度、所述第一粉碎频次,获得第一粉碎控制信息。
本发明第二个目的在于提供一种基于斜向剪切的打击粉碎系统,所述系统包括:
第一获得单元,所述第一获得单元用于通过图像采集器获得第一图像信息,所述第一图像信息包括粉碎原料、剪切特征信息;
第二获得单元,所述第二获得单元用于根据所述剪切特征信息,获得第一剪切角度;
第三获得单元,所述第三获得单元用于根据所述第一图像信息,获得粉碎原料剪切比例;
第四获得单元,所述第四获得单元用于根据所述粉碎原料剪切比例、所述第一剪切角度,获得第一剪切函数,所述第一剪切函数为粉碎原料剪切比例与所述第一剪切角度之间的线性回归函数关系;
第五获得单元,所述第五获得单元用于获得第一剪切函数的输出结果,所述输出结果包括第一结果、第二结果,所述第一结果为符合粉碎原料的粉碎要求,所述第二结果为不符合原料的粉碎要求;
第一确定单元,所述第一确定单元用于当所述输出结果为第一结果时,确定所述第一剪切角度;
第六获得单元,所述第六获得单元用于获得粉碎要求信息;
第七获得单元,所述第七获得单元用于将所述粉碎要求信息、所述第一剪切角度输入粉碎力分析模型,获得第一粉碎频次;
第八获得单元,所述第八获得单元用于根据所述第一剪切角度、所述第一粉碎频次,获得第一粉碎控制信息。
本发明第三个目的在于提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法。
本发明第四个目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行任意一项所述的方法。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本发明实施例提供的一种基于斜向剪切的打击粉碎方法及系统,应用于一打击粉碎控制装置,所述装置包括一图像采集器,通过图像采集器获得第一图像信息,所述第一图像信息包括粉碎原料、剪切特征信息;根据所述剪切特征信息,获得第一剪切角度;根据所述第一图像信息,获得粉碎原料剪切比例;根据所述粉碎原料剪切比例、所述第一剪切角度,获得第一剪切函数,所述第一剪切函数为粉碎原料剪切比例与所述第一剪切角度之间的线性回归函数关系;获得第一剪切函数的输出结果,所述输出结果包括第一结果、第二结果,所述第一结果为符合粉碎原料的粉碎要求,所述第二结果为不符合原料的粉碎要求;当所述输出结果为第一结果时,确定所述第一剪切角度;获得粉碎要求信息;将所述粉碎要求信息、所述第一剪切角度输入粉碎力分析模型,获得第一粉碎频次;根据所述第一剪切角度、所述第一粉碎频次,获得第一粉碎控制信息,达到了智能分析和控制的效果,提供了分析效率,通过将正面打击转化为斜向剪切,剪切破坏所需应力仅为正面打击应力的1/3到1/5,并通过匹配到适合的剪切频次,提高剪切频率,实现提高粉碎效率的技术效果,粉碎颗粒通过斜向强力剪切基础上形成递进打击效应,粉碎原料打击频率倍增,提升粉碎效率。从而解决了现有技术中由于物料量、粉碎室结构的增大使锤片对物料的正面打击效率降低,存在粉碎效率低,粉碎效果受影响的技术问题。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于斜向剪切的打击粉碎方法的流程示意图;
图2为本申请实施例一种基于斜向剪切的打击粉碎系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第一确定单元16,第六获得单元17,第七获得单元18,第八获得单元19,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”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。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
下面参考附图描述根据本发明实施例的基于斜向剪切的打击粉碎方法。
本申请的技术方案为:通过所述图像采集器获得第一图像信息,所述第一图像信息包括粉碎原料、剪切特征信息;根据所述剪切特征信息,获得第一剪切角度;根据所述第一图像信息,获得粉碎原料剪切比例;根据所述粉碎原料剪切比例、所述第一剪切角度,获得第一剪切函数,所述第一剪切函数为粉碎原料剪切比例与所述第一剪切角度之间的线性回归函数关系;获得第一剪切函数的输出结果,所述输出结果包括第一结果、第二结果,所述第一结果为符合粉碎原料的粉碎要求,所述第二结果为不符合原料的粉碎要求;当所述输出结果为第一结果时,确定所述第一剪切角度;获得粉碎要求信息;将所述粉碎要求信息、所述第一剪切角度输入粉碎力分析模型,获得第一粉碎频次;根据所述第一剪切角度、所述第一粉碎频次,获得第一粉碎控制信息。解决了现有技术中由于物料量、粉碎室结构的增大使锤片对物料的正面打击效率降低,存在粉碎效率低,粉碎效果受影响的技术问题。达到了智能分析和控制的效果,提供了分析效率,通过将正面打击转化为斜向剪切,剪切破坏所需应力仅为正面打击应力的1/3到1/5,并通过匹配到适合的剪切频次,提高剪切频率,实现提高粉碎效率的技术效果。
实施例一
如图1所示,本申请实施例提供了一种基于斜向剪切的打击粉碎方法,所述方法应用于一打击粉碎控制装置,所述装置包括一图像采集器,所述方法包括:
步骤S100通过所述图像采集器获得第一图像信息,所述第一图像信息包括粉碎原料、剪切特征信息;
具体地,通过在粉碎机中安装打击粉碎控制装置,利用图像采集器对粉碎机中剪切装置、粉碎原料进行图像采集,第一图像信息即对粉碎机中粉碎原料、剪切装置在剪切过程中的图像采集,可以为一张或者一连续过程包括多张图像信息,第一图像信息中能够表现出锤片设置的角度,对原料剪切的效果,对原料进行了多少比例的剪切,即粉碎剪切效果,从图片中可以得到剪切原料的位置。
步骤S200根据所述剪切特征信息,获得第一剪切角度;
具体地,剪切特征信息即图像采集到的锤片设置角度,对原料剪切的方向和位置信息,从而得到锤片对粉碎原料的第一剪切角度,举例而言,粉碎原料为粮食,将玉米粒放入粉碎机里面,通过锤片的角度,玉米粒剪切的开裂方向,得到第一剪切角度,如从侧面45度位置下切,或者从侧面90度横切等。
步骤S300根据所述第一图像信息,获得粉碎原料剪切比例;
进一步,所述根据所述第一图像信息,获得粉碎原料剪切比例,包括:根据所述粉碎原料,获得原料特征信息;获得预设分区标准;根据所述预设分区标准对所述第一图像信息进行分区,获得第一图像分区集合;根据所述原料特征信息对所述第一图像分区集合中各图像分区依次进行特征遍历分析,获得第一分析结果;获得第一标记指令,所述第一标记指令用于根据所述第一分析结果对粉碎原料进行标记;获得标记图像分区;根据所述标记图像分区,获得分区剪切比例;根据所有分区剪切比例,获得剪切比例平均值,并将所述剪切比例平均值作为所述粉碎原料剪切比例。
具体地,利用第一图像信息中的粉碎原料图像信息进行粉碎原料剪切比例的分析,利用卷积核,卷积核就是图像处理时,给定输入图像,输入图像中一个小区域中像素加权平均后成为输出图像中的每个对应像素,其中权值由一个函数定义,这个函数称为卷积核。对第一图像信息进行分区,按照粉碎原料的尺寸大小和第一图像信息的比例关系设定预设分区标准,将第一图像信息按照预设分区标准进行分区,根据粉碎原料的图像信息确定该原料图像的特征信息为原料特征信息,根据原料特征信息对第一图像信息的所有分区依次进行特征比对,得到其中原料特征信息匹配成功的位置,按照匹配分析的第一分析结果进行标记,从而确定第一图像信息重粉碎原料的具体图像信息,对每个图像分区中的粉碎原料进行剪切比例的分析,按照图像中粉碎原料的粉碎位置、方向、剪切后的大小比例,得到分区剪切比例,将图像出现在所有粉碎原料进行对应的剪切比例分析,最后进行平均值计算,将平均值作为粉碎原料剪切比例,若第一图像信息存在多张图像,则分别进行计算,将最后的结果进行平均计算,得到最终的剪切比例平均结果作为最终的所述粉碎原料剪切比例。
步骤S400根据所述粉碎原料剪切比例、所述第一剪切角度,获得第一剪切函数,所述第一剪切函数为粉碎原料剪切比例与所述第一剪切角度之间的线性回归函数关系;
进一步,所述根据所述粉碎原料剪切比例、所述第一剪切角度,获得第一剪切函数,包括:根据所述粉碎原料,获得历史图像数据集;根据所述历史图像数据集,获得剪切角度信息集合、剪切比例信息集合;根据所述剪切角度信息集合,获得第一历史剪切角度;根据所述第一历史剪切角度、所述剪切比例信息集合,获得第一历史剪切比例,所述第一历史剪切比例与所述第一历史剪切角度相对应;根据所述第一历史剪切角度、所述第一历史剪切比例、所述历史图像数据集,获得第一粉碎结果,所述第一粉碎结果与所述第一历史剪切角度、所述第一历史剪切比例相对应;基于此,根据所述剪切角度信息集合、剪切比例信息集合、历史图像数据集,获得第二粉碎结果、第三粉碎结果、直到第N粉碎结果,其中,N为大于2的自然数;根据所述剪切角度信息集合、剪切比例信息集合、所有粉碎结果,获得所述第一剪切函数。
具体地,回归分析是一种数学模型。当因变量和自变量为线性关系时,它是一种特殊的线性模型。最简单的情形是一元线性回归,由大体上有线性关系的一个自变量和一个因变量组成;模型是Y=a+bX+ε(X是自变量,Y是因变量,ε是随机误差)。利用第一剪切角度、粉碎原料剪切比例和最终粉碎结果之间的关系进行回归函数关系构建,利用回归函数构建回归模型,当第一剪切角度与粉碎原料剪切比例满足粉碎结果要求时,输出第一结果,即达到粉碎要求,当第一剪切角度与粉碎原料剪切比例对应的粉碎结果不满足粉碎要求时,输出第二结果,第二结果为粉碎结果不满足粉碎的要求,在建立回归函数时,利用历史数据进行分析和构建,得到第一剪切角度、粉碎原料剪切比例和最终粉碎结果之间的对应关系,得到第一剪切角度与粉碎原料剪切比例之间的回归函数关系,从而对粉碎结果进行预估计算,通过大量相关历史数据的分析,从而提高函数关系建立的准确性,从而提高输出结果的可靠性,为提供准确的粉碎打击控制提供有利保障。
步骤S500获得第一剪切函数的输出结果,所述输出结果包括第一结果、第二结果,所述第一结果为符合粉碎原料的粉碎要求,所述第二结果为不符合原料的粉碎要求;
步骤S600当所述输出结果为第一结果时,确定所述第一剪切角度;
进一步,所述获得第一剪切函数的输出结果之后,包括:当所述输出结果为第二结果时,获得第一调整信息;当接收到所述第一调整信息时,根据所述粉碎原料剪切比例、所述第一剪切函数关系,获得第二剪切角度信息;根据所述第二剪切角度信息、所述第二剪切角度信息,获得第一角度调整值;根据所述第一角度调整值,获得第一角度调整指令,所述第一角度调整指令用于按照所述第一角度调整值进行剪切装置角度调整。
具体地,当输出结果为第一结果时,表明当前的设定的剪切角度符合粉碎结果的要求,则确定当前的剪切角度,当输出结果为第二结果时,表明当前的角度不符合粉碎原料的粉碎要求,无法达到粉碎效果,此时需要进行剪切角度的调整,通过剪切角度的调整,从而改变剪切的比例关系,提高粉碎效果,利用剪切函数关系进行计算,将剪切角度作为因变量,通过其他两者作为自变量进行计算,得到对应的剪切角度,根据第一剪切角度与计算出的剪切角度之间的差值,确定调整量,对粉碎机的剪切装置进行角度调整。基于颗粒撞击、剪切力学研究及原料的剪切比例进行颗粒空间轨迹分析,通过将原料正面打击调整为斜向剪切,提高了粉碎效率,经实践计算,通过调整角度进行粉碎原料颗粒剪切破坏所需应力仅为正面打击应力的1/3到1/5,在颗粒通过斜向强力剪切基础上形成递进打击效应,提升粉碎效率。
步骤S700获得粉碎要求信息;
具体地,粉碎要求信息为对粉碎原料和粉碎结果提出的粉碎要求,可以通过信息录入,向打击粉碎控制装置发送粉碎要求信息,系统通过接收粉碎要求信息进行对应的剪切角度和剪切参数的分析控制。如粉碎要求要粉碎结果达到100目等。
步骤S800将所述粉碎要求信息、所述第一剪切角度输入粉碎力分析模型,获得第一粉碎频次;
进一步,所述将所述粉碎要求信息、所述第一剪切角度输入粉碎力分析模型,获得第一粉碎频次,包括:根据所述粉碎要求信息,获得目标粉碎标准;将所述目标粉碎标准、所述第一剪切角度输入所述粉碎力分析模型,所述粉碎力分析模型为通过多组训练数据训练至收敛得到,其中,所述多组训练数据中的每组数据均包括所述目标粉碎标准、所述第一剪切角度以及用于标识第一粉碎频次的标识信息;获得所述粉碎力分析模型的输出信息,所述输出信息包括所述第一粉碎频次。
具体地,基于确定的第一剪切角度,对剪切的过程和效果按照粉碎原料进行分析处理,得到对应的剪切效果,按照粉碎要求信息中的粉碎目标进行对应的粉碎力的设置,本申请实施例通过调整剪切角度并配合剪切频率的配合,提高粉碎效果,并使得粉碎颗粒通过斜向强力剪切基础上形成递进打击效应,提高了粉碎效率,为了提高第一粉碎频次的设置准确性,本申请实施例加入了神经网络模型,所述粉碎力分析模型即为机器学习中的神经网络模型,它可以不断地进行学习和调整,是一个高度复杂的非线性动力学习系统。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述目标粉碎标准、所述第一剪切角度输入神经网络模型,则输出第一粉碎频次。
更进一步,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述目标粉碎标准、所述第一剪切角度以及用于标识第一粉碎频次的标识信息,将所述目标粉碎标准、所述第一剪切角度输入到神经网络模型中,根据用来标识所述第一粉碎频次的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确、适合的第一粉碎频次,进而达到按照粉碎目标的要求,结合剪切角度,进行匹配粉碎频次的设定,通过剪切角度与粉碎频次的设定,提高粉碎效率,同时加入神经网络模型提高了数据运算处理结果的效率和准确度,为提供更加准确可靠的打击粉碎控制夯实了基础。
步骤S900根据所述第一剪切角度、所述第一粉碎频次,获得第一粉碎控制信息。
具体地,按照第一剪切角度、第一粉碎频次进行对应的粉碎控制,达到了智能分析和控制的效果,提供了分析效率,通过将正面打击转化为斜向剪切,剪切破坏所需应力仅为正面打击应力的1/3到1/5,并通过匹配到适合的剪切频次,提高剪切频率,实现提高粉碎效率的技术效果,粉碎颗粒通过斜向强力剪切基础上形成递进打击效应,粉碎原料打击频率倍增,提升粉碎效率。从而解决了现有技术中由于物料量、粉碎室结构的增大使锤片对物料的正面打击效率降低,存在粉碎效率低,粉碎效果受影响的技术问题。
进一步,所述方法包括:根据所述第一剪切角度、所述第一粉碎频次,获得圆周击打力;根据所述粉碎原料、所述第一剪切角度、第一粉碎频次,获得原料粉碎规则信息;根据所述原料粉碎规则信息、所述圆周击打力,获得预测粉碎时间;根据所述预测粉碎时间、所述第一剪切角度、所述第一粉碎频次,获得所述第一粉碎控制信息。
具体地,本申请实施例还可以利用剪切角度、粉碎频次进行粉碎时间的分析和控制,由于剪切为角度剪切,不是正面剪切,这样对颗粒会产生圆周方向的击打力,根据粉碎原料的不断剪切,其颗粒越小,受到的圆周方向击打力也会增大,根据粉碎原料的物理材质特征、第一剪切角度得到其中粉碎过程中的颗粒变化规律,如粉碎原料的材质硬度不同,其粉碎的过程,粉碎的颗粒变化度会存在不同,原料粉碎规则信息则包含了粉碎原料对应的整个粉碎颗粒的变化过程,颗粒大小不同加上粉碎频次不同,产生的圆周方向击打力也存在不同,结合圆周击打力、原料粉碎规则信息,对粉碎时间进行预测,预测粉碎时间即按照剪切角度结合原料粉碎的变化规则、圆周方向的击打力进行分析预测到的粉碎时间信息,将预测粉碎时间加入第一粉碎控制信息中进行粉碎时间的控制,从而进一步提高了粉碎控制的精准性,控制智能化程度更高。
进一步,所述方法包括:根据所述原料粉碎规则信息、所述圆周击打力,获得原料圆周击打频率数据集合;根据所述原料圆周击打频率数据集合,获得圆周频率走势;判断所述圆周频率走势是否满足第一预定条件;当不满足时,根据所述圆周频率走势,获得第一变化节点;根据所述第一变化节点、所述圆周频率走势,获得圆周频率变化量;根据所述圆周频率变化量,获得匹配粉碎频次信息;根据所述匹配粉碎频次信息、所述第一变化节点,获得第二调整信息。
具体地,经实际操作的分析,通过改变剪切角度和剪切频次可以使得颗粒通过斜向强力剪切基础上形成递进打击效应,物料圆周方向打击频率倍增,因而圆周频率走势应该为上升趋势,若出现了圆周频率走势降低的情况,则对降低的变化节点进行粉碎频次的分析,根据降低的变化量,通过增加粉碎频次来提高圆周打击力,从而确保粉碎效果。进一步解决了现有技术中由于物料量、粉碎室结构的增大使锤片对物料的正面打击效率降低,存在粉碎效率低,粉碎效果受影响的技术问题。
实施例二
基于与前述实施例中一种基于斜向剪切的打击粉碎方法同样发明构思,本发明还提供了一种基于斜向剪切的打击粉碎系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于通过图像采集器获得第一图像信息,所述第一图像信息包括粉碎原料、剪切特征信息;
第二获得单元12,所述第二获得单元12用于根据所述剪切特征信息,获得第一剪切角度;
第三获得单元13,所述第三获得单元13用于根据所述第一图像信息,获得粉碎原料剪切比例;
第四获得单元14,所述第四获得单元14用于根据所述粉碎原料剪切比例、所述第一剪切角度,获得第一剪切函数,所述第一剪切函数为粉碎原料剪切比例与所述第一剪切角度之间的线性回归函数关系;
第五获得单元15,所述第五获得单元15用于获得第一剪切函数的输出结果,所述输出结果包括第一结果、第二结果,所述第一结果为符合粉碎原料的粉碎要求,所述第二结果为不符合原料的粉碎要求;
第一确定单元16,所述第一确定单元16用于当所述输出结果为第一结果时,确定所述第一剪切角度;
第六获得单元17,所述第六获得单元17用于获得粉碎要求信息;
第七获得单元18,所述第七获得单元18用于将所述粉碎要求信息、所述第一剪切角度输入粉碎力分析模型,获得第一粉碎频次;
第八获得单元19,所述第八获得单元19用于根据所述第一剪切角度、所述第一粉碎频次,获得第一粉碎控制信息。
进一步,所述系统还包括:
第九获得单元,所述第九获得单元用于当所述输出结果为第二结果时,获得第一调整信息;
第十获得单元,所述第十获得单元用于当接收到所述第一调整信息时,根据所述粉碎原料剪切比例、所述第一剪切函数关系,获得第二剪切角度信息;
第十一获得单元,所述第十一获得单元用于根据所述第二剪切角度信息、所述第二剪切角度信息,获得第一角度调整值;
第十二获得单元,所述第十二获得单元用于根据所述第一角度调整值,获得第一角度调整指令,所述第一角度调整指令用于按照所述第一角度调整值进行剪切装置角度调整。
进一步,所述系统还包括:
第十三获得单元,所述第十三获得单元用于根据所述粉碎原料,获得历史图像数据集;
第十四获得单元,所述第十四获得单元用于根据所述历史图像数据集,获得剪切角度信息集合、剪切比例信息集合;
第十五获得单元,所述第十五获得单元用于根据所述剪切角度信息集合,获得第一历史剪切角度;
第十六获得单元,所述第十六获得单元用于根据所述第一历史剪切角度、所述剪切比例信息集合,获得第一历史剪切比例,所述第一历史剪切比例与所述第一历史剪切角度相对应;
第十七获得单元,所述第十七获得单元用于根据所述第一历史剪切角度、所述第一历史剪切比例、所述历史图像数据集,获得第一粉碎结果,所述第一粉碎结果与所述第一历史剪切角度、所述第一历史剪切比例相对应;
第十八获得单元,所述第十八获得单元用于基于此,根据所述剪切角度信息集合、剪切比例信息集合、历史图像数据集,获得第二粉碎结果、第三粉碎结果、直到第N粉碎结果,其中,N为大于2的自然数;
第十九获得单元,所述第十九获得单元用于根据所述剪切角度信息集合、剪切比例信息集合、所有粉碎结果,获得所述第一剪切函数。
进一步,所述系统还包括:
第二十获得单元,所述第二十获得单元用于根据所述粉碎原料,获得原料特征信息;
第二十一获得单元,所述第二十一获得单元用于获得预设分区标准;
第二十二获得单元,所述第二十二获得单元用于根据所述预设分区标准对所述第一图像信息进行分区,获得第一图像分区集合;
第二十三获得单元,所述第二十三获得单元用于根据所述原料特征信息对所述第一图像分区集合中各图像分区依次进行特征遍历分析,获得第一分析结果;
第二十四获得单元,所述第二十四获得单元用于获得第一标记指令,所述第一标记指令用于根据所述第一分析结果对粉碎原料进行标记;
第二十五获得单元,所述第二十五获得单元用于获得标记图像分区;
第二十六获得单元,所述第二十六获得单元用于根据所述标记图像分区,获得分区剪切比例;
第二十七获得单元,所述第二十七获得单元用于根据所有分区剪切比例,获得剪切比例平均值,并将所述剪切比例平均值作为所述粉碎原料剪切比例。
进一步,所述系统还包括:
第二十八获得单元,所述第二十八获得单元用于根据所述第一剪切角度、所述第一粉碎频次,获得圆周击打力;
第二十九获得单元,所述第二十九获得单元用于根据所述粉碎原料、所述第一剪切角度、第一粉碎频次,获得原料粉碎规则信息;
第三十获得单元,所述第三十获得单元用于根据所述原料粉碎规则信息、所述圆周击打力,获得预测粉碎时间;
第三十一获得单元,所述第三十一获得单元用于根据所述预测粉碎时间、所述第一剪切角度、所述第一粉碎频次,获得所述第一粉碎控制信息。
进一步,所述系统还包括:
第三十二获得单元,所述第三十二获得单元用于根据所述原料粉碎规则信息、所述圆周击打力,获得原料圆周击打频率数据集合;
第三十三获得单元,所述第三十三获得单元用于根据所述原料圆周击打频率数据集合,获得圆周频率走势;
第一判断单元,所述第一判断单元用于判断所述圆周频率走势是否满足第一预定条件;
第三十四获得单元,所述第三十四获得单元用于当不满足时,根据所述圆周频率走势,获得第一变化节点;
第三十五获得单元,所述第三十五获得单元用于根据所述第一变化节点、所述圆周频率走势,获得圆周频率变化量;
第三十六获得单元,所述第三十六获得单元用于根据所述圆周频率变化量,获得匹配粉碎频次信息;
第三十七获得单元,所述第三十七获得单元用于根据所述匹配粉碎频次信息、所述第一变化节点,获得第二调整信息。
进一步,所述系统还包括:
第三十八获得单元,所述第三十八获得单元用于根据所述粉碎要求信息,获得目标粉碎标准;
第一输入单元,所述第一输入单元用于将所述目标粉碎标准、所述第一剪切角度输入所述粉碎力分析模型,所述粉碎力分析模型为通过多组训练数据训练至收敛得到,其中,所述多组训练数据中的每组数据均包括所述目标粉碎标准、所述第一剪切角度以及用于标识第一粉碎频次的标识信息;
第三十九获得单元,所述第三十九获得单元用于获得所述粉碎力分析模型的输出信息,所述输出信息包括所述第一粉碎频次。
前述图1实施例一中的一种基于斜向剪切的打击粉碎方法的各种变化方式和具体实例同样适用于本实施例的一种基于斜向剪切的打击粉碎系统,通过前述对一种基于斜向剪切的打击粉碎方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于斜向剪切的打击粉碎系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于斜向剪切的打击粉碎方法的发明构思,本发明还提供一种计算机设备,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于斜向剪切的打击粉碎方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本发明实施例提供的一种基于斜向剪切的打击粉碎方法及系统,应用于一打击粉碎控制装置,所述装置包括一图像采集器,通过图像采集器获得第一图像信息,所述第一图像信息包括粉碎原料、剪切特征信息;根据所述剪切特征信息,获得第一剪切角度;根据所述第一图像信息,获得粉碎原料剪切比例;根据所述粉碎原料剪切比例、所述第一剪切角度,获得第一剪切函数,所述第一剪切函数为粉碎原料剪切比例与所述第一剪切角度之间的线性回归函数关系;获得第一剪切函数的输出结果,所述输出结果包括第一结果、第二结果,所述第一结果为符合粉碎原料的粉碎要求,所述第二结果为不符合原料的粉碎要求;当所述输出结果为第一结果时,确定所述第一剪切角度;获得粉碎要求信息;将所述粉碎要求信息、所述第一剪切角度输入粉碎力分析模型,获得第一粉碎频次;根据所述第一剪切角度、所述第一粉碎频次,获得第一粉碎控制信息,达到了智能分析和控制的效果,提供了分析效率,通过将正面打击转化为斜向剪切,剪切破坏所需应力仅为正面打击应力的1/3到1/5,并通过匹配到适合的剪切频次,提高剪切频率,实现提高粉碎效率的技术效果,粉碎颗粒通过斜向强力剪切基础上形成递进打击效应,粉碎原料打击频率倍增,提升粉碎效率。从而解决了现有技术中由于物料量、粉碎室结构的增大使锤片对物料的正面打击效率降低,存在粉碎效率低,粉碎效果受影响的技术问题。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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限定。
Claims (9)
1.一种基于斜向剪切的打击粉碎方法,其中,所述方法应用于一打击粉碎控制装置,所述装置包括一图像采集器,所述方法包括:
通过所述图像采集器获得第一图像信息,所述第一图像信息包括粉碎原料、剪切特征信息;
根据所述剪切特征信息,获得第一剪切角度;
根据所述第一图像信息,获得粉碎原料剪切比例;
根据所述粉碎原料剪切比例、所述第一剪切角度,获得第一剪切函数,所述第一剪切函数为粉碎原料剪切比例与所述第一剪切角度之间的线性回归函数关系;
获得第一剪切函数的输出结果,所述输出结果包括第一结果、第二结果,所述第一结果为符合粉碎原料的粉碎要求,所述第二结果为不符合原料的粉碎要求;
当所述输出结果为第一结果时,确定所述第一剪切角度;
获得粉碎要求信息;
将所述粉碎要求信息、所述第一剪切角度输入粉碎力分析模型,获得第一粉碎频次;
根据所述第一剪切角度、所述第一粉碎频次,获得第一粉碎控制信息;
其中,所述根据所述第一图像信息,获得粉碎原料剪切比例,包括:
根据所述粉碎原料,获得原料特征信息;
获得预设分区标准;
根据所述预设分区标准对所述第一图像信息进行分区,获得第一图像分区集合;
根据所述原料特征信息对所述第一图像分区集合中各图像分区依次进行特征遍历分析,获得第一分析结果;
获得第一标记指令,所述第一标记指令用于根据所述第一分析结果对粉碎原料进行标记;
获得标记图像分区;
根据所述标记图像分区,获得分区剪切比例;
根据所有分区剪切比例,获得剪切比例平均值,并将所述剪切比例平均值作为所述粉碎原料剪切比例。
2.如权利要求1所述的方法,其中,所述获得第一剪切函数的输出结果之后,包括:
当所述输出结果为第二结果时,获得第一调整信息;
当接收到所述第一调整信息时,根据所述粉碎原料剪切比例、所述第一剪切函数关系,获得第二剪切角度信息;
根据所述第二剪切角度信息、所述第二剪切角度信息,获得第一角度调整值;
根据所述第一角度调整值,获得第一角度调整指令,所述第一角度调整指令用于按照所述第一角度调整值进行剪切装置角度调整。
3.如权利要求1所述的方法,其中,所述根据所述粉碎原料剪切比例、所述第一剪切角度,获得第一剪切函数,包括:
根据所述粉碎原料,获得历史图像数据集;
根据所述历史图像数据集,获得剪切角度信息集合、剪切比例信息集合;
根据所述剪切角度信息集合,获得第一历史剪切角度;
根据所述第一历史剪切角度、所述剪切比例信息集合,获得第一历史剪切比例,所述第一历史剪切比例与所述第一历史剪切角度相对应;
根据所述第一历史剪切角度、所述第一历史剪切比例、所述历史图像数据集,获得第一粉碎结果,所述第一粉碎结果与所述第一历史剪切角度、所述第一历史剪切比例相对应;
基于此,根据所述剪切角度信息集合、剪切比例信息集合、历史图像数据集,获得第二粉碎结果、第三粉碎结果、直到第N粉碎结果,其中,N为大于2的自然数;
根据所述剪切角度信息集合、剪切比例信息集合、所有粉碎结果,获得所述第一剪切函数。
4.如权利要求1所述的方法,其中,所述方法包括:
根据所述第一剪切角度、所述第一粉碎频次,获得圆周击打力;
根据所述粉碎原料、所述第一剪切角度、第一粉碎频次,获得原料粉碎规则信息;
根据所述原料粉碎规则信息、所述圆周击打力,获得预测粉碎时间;
根据所述预测粉碎时间、所述第一剪切角度、所述第一粉碎频次,获得所述第一粉碎控制信息。
5.如权利要求4所述的方法,其中,所述方法包括:
根据所述原料粉碎规则信息、所述圆周击打力,获得原料圆周击打频率数据集合;
根据所述原料圆周击打频率数据集合,获得圆周频率走势;
判断所述圆周频率走势是否满足第一预定条件;
当不满足时,根据所述圆周频率走势,获得第一变化节点;
根据所述第一变化节点、所述圆周频率走势,获得圆周频率变化量;
根据所述圆周频率变化量,获得匹配粉碎频次信息;
根据所述匹配粉碎频次信息、所述第一变化节点,获得第二调整信息。
6.如权利要求1所述的方法,其中,所述将所述粉碎要求信息、所述第一剪切角度输入粉碎力分析模型,获得第一粉碎频次,包括:
根据所述粉碎要求信息,获得目标粉碎标准;
将所述目标粉碎标准、所述第一剪切角度输入所述粉碎力分析模型,所述粉碎力分析模型为通过多组训练数据训练至收敛得到,其中,所述多组训练数据中的每组数据均包括所述目标粉碎标准、所述第一剪切角度以及用于标识第一粉碎频次的标识信息;
获得所述粉碎力分析模型的输出信息,所述输出信息包括所述第一粉碎频次。
7.一种基于斜向剪切的打击粉碎系统,其中,所述系统应用于权利要求1-6任一所述方法中,所述系统包括:
第一获得单元,所述第一获得单元用于通过图像采集器获得第一图像信息,所述第一图像信息包括粉碎原料、剪切特征信息;
第二获得单元,所述第二获得单元用于根据所述剪切特征信息,获得第一剪切角度;
第三获得单元,所述第三获得单元用于根据所述第一图像信息,获得粉碎原料剪切比例;
第四获得单元,所述第四获得单元用于根据所述粉碎原料剪切比例、所述第一剪切角度,获得第一剪切函数,所述第一剪切函数为粉碎原料剪切比例与所述第一剪切角度之间的线性回归函数关系;
第五获得单元,所述第五获得单元用于获得第一剪切函数的输出结果,所述输出结果包括第一结果、第二结果,所述第一结果为符合粉碎原料的粉碎要求,所述第二结果为不符合原料的粉碎要求;
第一确定单元,所述第一确定单元用于当所述输出结果为第一结果时,确定所述第一剪切角度;
第六获得单元,所述第六获得单元用于获得粉碎要求信息;
第七获得单元,所述第七获得单元用于将所述粉碎要求信息、所述第一剪切角度输入粉碎力分析模型,获得第一粉碎频次;
第八获得单元,所述第八获得单元用于根据所述第一剪切角度、所述第一粉碎频次,获得第一粉碎控制信息;
第二十获得单元,所述第二十获得单元用于根据所述粉碎原料,获得原料特征信息;
第二十一获得单元,所述第二十一获得单元用于获得预设分区标准;
第二十二获得单元,所述第二十二获得单元用于根据所述预设分区标准对所述第一图像信息进行分区,获得第一图像分区集合;
第二十三获得单元,所述第二十三获得单元用于根据所述原料特征信息对所述第一图像分区集合中各图像分区依次进行特征遍历分析,获得第一分析结果;
第二十四获得单元,所述第二十四获得单元用于获得第一标记指令,所述第一标记指令用于根据所述第一分析结果对粉碎原料进行标记;
第二十五获得单元,所述第二十五获得单元用于获得标记图像分区;
第二十六获得单元,所述第二十六获得单元用于根据所述标记图像分区,获得分区剪切比例;
第二十七获得单元,所述第二十七获得单元用于根据所有分区剪切比例,获得剪切比例平均值,并将所述剪切比例平均值作为所述粉碎原料剪切比例。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现上述权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,包括指令,其中,当指令在计算机上运行时,使得计算机执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110617532.XA CN113343179B (zh) | 2021-06-02 | 2021-06-02 | 一种基于斜向剪切的打击粉碎方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110617532.XA CN113343179B (zh) | 2021-06-02 | 2021-06-02 | 一种基于斜向剪切的打击粉碎方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113343179A CN113343179A (zh) | 2021-09-03 |
CN113343179B true CN113343179B (zh) | 2022-03-01 |
Family
ID=77475023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110617532.XA Active CN113343179B (zh) | 2021-06-02 | 2021-06-02 | 一种基于斜向剪切的打击粉碎方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113343179B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113681014B (zh) * | 2021-10-22 | 2022-03-15 | 南通豪派金属制品有限公司 | 一种金属粉末加工设备的智能调控方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101831193A (zh) * | 2003-07-31 | 2010-09-15 | 国立大学法人京都大学 | 纤维增强复合材料及其制备方法和应用 |
JP2011166753A (ja) * | 2010-01-15 | 2011-08-25 | Panasonic Corp | 撮像装置 |
CN105879995A (zh) * | 2016-04-10 | 2016-08-24 | 湘潭大学 | 一种用于废旧手机材料分类挑选的方法及其装置 |
CN211224934U (zh) * | 2019-11-13 | 2020-08-11 | 武汉理工大学 | 一种回收处理垃圾桶 |
CN111951128A (zh) * | 2020-08-31 | 2020-11-17 | 江苏工程职业技术学院 | 一种节能环保的建筑施工方法和装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102562049A (zh) * | 2011-11-14 | 2012-07-11 | 上海神开石油化工装备股份有限公司 | 一种随钻预测地层变化的方法 |
KR102015954B1 (ko) * | 2014-03-21 | 2019-08-29 | 한화테크윈 주식회사 | 영상 처리 시스템 및 영상 처리 방법 |
US20170058669A1 (en) * | 2014-09-10 | 2017-03-02 | Fracture ID, Inc. | Apparatus and method of using measurement while drilling data to generate mechanical rock-strength properties and map mechanical rock-strength properties along a borehole |
CN107633873A (zh) * | 2017-10-11 | 2018-01-26 | 丁才学 | 一种基于互联网的泌尿外科体外碎石机控制方法 |
CN108278126A (zh) * | 2018-04-03 | 2018-07-13 | 长沙矿山研究院有限责任公司 | 一种智能型溜井放矿系统 |
CN110245651B (zh) * | 2019-08-09 | 2019-11-29 | 深圳市广宁股份有限公司 | 质量智能检测方法及相关装置 |
JP2021031842A (ja) * | 2019-08-14 | 2021-03-01 | 株式会社安藤・間 | 積込機、移動式破砕機及びベルトコンベアを用いた破砕物搬出方法に使用する破砕機運転管理方法、並びに積込機及び移動式破砕機を用いた破砕物搬出方法に使用する破砕機運転管理方法 |
CN211365235U (zh) * | 2019-11-25 | 2020-08-28 | 河南中烟工业有限责任公司 | 一种烟叶包装箱自动剪带及粉碎回收装置 |
CN111507391A (zh) * | 2020-04-13 | 2020-08-07 | 武汉理工大学 | 一种基于机器视觉的有色金属破碎料智能识别方法 |
CN112419397B (zh) * | 2020-12-08 | 2023-09-15 | 鞍钢集团矿业有限公司 | 一种基于图像和深度神经网络的矿石粒度分级方法及系统 |
CN112529076A (zh) * | 2020-12-10 | 2021-03-19 | 广西顶俏食品科技集团有限公司 | 一种降低高质量成曲酱油杂质产出率的方法和装置 |
-
2021
- 2021-06-02 CN CN202110617532.XA patent/CN113343179B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101831193A (zh) * | 2003-07-31 | 2010-09-15 | 国立大学法人京都大学 | 纤维增强复合材料及其制备方法和应用 |
JP2011166753A (ja) * | 2010-01-15 | 2011-08-25 | Panasonic Corp | 撮像装置 |
CN105879995A (zh) * | 2016-04-10 | 2016-08-24 | 湘潭大学 | 一种用于废旧手机材料分类挑选的方法及其装置 |
CN211224934U (zh) * | 2019-11-13 | 2020-08-11 | 武汉理工大学 | 一种回收处理垃圾桶 |
CN111951128A (zh) * | 2020-08-31 | 2020-11-17 | 江苏工程职业技术学院 | 一种节能环保的建筑施工方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113343179A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113297796B (zh) | 一种基于混合工艺的智能控制方法及系统 | |
CN113343179B (zh) | 一种基于斜向剪切的打击粉碎方法及系统 | |
AU2008251695B2 (en) | System and method for providing electronic price feeds for tradeable objects | |
AU785207B2 (en) | Multivariate responses using classification and regression trees systems and methods | |
CN103914705B (zh) | 一种基于多目标免疫克隆的高光谱图像分类和波段选择的方法 | |
CN103985112B (zh) | 基于改进多目标粒子群优化聚类的图像分割方法 | |
DE112019005373T5 (de) | Framework für maschinelles lernen zum finden von materialien mit gewünschten eigenschaften | |
Niedoba | Multi-parameter data visualization by means of principal component analysis (PCA) in qualitative evaluation of various coal types | |
Breidt et al. | Endogenous post-stratification in surveys: Classifying with a sample-fitted model | |
Villoria et al. | Gaussian quadratures vs. Monte Carlo experiments for systematic sensitivity analysis of computable general equilibrium model results | |
Bear et al. | A logistic normal mixture model for compositional data allowing essential zeros | |
Al-Batah et al. | A novel aggregate classification technique using moment invariants and cascaded multilayered perceptron network | |
CN112541635A (zh) | 业务数据统计预测方法、装置、计算机设备及存储介质 | |
Kaňková | A note on estimates in stochastic programming | |
Zaheer et al. | Two stage portfolio selection and optimization model with the hybrid particle swarm optimization | |
CN116610745B (zh) | 应用数字孪生技术的ai场景信息推送处理方法及系统 | |
CN113681014B (zh) | 一种金属粉末加工设备的智能调控方法及系统 | |
CN105354584A (zh) | 基于波段不相似性的高光谱数据波段表征选择方法 | |
Alyoshin et al. | Neural network support for introscopy of internal structure and properties of the building constructions | |
Yue et al. | A coherent generative scheme for sar image representation | |
CN104537667A (zh) | 基于方向多目标遗传聚类算法的图像分割方法 | |
Diemer Jr et al. | Interpretation of size reduction data via moment models | |
Vaidogas | On applying sparse and uncertain information to estimating the probability of failure due to rare abnormal situations | |
Kienitz | GMM DCKE-Semi-Analytic Conditional Expectations | |
Ghaffari et al. | W2 barycenters for radially related distributions |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |