CN116046618B - 一种超细硫酸钙的粉磨细度监测方法及系统 - Google Patents
一种超细硫酸钙的粉磨细度监测方法及系统 Download PDFInfo
- Publication number
- CN116046618B CN116046618B CN202310165859.7A CN202310165859A CN116046618B CN 116046618 B CN116046618 B CN 116046618B CN 202310165859 A CN202310165859 A CN 202310165859A CN 116046618 B CN116046618 B CN 116046618B
- Authority
- CN
- China
- Prior art keywords
- detection result
- granularity
- abnormal
- result set
- sample
- 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
- 238000000227 grinding Methods 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000012544 monitoring process Methods 0.000 title claims abstract description 79
- OSGAYBCDTDRGGQ-UHFFFAOYSA-L calcium sulfate Chemical compound [Ca+2].[O-]S([O-])(=O)=O OSGAYBCDTDRGGQ-UHFFFAOYSA-L 0.000 title claims abstract description 76
- 238000001514 detection method Methods 0.000 claims abstract description 545
- 230000002159 abnormal effect Effects 0.000 claims abstract description 261
- 230000008569 process Effects 0.000 claims abstract description 56
- 229910052602 gypsum Inorganic materials 0.000 claims abstract description 30
- 239000010440 gypsum Substances 0.000 claims abstract description 30
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 239000002245 particle Substances 0.000 claims description 78
- 238000005457 optimization Methods 0.000 claims description 47
- 238000012360 testing method Methods 0.000 claims description 34
- 238000009826 distribution Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 15
- 238000005192 partition Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000013215 result calculation Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 10
- 230000005856 abnormality Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- KCXVZYZYPLLWCC-UHFFFAOYSA-N EDTA Chemical compound OC(=O)CN(CC(O)=O)CCN(CC(O)=O)CC(O)=O KCXVZYZYPLLWCC-UHFFFAOYSA-N 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000002657 fibrous material Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供了一种超细硫酸钙的粉磨细度监测方法及系统，涉及细度监测技术领域，方法包括：采用预设细磨工艺对生石膏进行超细磨，并采用第一、第二检测方式对细磨样品的粒度进行多次检测，获得第一、第二粒度检测结果集合输入预构建的异常检测结果识别模型，获得第一、第二异常检测结果集合后分别从第一、第二粒度检测结果集合内删除，获得第一、第二置信粒度检测结果集合后再计算粒度监测结果，判断粒度监测结果是否符合预设要求，符合则继续生产，不符合则对助磨剂的含量和预设细磨工艺进行调整，解决现有技术对生石膏进行超细磨时粒度检测不准确、细磨粒度达不到要求的技术问题，实现了提升生石膏超细磨粒度检测准确性的技术效果。
Description
技术领域
本发明涉及细度监测技术领域，具体涉及一种超细硫酸钙的粉磨细度监测方法及系统。
背景技术
随着科学技术的发展，特别是生石膏的超细磨工艺领域，与其它短纤维材料相比，硫酸钙晶须因其独特的理化性质和较高的性价比等优点，广泛应用于建材、橡胶等领域。而在硫酸钙晶须的制备过程中，原料粒度过大会使其晶体生长受到限制，因此，需对原料进行超细磨矿以稳定和提高硫酸钙晶须的质量。
目前在进行硫酸钙生石膏的超细磨的过程中，超细硫酸钙的粒度检测的手段较为单一，由于测试的偶然性和不可避免的误差，精确度较低，导致粒度检测结果无法作为参考数据，为超细硫酸钙的超细磨生产提供参考。
现有技术中存在对生石膏进行超细磨时粒度检测的手段单一，精确度较低，无法作为调整超细磨工艺的参考数据的技术问题。
发明内容
本申请提供了一种超细硫酸钙的粉磨细度监测方法及系统，用于针对解决现有技术中存在对生石膏进行超细磨时粒度检测的手段单一，精确度较低，无法作为调整超细磨工艺的参考数据的技术问题。
鉴于上述问题，本申请提供了一种超细硫酸钙的粉磨细度监测方法及系统。
第一方面，本申请提供了一种超细硫酸钙的粉磨细度监测方法，所述方法包括：采用预设细磨工艺对生石膏进行超细磨，获得细磨样品，其中，所述预设细磨工艺包括预设含量的助磨剂；分别采用第一检测方式和第二检测方式，对所述细磨样品的粒度进行多次检测，获得第一粒度检测结果集合和第二粒度检测结果集合；将所述第一粒度检测结果集合和所述第二粒度检测结果集合输入预构建的异常检测结果识别模型，获得第一异常检测结果集合和第二异常检测结果集合，其中，所述异常检测结果识别模型包括第一异常检测结果识别模块和第二异常检测识别模块；将所述第一异常检测结果集合和第二异常检测结果集合分别从所述第一粒度检测结果集合和所述第二粒度检测结果集合内删除，获得第一置信粒度检测结果集合和第二置信粒度检测结果集合；根据所述第一置信粒度检测结果集合和第二置信粒度检测结果集合，计算获得粒度监测结果；判断所述粒度监测结果是否符合预设要求，若是，则继续生产，若否，则对所述助磨剂的含量进行调整寻优，获得最优含量，对所述预设细磨工艺进行调整。
第二方面，本申请提供了一种超细硫酸钙的粉磨细度监测系统，所述系统包括：细磨样品获得模块，所述细磨样品获得模块用于采用预设细磨工艺对生石膏进行超细磨，获得细磨样品，其中，所述预设细磨工艺包括预设含量的助磨剂；粒度检测结果集合模块，所述检测结果集合模块用于分别采用第一检测方式和第二检测方式，对所述细磨样品的粒度进行多次检测，获得第一粒度检测结果集合和第二粒度检测结果集合；异常检测结果集合模块，所述异常检测结果集合模块用于将所述第一粒度检测结果集合和所述第二粒度检测结果集合输入预构建的异常检测结果识别模型，获得第一异常检测结果集合和第二异常检测结果集合，其中，所述异常检测结果识别模型包括第一异常检测结果识别模块和第二异常检测识别模块；置信粒度检测结果集合模块，所述置信粒度检测结果集合模块用于将所述第一异常检测结果集合和第二异常检测结果集合分别从所述第一粒度检测结果集合和所述第二粒度检测结果集合内删除，获得第一置信粒度检测结果集合和第二置信粒度检测结果集合；粒度监测结果模块，所述粒度监测结果模块用于根据所述第一置信粒度检测结果集合和第二置信粒度检测结果集合，计算获得粒度监测结果；工艺调整模块，所述工艺调整模块用于判断所述粒度监测结果是否符合预设要求，若是，则继续生产，若否，则对所述助磨剂的含量进行调整寻优，获得最优含量，对所述预设细磨工艺进行调整。
本申请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：
本申请提供的一种超细硫酸钙的粉磨细度监测方法，解决了现有技术中存在对生石膏进行超细磨时粒度检测的手段单一，精确度较低，无法作为调整超细磨工艺的参考数据的技术问题，通过多种检测手段和算法结合的方式，构建了准确的超细硫酸钙粉磨细度检测方法，提升了粒度检测的准确性，能够作为调整超细磨工艺的参考数据，对助磨剂的剂量进行优化，实现了增强生石膏的超细磨矿效果，提升超细硫酸钙粒度检测准确性的技术效果。
附图说明
图1为本申请提供了一种超细硫酸钙的粉磨细度监测方法流程示意图；
图2为本申请提供了一种超细硫酸钙的粉磨细度监测方法中粒度检测结果获得流程示意图；
图3为本申请提供了一种超细硫酸钙的粉磨细度监测方法中异常检测结果集合获得流程示意图；
图4为本申请提供了一种超细硫酸钙的粉磨细度监测方法中粒度监测结果获得流程示意图；
图5为本申请提供了一种超细硫酸钙的粉磨细度监测方法中最优含量获得流程示意图；
图6为本申请提供了一种超细硫酸钙的粉磨细度监测系统结构示意图。
附图标记说明：细磨样品获得模块1，粒度检测结果集合模块2，异常检测结果集合模块3，置信粒度检测结果集合模块4，粒度监测结果模块5，工艺调整模块6。
具体实施方式
本申请通过提供一种超细硫酸钙的粉磨细度监测方法，用于解决现有技术中存在对生石膏进行超细磨时粒度检测的手段单一，精确度较低，无法作为调整超细磨工艺的参考数据的技术问题。
实施例一
如图1所示，本申请实施例提供了一种超细硫酸钙的粉磨细度监测方法，该方法应用于一种超细硫酸钙的粉磨细度监测系统，该方法包括：
步骤S100：采用预设细磨工艺对生石膏进行超细磨，获得细磨样品，其中，所述预设细磨工艺包括预设含量的助磨剂；
具体而言，通过在预设细磨工艺的基础上，对生石膏进行超细磨，其中该预设细磨工艺包括预设含量的助磨剂，该助磨剂是指EDTA，其EDTA在生石膏超细磨过程中的作用机理如下：EDTA可减少生石膏表面的吸附水相对含量及颗粒间的黏结力，增强了生石膏颗粒间的排斥作用能使其形成稳定的分散体系，最终提高生石膏的超细磨矿效果。
通过基于预设细磨工艺对生石膏进行细磨，细磨后进行超细硫酸钙的采用，获得细磨样品。
步骤S200：分别采用第一检测方式和第二检测方式，对所述细磨样品的粒度进行多次检测，获得第一粒度检测结果集合和第二粒度检测结果集合；
具体而言，通过分别采用第一检测方式与第二检测方式对上述所得细磨样品的粒度进行多次检测，其中第一检测方式是指现有检测方式中的任意一个检测方式，第二检测方式是指在现有检测方式中，与第一检测方式不同的其他任意一个检测方式，优选地，该检测方式可能是采用激光粒度分析仪进行检测或是采用预设目筛进行检测等，进一步通过上述第一检测方式和第二检测方式对所获细磨样品的粒度多次检测后，获得与第一检测方式与第二检测方式所对应的第一粒度检测结果集合与第二粒度检测结果集合，为后期调整预设细磨工艺做为重要参考依据。
步骤S300：将所述第一粒度检测结果集合和所述第二粒度检测结果集合输入预构建的异常检测结果识别模型，获得第一异常检测结果集合和第二异常检测结果集合，其中，所述异常检测结果识别模型包括第一异常检测结果识别模块和第二异常检测识别模块；
具体而言，在所获第一粒度检测结果集合与所获第二粒度检测结果集合的基础上，将二者输入预构建的异常检测结果识别模型中，其中该预构建的异常检测结果识别模型是基于异常检测中的孤立森林算法的思想进行架构。
将第一粒度检测结果集合与第二粒度检测结果集合输入异常检测结果识别模型，输出第一异常检测结果集合与第二异常检测结果集合，该第一异常检测结果集合与第二异常检测结果集合有可能地，是由于超细硫酸钙取样的偶然性或者检测的误差，导致的异常检测结果，其中，上述所得异常检测结果识别模型包括第一异常检测结果识别模块和第二异常检测识别模块，进而为后期调整预设细磨工艺做保障。
步骤S400：将所述第一异常检测结果集合和第二异常检测结果集合分别从所述第一粒度检测结果集合和所述第二粒度检测结果集合内删除，获得第一置信粒度检测结果集合和第二置信粒度检测结果集合；
具体而言，通过将上述所得第一异常检测结果集合在所对应的第一粒度检测结果集合内删除，从而获得第一置信粒度检测结果集合，再将上述所得第二异常检测结果集合在所对应的第二粒度检测结果集合内删除，从而获得第二置信粒度检测结果集合，其中所获第一置信粒度检测结果集合与第二置信粒度检测结果集合是剔除所检异常结果后所得，其精确度与可信度均大于第一粒度检测结果集合与第二粒度检测结果集合，为后续调整预设细磨工艺夯实基础。
步骤S500：根据所述第一置信粒度检测结果集合和第二置信粒度检测结果集合，计算获得粒度监测结果；
具体而言，在对所获第一置信粒度检测结果集合与所获第二置信粒度检测结果集合进行计算，其中对所获第一置信粒度检测结果集合与所获第二置信粒度检测结果集合进行计算是指将二者集合内的数据进行综合计算后，最终获得粒度监测结果，由于综合了第一检测方式和第二检测方式，以及异常数据识别后的第一置信粒度检测结果集合和第二置信粒度检测结果集合，计算获得的粒度监测结果准确性较高，对优化助磨剂以及调整预设细磨工艺有着限制的作用。
步骤S600：判断所述粒度监测结果是否符合预设要求，若是，则继续生产，若否，则对所述助磨剂的含量进行调整寻优，获得最优含量，对所述预设细磨工艺进行调整。
具体而言，通过在上述第一置信粒度检测结果集合与所获第二置信粒度检测结果集合进行计算所得的粒度监测结果的基础上，对粒度监测结果进行判断，首先获得粒度监测结果的预设要求，该预设要求包括预设粒度监测结果，即为当前超细硫酸钙应用所需要达到的粒度要求，进一步将上述计算所得的粒度监测结果与预设粒度监测结果进行比较，其中所获预设粒度监测结果由相关技术人员根据历史粒度监测数据进行预设。若计算所得粒度监测结果满足预设粒度检测结果，则当前的超细硫酸钙的粒度符合使用要求，继续超细硫酸钙的细磨生产，若计算所得粒度监测结果不满足预设粒度检测结果，则需要对所获助磨剂的含量进行调整寻优，获得助磨剂的最优含量，并进一步对该预设细磨工艺进行与之对应的调整，从而经过不断的调整，与预设粒度监测结果不断进行靠拢，根据对助磨剂含量的优化以及对预设细磨工艺的调整，使得更好的实现生石膏的超细磨效果。
进一步而言，如图2所示，本申请步骤S200还包括：
步骤S210：对所述细磨样品进行划分，获得多份检验样品；
步骤S220：采用激光粒度分析仪，检测所述多份检验样品的粒度，获得所述第一粒度检测结果集合；
步骤S230：采用预设目筛，检测所述多份检验样品的粒度，获得所述第二粒度检测结果集合。
具体而言，在采用预设细磨工艺对生石膏进行超细磨后所获的细磨样品的基础上，对其所获细磨样品进行等份划分，获得多份等份检验样品，进一步的，采用两种检测方式对所获多份检验样品进行检测。
可以采用激光粒度分析仪对上述所获多份检验样品的粒度进行检测，其中该激光粒度分析仪的原理是光在传播中，波前受到与波长尺度相当的隙孔或颗粒的限制，以受限波前处各元波为源的发射在空间干涉而产生衍射和散射，衍射和散射的光能的空间（角度）分布与光波波长和隙孔或颗粒的尺度有关，并用激光做光源，光为波长一定的单色光后，衍射和散射的光能的空间（角度）分布就只与粒径有关，进一步对颗粒群的衍射，各颗粒级的多少决定着对应各特定角处获得的光能量的大小，各特定角光能量在总光能量中的比例，应反映着各颗粒级的分布丰度，从而获得第一粒度检测结果集合。
还可以采用预设目筛对上述所获多份检验样品的粒度进行检测，其中该预设目筛中的目是指每平方英吋筛网上的空眼数目，50目就是指每平方英吋上的孔眼是50个，目数越高，孔眼越多，除了表示筛网的孔眼外，它同时用于表示能够通过筛网的粒子的粒径，目数越高，粒径越小，该筛网的计算公式为：
网孔尺寸：W=L÷n－d，其中，W为网孔平均尺寸(mm) ，L为相邻网孔长度(mm)，d为金属丝平均直径(mm)。
筛网目数为1英寸(25.4mm)长度上所具有的网孔个数，其中，1目=1孔径+1丝径，目/吋=目数/25.4mm。
目数=25.4mm÷（孔径+丝径），网孔尺寸=25.4mm÷目数－丝径。
通过用不同目数的筛网进行筛选试验，并基于现有技术进行评估，以此来确定粒度，并进一步获得第二粒度检测结果集合，达到为后期优化助磨剂的含量以及调整预设细磨工艺提供重要依据的技术效果。
进一步而言，如图3所示，本申请步骤S300还包括：
步骤S310：构建所述第一异常检测结果识别模块和所述第二异常检测结果识别模块；
步骤S320：基于构建完成的所述第一异常检测结果识别模块和所述第二异常检测结果识别模块，获得所述异常检测结果识别模型；
步骤S330：将所述第一粒度检测结果集合和所述第二粒度检测结果集合分别输入所述第一异常检测结果识别模块和所述第二异常检测结果识别模块，获得所述第一异常检测结果集合和第二异常检测结果集合。
具体而言，对第一异常检测结果识别模块与第二异常检测结果识别模块进行构建，其中该第一异常检测结果识别模块与第二异常检测结果识别模块是基于异常检测算法中的孤立森林算法的思想进行架构，并在所获第一异常检测结果识别模块与第二异常检测结果的基础上，获得异常检测结果识别模型。
将所获第一粒度检测结果集合与所获第二粒度检测结果集合分别对应输入所构建完成的第一异常检测结果识别模块与第二异常检测结果识别模块，进一步的输出第一异常检测结果集合与第二异常检测结果集合，以保证优化助磨剂的含量以及调整预设细磨工艺时的高效性。
下面，以第一异常检测结果识别模块为例，详细说明异常检测识别模块的构建过程。
进一步而言，本申请步骤S310包括：
步骤S311：获取样本粒度检测结果集合，其中，所述样本粒度检测结果集合包括样本第一粒度检测结果集合和样本第二粒度检测结果集合；
步骤S312：获取所述样本粒度检测结果集合内的样本异常粒度检测结果集合，其中，所述样本异常粒度检测结果集合内包括样本第一异常粒度检测结果集合和样本第二粒度检测结果集合；
步骤S313：基于所述样本第一粒度检测结果集合和样本第一异常粒度检测结果集合，构建所述第一异常检测结果识别模块；
步骤S314：基于所述样本第二粒度检测结果集合和样本第二异常粒度检测结果集合，构建所述第二异常检测结果识别模块
具体而言，根据其对细磨样品的对应检测方式获得其对应的样本粒度检测结果集合，样本粒度检测结果集合可包括历史时间内对超细硫酸钙进行粒度检测获得的数据，其中所获样本粒度检测结果集合包括样本第一粒度检测结果集合与样本第二粒度检测结果集合，进一步的对样本粒度检测结果集合中的样本异常粒度检测结果集合进行提取，可基于历史时间内进行超细硫酸钙粒度检测和异常数据人工识别，获得该样本异常粒度检测结果集合。其中所获样本异常粒度检测结果集合内包括样本第一异常粒度检测结果集合与样本第二粒度检测结果集合。
进一步将在所获样本第一粒度检测结果集合与样本第一异常粒度检测结果集合的基础上，对第一异常检测结果识别模块进行构建，其中第一异常检测结果识别模块需要能在样本第一粒度检测结果集合中对照检测出样本第一异常粒度检测结果集合，从而完成第一异常检测结果识别模块的构建。
再进一步将在所获样本第二粒度检测结果集合与样本第二异常粒度检测结果集合的基础上，对第二异常检测结果识别模块进行构建，其中第二异常检测结果识别模块需要能在样本第二粒度检测结果集合中对照检测出样本第二异常粒度检测结果集合，从而完成第二异常检测结果识别模块的构建。
并基于上述所得第一异常检测结果识别模块与上述所得第二异常检测结果识别模块对异常检测结果识别模型进行构建，最终达到对优化助磨剂的含量以及调整预设细磨工艺提供参考的技术效果。
进一步而言，本申请步骤S313还包括：
步骤S3131：依次从所述样本第一异常粒度检测结果集合内随机选择样本第一异常粒度检测结果，构建所述第一异常检测结果识别模块的多层划分节点
步骤S3132：根据所述样本第一异常粒度检测结果集合和所述样本第一粒度检测结果集合，计算获得第一异常比例信息；
步骤S3133：根据所述第一异常比例信息，在所述多层划分节点内设置获得异常粒度检测结果输出节点；
步骤S3134：根据所述多层划分节点和所述异常粒度检测结果输出节点，获得构建完成的所述第一异常检测结果识别模块。
具体而言，在所获样本第一异常粒度检测结果集合内，对其中所包含的样本第一异常粒度检测结果进行随机选择，将以依次从样本第一异常粒度检测结果集合中随机选择出的第一异常粒度检测结果对第一异常检测结果识别模块的多层划分节点进行构建，其中第一异常检测结果识别模块的多层划分节点内的每层划分节点可按照粒度检测结果的粒度大小对输入的粒度检测结果进行二分类划分，每层划分节点可对输入的多个粒度检测结果进行二分类，大于该节点的为一类，小于等于的为一类，对其不断地进行分类从而构建第一异常检测结果识别模块的多层划分节点，等，根据历史经验以及样本粒度检测结果的数量进行确定第一异常检测结果识别模块的多层划分节点的层数，其中异常的粒度检测结果与正常的粒度检测结果差距较大，形成单个数据点，容易在划分中被划分为单个的数据，而正常的置信粒度检测结果之间的差距较小，形成密集的数据群，划分后还会以数据群的形式出现，如此，实现异常粒度检测结果的划分检出。即若一粒度检测结果被较低层数的划分节点划分为单个数据，则该粒度检测结果为异常粒度检测结果。
进一步的根据样本第一异常粒度检测结果集合与样本第一粒度检测结果集合进行匹配计算与比较，从而得出样本第一异常粒度检测结果集合与样本第一粒度检测结果集合的比例，进一步生成第一异常比例信息。
在上述所获第一异常比例信息的基础上，对上述所划分出的第一异常检测结果识别模块的多层划分节点内设置异常粒度检测结果输出节点，示例性的，若所获第一异常比例信息为5%，则从最底层的第一层节点向上，获得多层划分节点5%处的节点，获得对应的划分节点，记作异常粒度检测结果输出节点，其中当基于第一异常比例信息所得出的结果为非整数时，向上取整，从而通过根据所获第一异常检测结果识别模块的多层划分节点与上述所获异常粒度检测结果输出节点，对第一异常检测结果识别模块完成构建，以此达到对助磨剂含量的优化以及调整预设细磨工艺的技术效果。
第一异常检测结果识别模块的构建方法与第一异常检测结果识别模块的构建方法相同，但构建数据不同，在此不再赘述。
进一步而言，如图4所示，本申请步骤S500还包括：
步骤S510：根据所述样本第二异常粒度检测结果集合和所述样本第二粒度检测结果集合，计算获得第二异常比例信息；
步骤S520：根据所述第一异常比例信息和所述第二异常比例信息的大小，对所述第一检测方式和第二检测方式的检测准确性进行权重分配，获得权重分配结果；
步骤S530：根据所述第一置信粒度检测结果集合和第二置信粒度检测结果集合，分别计算获得第一平均粒度检测结果和第二平均粒度检测结果；
步骤S540：采用所述权重分配结果，对所述第一平均粒度检测结果和第二平均粒度检测结果进行加权计算，获得所述粒度监测结果。
具体而言，根据样本第二异常粒度检测结果集合与样本第二粒度检测结果集合进行匹配计算与比较，从而得出样本第二异常粒度检测结果集合与样本第二粒度检测结果集合的比例，生成第二异常比例信息。
进一步根据上述所获第一异常比例信息与第二异常比例信息的大小，对第一检测方式与第二检测方式的检测准确性进行权重的分配，其中异常比例越大，准确性越低，权重越小，优选地，第二检测方式（可以是预设目筛）的异常比例较大，准确率较低，权重小，权重值分配为0.3，第一检测方式的权重值分配为0.7，从而获得权重分配结果。
将根据上述所获第一置信粒度检测结果集合中的多个置信粒度检测结果进行加和求平均值计算，从而获得与之对应的第一平均粒度检测结果，将根据上述所获第二置信粒度检测结果集合中的多个置信粒度检测结果进行加和求平均值计算，从而获得与之对应的第二平均粒度检测结果，并进一步在上述所获权重分配结果的基础上，对第一平均粒度检测结果与第二平均粒度检测结果进行加权计算，其中加权计算需要基于大量的检测结果汇总以及精确确定权重后再进行针对性计算，示例性的，第一平均粒度检测结果与第二平均粒度检测结果权重占比可以为第一影响系数：第二影响系数为7:3，则加权计算过程后的影响参数分别为第一影响参数*0.7，第二影响参数*0.3，根据该加权计算结果获得匹配结果的最终值，进而获得粒度监测结果，进而实现优化助磨剂的含量以及调整预设细磨工艺。
进一步而言，如图5所示，本申请步骤S600还包括：
步骤S610：对所述预设含量进行随机调整，获得多个调整含量；
步骤S620：从所述多个调整含量内随机选择一调整含量，作为第一调整含量，并作为历史最优含量；
步骤S630：获取所述第一调整含量的第一粒度优化评分；
步骤S640：再次从所述多个调整含量内随机选择一调整含量，作为第二调整含量；
步骤S650：获取所述第二调整含量的第二粒度优化评分；
步骤S660：判断所述第二粒度优化评分是否大于所述第一粒度优化评分，若是，则将所述第二调整含量作为历史最优含量，若否，则按照概率参数，将所述第二调整含量作为历史最优含量，其中，所述概率参数随着迭代寻优的次数增加而减小；
步骤S670：继续迭代寻优，直到达到预设迭代次数，将最终的历史最优含量输出，获得所述最优含量。
具体而言，将在上述所获预设含量的基础上进行随机调整，从而获得多个调整含量，并同时在所获多个调整含量内随机对调整含量进行选择，并使其作为第一调整含量，即历史最优含量，进一步获取第一调整含量的第一粒度优化评分，并继续在所获多个调整含量内随机对调整含量进行选择，并使其作为第二调整含量，进一步获取第二调整含量的第二粒度优化评分。
再对上述所获第二粒度优化评分与第一粒度优化评分进行比较和判断，判断所获第二粒度优化评分是否大于所获第一粒度优化评分，若所获第二粒度优化评分大于所获第一粒度优化评分，则将所获第二调整含量作为历史最优含量，若所获第二粒度优化评分小于所获第一粒度优化评分，则按照概率参数，将所获第二调整含量作为历史最优含量，其中该概率参数随着迭代寻优的次数的增加而减小，且该概率参数为随着迭代寻优次数增加而减小的常数，在寻优初期，概率较大，接受评分低的第二调整含量，提升寻优效率，避免陷入局部最优，在后期，概率较小，提升寻优精度，尽量接受评分比历史最优含量高的调整含量。
进一步进行继续迭代寻优，直至迭代到预设迭代次数时，将最终的历史最优含量作为最优含量进行输出，其中所获预设迭代次数由相关技术人员根据预设含量的数据量进行预设，最终将所获最优含量作为输出信息进行对应输出，以此达到对预设细磨工艺进行调整的技术效果。
进一步而言，本申请步骤S630还包括：
步骤S631：采用所述第一调整含量，对所述预设细磨工艺进行调整，对生石膏进行细磨，检测获得第一试验粒度监测结果；
步骤S632：根据所述第一试验粒度监测结果，进行粒度优化评分评估，获得所述第一粒度优化评分。
具体而言，在对预设细磨工艺进行调整时，采用上述所获第一调整含量作为参照，采用第一调整含量对预设细磨工艺进行调整，对生石膏进行细磨试验生产和粒度检测，粒度检测的方法可基于本申请实施例前述内容中的方法进行检测对生石膏进行细磨的试验粒度监测结果进行检测，进一步获得第一试验粒度监测结果，并同时对粒度优化进行评估，其中按照第一试验粒度监测结果的粒度大小对第一试验粒度监测结果进行优化评分，优选地，第一试验粒度监测结果中的粒度越小，所获粒度优化评分的分值越高，并最终通过其所获粒度优化评分获得第一粒度优化评分，使得历史最优含量的获得更为精准，进而实现优化助磨剂的含量以及调整预设细磨工艺。
实施例二
基于与前述实施例中一种超细硫酸钙的粉磨细度监测方法相同的发明构思，如图6所示，本申请提供了一种超细硫酸钙的粉磨细度监测系统，系统包括：
细磨样品获得模块1，所述细磨样品获得模块1用于采用预设细磨工艺对生石膏进行超细磨，获得细磨样品，其中，所述预设细磨工艺包括预设含量的助磨剂；
粒度检测结果集合模块2，所述检测结果集合模块2用于分别采用第一检测方式和第二检测方式，对所述细磨样品的粒度进行多次检测，获得第一粒度检测结果集合和第二粒度检测结果集合；
异常检测结果集合模块3，所述异常检测结果集合模块3用于将所述第一粒度检测结果集合和所述第二粒度检测结果集合输入预构建的异常检测结果识别模型，获得第一异常检测结果集合和第二异常检测结果集合，其中，所述异常检测结果识别模型包括第一异常检测结果识别模块和第二异常检测识别模块；
置信粒度检测结果集合模块4，所述置信粒度检测结果集合模块4用于将所述第一异常检测结果集合和第二异常检测结果集合分别从所述第一粒度检测结果集合和所述第二粒度检测结果集合内删除，获得第一置信粒度检测结果集合和第二置信粒度检测结果集合；
粒度监测结果模块5，所述粒度监测结果模块5用于根据所述第一置信粒度检测结果集合和第二置信粒度检测结果集合，计算获得粒度监测结果；
工艺调整模块6，所述工艺调整模块6用于判断所述粒度监测结果是否符合预设要求，若是，则继续生产，若否，则对所述助磨剂的含量进行调整寻优，获得最优含量，对所述预设细磨工艺进行调整。
进一步而言，系统还包括：
多份检验样品获得模块，多份检验样品获得模块用于对所述细磨样品进行划分，获得多份检验样品；
第一粒度检测结果集合获得模块，第一粒度检测结果集合获得模块用于采用激光粒度分析仪，检测所述多份检验样品的粒度，获得所述第一粒度检测结果集合；
第二粒度检测结果集合获取模块，第二粒度检测结果集合获取模块用于采用预设目筛，检测所述多份检验样品的粒度，获得所述第二粒度检测结果集合。
进一步而言，系统还包括：
识别构建模块，识别构建模块用于构建所述第一异常检测结果识别模块和所述第二异常检测结果识别模块；
异常检测结果识别模型获得模块，异常检测结果识别模型获得模块用于基于构建完成的所述第一异常检测结果识别模块和所述第二异常检测结果识别模块，获得所述异常检测结果识别模型；
异常检测结果集合获取模块，异常检测结果集合获取模块用于将所述第一粒度检测结果集合和所述第二粒度检测结果集合分别输入所述第一异常检测结果识别模块和所述第二异常检测结果识别模块，获得所述第一异常检测结果集合和第二异常检测结果集合。
进一步而言，系统还包括：
样本粒度检测结果集合获取模块，样本粒度检测结果集合获取模块用于获取样本粒度检测结果集合，其中，所述样本粒度检测结果集合包括样本第一粒度检测结果集合和样本第二粒度检测结果集合；
粒度检测结果集合获取模块，粒度检测结果集合获取模块用于获取所述样本粒度检测结果集合内的样本异常粒度检测结果集合，其中，所述样本异常粒度检测结果集合内包括样本第一异常粒度检测结果集合和样本第二粒度检测结果集合；
第一异常检测结果识别模块构建模块，第一异常检测结果识别模块构建模块用于基于所述样本第一粒度检测结果集合和样本第一异常粒度检测结果集合，构建所述第一异常检测结果识别模块；
第二异常检测结果识别模块构建模块，第二异常检测结果识别模块构建模块用于基于所述样本第二粒度检测结果集合和样本第二异常粒度检测结果集合，构建所述第二异常检测结果识别模块。
进一步而言，系统还包括：
多层划分节点构建模块，多层划分节点构建模块用于依次从所述样本第一异常粒度检测结果集合内随机选择样本第一异常粒度检测结果，构建所述第一异常检测结果识别模块的多层划分节点；
第一异常比例信息计算模块，第一异常比例信息计算模块用于根据所述样本第一异常粒度检测结果集合和所述样本第一粒度检测结果集合，计算获得第一异常比例信息；
节点输出模块，节点输出模块用于根据所述第一异常比例信息，在所述多层划分节点内设置获得异常粒度检测结果输出节点；
第一异常检测结果识别模块构建完成模块，***模块用于根据所述多层划分节点和所述异常粒度检测结果输出节点，获得构建完成的所述第一异常检测结果识别模块。
进一步而言，系统还包括：
第二异常比例信息计算模块，第二异常比例信息计算模块用于根据所述样本第二异常粒度检测结果集合和所述样本第二粒度检测结果集合，计算获得第二异常比例信息；
权重分配结果获得模块，权重分配结果获得模块用于根据所述第一异常比例信息和所述第二异常比例信息的大小，对所述第一检测方式和第二检测方式的检测准确性进行权重分配，获得权重分配结果；
平均粒度检测结果计算模块，平均粒度检测结果计算模块用于根据所述第一置信粒度检测结果集合和第二置信粒度检测结果集合，分别计算获得第一平均粒度检测结果和第二平均粒度检测结果；
粒度监测结果获得模块，粒度监测结果获得模块用于采用所述权重分配结果，对所述第一平均粒度检测结果和第二平均粒度检测结果进行加权计算，获得所述粒度监测结果。
进一步而言，系统还包括：
多个调整含量获得模块，多个调整含量获得模块用于对所述预设含量进行随机调整，获得多个调整含量；
历史最优含量模块，历史最优含量模块用于从所述多个调整含量内随机选择一调整含量，作为第一调整含量，并作为历史最优含量；
第一粒度优化评分模块，第一粒度优化评分模块用于获取所述第一调整含量的第一粒度优化评分；
第二调整含量模块，第二调整含量模块用于再次从所述多个调整含量内随机选择一调整含量，作为第二调整含量；
第二粒度优化评分模块，第二粒度优化评分模块用于获取所述第二调整含量的第二粒度优化评分；
判断模块，判断模块用于判断所述第二粒度优化评分是否大于所述第一粒度优化评分，若是，则将所述第二调整含量作为历史最优含量，若否，则按照概率参数，将所述第二调整含量作为历史最优含量，其中，所述概率参数随着迭代寻优的次数增加而减小；
最优含量获得模块，最优含量获得模块用于继续迭代寻优，直到达到预设迭代次数，将最终的历史最优含量输出，获得所述最优含量。
进一步而言，系统还包括：
第一试验粒度监测结果检测获得模块，第一试验粒度监测结果检测获得模块用于采用所述第一调整含量，对所述预设细磨工艺进行调整，对生石膏进行细磨，检测获得第一试验粒度监测结果；
第一粒度优化评分获得模块，第一粒度优化评分获得模块用于根据所述第一试验粒度监测结果，进行粒度优化评分评估，获得所述第二粒度优化评分。
本说明书通过前述对一种超细硫酸钙的粉磨细度监测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种超细硫酸钙的粉磨细度监测方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种超细硫酸钙的粉磨细度监测方法，其特征在于，所述方法包括：
采用预设细磨工艺对生石膏进行超细磨，获得细磨样品，其中，所述预设细磨工艺包括预设含量的助磨剂；
分别采用第一检测方式和第二检测方式，对所述细磨样品的粒度进行多次检测，获得第一粒度检测结果集合和第二粒度检测结果集合；
将所述第一粒度检测结果集合和所述第二粒度检测结果集合输入预构建的异常检测结果识别模型，获得第一异常检测结果集合和第二异常检测结果集合，其中，所述异常检测结果识别模型包括第一异常检测结果识别模块和第二异常检测识别模块；
将所述第一异常检测结果集合和第二异常检测结果集合分别从所述第一粒度检测结果集合和所述第二粒度检测结果集合内删除，获得第一置信粒度检测结果集合和第二置信粒度检测结果集合；
根据所述第一置信粒度检测结果集合和第二置信粒度检测结果集合，计算获得粒度监测结果；
判断所述粒度监测结果是否符合预设要求，若是，则继续生产，若否，则对所述助磨剂的含量进行调整寻优，获得最优含量，对所述预设细磨工艺进行调整；
其中，分别采用第一检测方式和第二检测方式，对所述细磨样品的粒度进行多次检测，包括：
对所述细磨样品进行划分，获得多份检验样品；
采用激光粒度分析仪，检测所述多份检验样品的粒度，获得所述第一粒度检测结果集合；
采用预设目筛，检测所述多份检验样品的粒度，获得所述第二粒度检测结果集合；
将所述第一粒度检测结果集合和所述第二粒度检测结果集合输入预构建的异常检测结果识别模型，包括：
构建所述第一异常检测结果识别模块和所述第二异常检测结果识别模块；
基于构建完成的所述第一异常检测结果识别模块和所述第二异常检测结果识别模块，获得所述异常检测结果识别模型；
将所述第一粒度检测结果集合和所述第二粒度检测结果集合分别输入所述第一异常检测结果识别模块和所述第二异常检测结果识别模块，获得所述第一异常检测结果集合和第二异常检测结果集合；
构建所述第一异常检测结果识别模块和所述第二异常检测结果识别模块，包括：
获取样本粒度检测结果集合，其中，所述样本粒度检测结果集合包括样本第一粒度检测结果集合和样本第二粒度检测结果集合；
获取所述样本粒度检测结果集合内的样本异常粒度检测结果集合，其中，所述样本异常粒度检测结果集合内包括样本第一异常粒度检测结果集合和样本第二粒度检测结果集合；
基于所述样本第一粒度检测结果集合和样本第一异常粒度检测结果集合，构建所述第一异常检测结果识别模块；
基于所述样本第二粒度检测结果集合和样本第二异常粒度检测结果集合，构建所述第二异常检测结果识别模块；
基于所述样本第一粒度检测结果集合和样本第一异常粒度检测结果集合，构建所述第一异常检测结果识别模块，包括：
依次从所述样本第一异常粒度检测结果集合内随机选择样本第一异常粒度检测结果，构建所述第一异常检测结果识别模块的多层划分节点；
根据所述样本第一异常粒度检测结果集合和所述样本第一粒度检测结果集合，计算获得第一异常比例信息；
根据所述第一异常比例信息，在所述多层划分节点内设置获得异常粒度检测结果输出节点；
根据所述多层划分节点和所述异常粒度检测结果输出节点，获得构建完成的所述第一异常检测结果识别模块；
根据所述第一置信粒度检测结果集合和第二置信粒度检测结果集合，计算获得粒度监测结果，包括：
根据所述样本第二异常粒度检测结果集合和所述样本第二粒度检测结果集合，计算获得第二异常比例信息；
根据所述第一异常比例信息和所述第二异常比例信息的大小，对所述第一检测方式和第二检测方式的检测准确性进行权重分配，获得权重分配结果；
根据所述第一置信粒度检测结果集合和第二置信粒度检测结果集合，分别计算获得第一平均粒度检测结果和第二平均粒度检测结果；
采用所述权重分配结果，对所述第一平均粒度检测结果和第二平均粒度检测结果进行加权计算，获得所述粒度监测结果。
2.根据权利要求1所述的方法，其特征在于，则对所述助磨剂的含量进行调整寻优，获得最优含量，包括：
对所述预设含量进行随机调整，获得多个调整含量；
从所述多个调整含量内随机选择一调整含量，作为第一调整含量，并作为历史最优含量；
获取所述第一调整含量的第一粒度优化评分；
再次从所述多个调整含量内随机选择一调整含量，作为第二调整含量；
获取所述第二调整含量的第二粒度优化评分；
判断所述第二粒度优化评分是否大于所述第一粒度优化评分，若是，则将所述第二调整含量作为历史最优含量，若否，则按照概率参数，将所述第二调整含量作为历史最优含量，其中，所述概率参数随着迭代寻优的次数增加而减小；
继续迭代寻优，直到达到预设迭代次数，将最终的历史最优含量输出，获得所述最优含量。
3.根据权利要求2所述的方法，其特征在于，获取所述第一调整含量的第一粒度优化评分，包括：
采用所述第一调整含量，对所述预设细磨工艺进行调整，对生石膏进行细磨，检测获得第一试验粒度监测结果；
根据所述第一试验粒度监测结果，进行粒度优化评分评估，获得所述第一粒度优化评分。
4.一种超细硫酸钙的粉磨细度监测系统，其特征在于，所述系统包括：
细磨样品获得模块，所述细磨样品获得模块用于采用预设细磨工艺对生石膏进行超细磨，获得细磨样品，其中，所述预设细磨工艺包括预设含量的助磨剂；
粒度检测结果集合模块，所述粒度检测结果集合模块用于分别采用第一检测方式和第二检测方式，对所述细磨样品的粒度进行多次检测，获得第一粒度检测结果集合和第二粒度检测结果集合；
异常检测结果集合模块，所述异常检测结果集合模块用于将所述第一粒度检测结果集合和所述第二粒度检测结果集合输入预构建的异常检测结果识别模型，获得第一异常检测结果集合和第二异常检测结果集合，其中，所述异常检测结果识别模型包括第一异常检测结果识别模块和第二异常检测识别模块；
置信粒度检测结果集合模块，所述置信粒度检测结果集合模块用于将所述第一异常检测结果集合和第二异常检测结果集合分别从所述第一粒度检测结果集合和所述第二粒度检测结果集合内删除，获得第一置信粒度检测结果集合和第二置信粒度检测结果集合；
粒度监测结果模块，所述粒度监测结果模块用于根据所述第一置信粒度检测结果集合和第二置信粒度检测结果集合，计算获得粒度监测结果；
工艺调整模块，所述工艺调整模块用于判断所述粒度监测结果是否符合预设要求，若是，则继续生产，若否，则对所述助磨剂的含量进行调整寻优，获得最优含量，对所述预设细磨工艺进行调整；
多份检验样品获得模块，多份检验样品获得模块用于对所述细磨样品进行划分，获得多份检验样品；
第一粒度检测结果集合获得模块，第一粒度检测结果集合获得模块用于采用激光粒度分析仪，检测所述多份检验样品的粒度，获得所述第一粒度检测结果集合；
第二粒度检测结果集合获取模块，第二粒度检测结果集合获取模块用于采用预设目筛，检测所述多份检验样品的粒度，获得所述第二粒度检测结果集合；
识别构建模块，识别构建模块用于构建所述第一异常检测结果识别模块和所述第二异常检测结果识别模块；
异常检测结果识别模型获得模块，异常检测结果识别模型获得模块用于基于构建完成的所述第一异常检测结果识别模块和所述第二异常检测结果识别模块，获得所述异常检测结果识别模型；
异常检测结果集合获取模块，异常检测结果集合获取模块用于将所述第一粒度检测结果集合和所述第二粒度检测结果集合分别输入所述第一异常检测结果识别模块和所述第二异常检测结果识别模块，获得所述第一异常检测结果集合和第二异常检测结果集合；
样本粒度检测结果集合获取模块，样本粒度检测结果集合获取模块用于获取样本粒度检测结果集合，其中，所述样本粒度检测结果集合包括样本第一粒度检测结果集合和样本第二粒度检测结果集合；
粒度检测结果集合获取模块，粒度检测结果集合获取模块用于获取所述样本粒度检测结果集合内的样本异常粒度检测结果集合，其中，所述样本异常粒度检测结果集合内包括样本第一异常粒度检测结果集合和样本第二粒度检测结果集合；
第一异常检测结果识别模块构建模块，第一异常检测结果识别模块构建模块用于基于所述样本第一粒度检测结果集合和样本第一异常粒度检测结果集合，构建所述第一异常检测结果识别模块；
第二异常检测结果识别模块构建模块，第二异常检测结果识别模块构建模块用于基于所述样本第二粒度检测结果集合和样本第二异常粒度检测结果集合，构建所述第二异常检测结果识别模块；
多层划分节点构建模块，多层划分节点构建模块用于依次从所述样本第一异常粒度检测结果集合内随机选择样本第一异常粒度检测结果，构建所述第一异常检测结果识别模块的多层划分节点；
第一异常比例信息计算模块，第一异常比例信息计算模块用于根据所述样本第一异常粒度检测结果集合和所述样本第一粒度检测结果集合，计算获得第一异常比例信息；
节点输出模块，节点输出模块用于根据所述第一异常比例信息，在所述多层划分节点内设置获得异常粒度检测结果输出节点；
第一异常检测结果识别模块构建完成模块，第一异常检测结果识别模块构建完成模块用于根据所述多层划分节点和所述异常粒度检测结果输出节点，获得构建完成的所述第一异常检测结果识别模块；
第二异常比例信息计算模块，第二异常比例信息计算模块用于根据所述样本第二异常粒度检测结果集合和所述样本第二粒度检测结果集合，计算获得第二异常比例信息；
权重分配结果获得模块，权重分配结果获得模块用于根据所述第一异常比例信息和所述第二异常比例信息的大小，对所述第一检测方式和第二检测方式的检测准确性进行权重分配，获得权重分配结果；
平均粒度检测结果计算模块，平均粒度检测结果计算模块用于根据所述第一置信粒度检测结果集合和第二置信粒度检测结果集合，分别计算获得第一平均粒度检测结果和第二平均粒度检测结果；
粒度监测结果获得模块，粒度监测结果获得模块用于采用所述权重分配结果，对所述第一平均粒度检测结果和第二平均粒度检测结果进行加权计算，获得所述粒度监测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310165859.7A CN116046618B (zh) | 2023-02-27 | 2023-02-27 | 一种超细硫酸钙的粉磨细度监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310165859.7A CN116046618B (zh) | 2023-02-27 | 2023-02-27 | 一种超细硫酸钙的粉磨细度监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116046618A CN116046618A (zh) | 2023-05-02 |
| CN116046618B true CN116046618B (zh) | 2024-02-27 |
Family
ID=86129735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310165859.7A Active CN116046618B (zh) | 2023-02-27 | 2023-02-27 | 一种超细硫酸钙的粉磨细度监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116046618B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117228972B (zh) * | 2023-11-10 | 2024-01-23 | 一夫科技股份有限公司 | 一种α型半水石膏的制备监测方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008058239A (ja) * | 2006-09-01 | 2008-03-13 | Hitachi High-Technologies Corp | 表面検査方法、及び表面検査装置 |
| EP3109801A1 (en) * | 2015-06-26 | 2016-12-28 | National University of Ireland, Galway | Data analysis and event detection method and system |
| CN109446236A (zh) * | 2018-10-18 | 2019-03-08 | 太原理工大学 | 基于随机分布的水泥粒径分布预测方法 |
| CN110348508A (zh) * | 2019-07-04 | 2019-10-18 | 创新奇智(青岛)科技有限公司 | 检验异常值的数据核验方法及其系统、电子设备 |
| CN111474089A (zh) * | 2020-04-23 | 2020-07-31 | 佛山市优一家电制造有限公司 | 水汽释放设备的水分子粒径测试方法和装置 |
| CN111606587A (zh) * | 2019-07-25 | 2020-09-01 | 中建材创新科技研究院有限公司 | 一种助磨剂添加方法 |
| CN111931601A (zh) * | 2020-07-22 | 2020-11-13 | 上海交通大学 | 齿轮箱错误类别标签修正系统及方法 |
| JP2021114174A (ja) * | 2020-01-20 | 2021-08-05 | 沖電気工業株式会社 | 異常検知装置、異常検知プログラム、及び異常検知方法 |
| CN115331224A (zh) * | 2022-10-17 | 2022-11-11 | 日照福瑞德科技有限公司 | 一种玻璃镜片打磨质量分析优化方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9389161B2 (en) * | 2014-04-09 | 2016-07-12 | Exxonmobil Chemical Patents Inc. | On-line FT-NIR method to determine particle size and distribution |
-
2023
- 2023-02-27 CN CN202310165859.7A patent/CN116046618B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008058239A (ja) * | 2006-09-01 | 2008-03-13 | Hitachi High-Technologies Corp | 表面検査方法、及び表面検査装置 |
| EP3109801A1 (en) * | 2015-06-26 | 2016-12-28 | National University of Ireland, Galway | Data analysis and event detection method and system |
| CN109446236A (zh) * | 2018-10-18 | 2019-03-08 | 太原理工大学 | 基于随机分布的水泥粒径分布预测方法 |
| CN110348508A (zh) * | 2019-07-04 | 2019-10-18 | 创新奇智(青岛)科技有限公司 | 检验异常值的数据核验方法及其系统、电子设备 |
| CN111606587A (zh) * | 2019-07-25 | 2020-09-01 | 中建材创新科技研究院有限公司 | 一种助磨剂添加方法 |
| JP2021114174A (ja) * | 2020-01-20 | 2021-08-05 | 沖電気工業株式会社 | 異常検知装置、異常検知プログラム、及び異常検知方法 |
| CN111474089A (zh) * | 2020-04-23 | 2020-07-31 | 佛山市优一家电制造有限公司 | 水汽释放设备的水分子粒径测试方法和装置 |
| CN111931601A (zh) * | 2020-07-22 | 2020-11-13 | 上海交通大学 | 齿轮箱错误类别标签修正系统及方法 |
| CN115331224A (zh) * | 2022-10-17 | 2022-11-11 | 日照福瑞德科技有限公司 | 一种玻璃镜片打磨质量分析优化方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于改进最小噪声分离变换的异常检测算法;王坤;屈惠明;;激光技术;20150525(03);第97-101页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116046618A (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116046618B (zh) | 一种超细硫酸钙的粉磨细度监测方法及系统 | |
| CN105928901B (zh) | 一种定性定量相结合的近红外定量模型构建方法 | |
| CN116186634B (zh) | 一种建筑工程施工数据智能管理系统 | |
| CN111103325B (zh) | 一种基于集成神经网络学习的电子鼻信号漂移补偿方法 | |
| CN102039277B (zh) | 晶圆分类方法 | |
| CN110411916B (zh) | 一种巨粒土的颗粒级配测试方法 | |
| CN115061219B (zh) | 基于石油天然气探测的裂缝型储层预测识别方法及系统 | |
| CN115032493B (zh) | 一种基于管芯参数显示的晶圆测试方法及系统 | |
| CN116400126B (zh) | 一种具有数据处理系统的低压电力箱 | |
| CN113642800B (zh) | 建筑陶瓷窑炉烧成制度的数据分析方法及数据分析系统 | |
| CN116242443B (zh) | 一种超声波计量仪表的动态计量方法 | |
| Benninga et al. | Performance of ensemble streamflow forecasts under varied hydrometeorological conditions | |
| Tamer et al. | The along-track etching structure of fission tracks in apatite: Observations and implications | |
| CN115860579A (zh) | 一种用于面粉加工的生产质量监测系统 | |
| AU2019293020B2 (en) | Display control device, display control method, and display control program | |
| Shinma et al. | Incorporating multi-event and multi-site data in the calibration of SWMM | |
| CN115035708A (zh) | 交通拥堵预判系统及方法 | |
| CN114648528A (zh) | 一种半导体检测方法、装置以及计算机可读存储介质 | |
| WO2022166232A1 (zh) | 岩石鉴定方法、系统、装置、终端及可读存储介质 | |
| CN113554878A (zh) | 一种路段阻抗函数确定方法、计算设备及存储介质 | |
| CN1495678A (zh) | 货币接收器 | |
| Paolillo et al. | The universal shape of the X-ray variability power spectrum of AGN up to z∼ 3 | |
| CN115311842A (zh) | 车流量预测模型训练和车流量预测方法、装置及电子设备 | |
| CN114170427B (zh) | 基于雨胞的无线微波雨衰减模型ssim图像相似度评价方法 | |
| CN116720139A (zh) | 一种矿山膏体料浆屈服应力预测方法及系统 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liu Lijuan Inventor after: Peng Zhuofei Inventor after: Song Xiaoxia Inventor after: Zhang Jing Inventor before: Peng Zhuofei Inventor before: Song Xiaoxia Inventor before: Yang Dan Inventor before: Tang Shaolin Inventor before: Wan Jiandong Inventor before: Zhang Jing Inventor before: Liu Lijuan |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |