CN117405573B - 一种考虑脉冲数不稳定的射线矿浆浓度计校准方法及系统 - Google Patents

一种考虑脉冲数不稳定的射线矿浆浓度计校准方法及系统 Download PDF

Info

Publication number
CN117405573B
CN117405573B CN202311728225.4A CN202311728225A CN117405573B CN 117405573 B CN117405573 B CN 117405573B CN 202311728225 A CN202311728225 A CN 202311728225A CN 117405573 B CN117405573 B CN 117405573B
Authority
CN
China
Prior art keywords
pulp
probability
concentration
gaussian distribution
pulses
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
Application number
CN202311728225.4A
Other languages
English (en)
Other versions
CN117405573A (zh
Inventor
宁伟
黄勇
肖晶峰
刘洋
汪檠
邹立超
邬青秀
罗国奇
肖盛旺
李然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changsha Research Institute of Mining and Metallurgy Co Ltd
Original Assignee
Changsha Research Institute of Mining and Metallurgy Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changsha Research Institute of Mining and Metallurgy Co Ltd filed Critical Changsha Research Institute of Mining and Metallurgy Co Ltd
Priority to CN202311728225.4A priority Critical patent/CN117405573B/zh
Publication of CN117405573A publication Critical patent/CN117405573A/zh
Application granted granted Critical
Publication of CN117405573B publication Critical patent/CN117405573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Dispersion Chemistry (AREA)
  • Measurement Of Radiation (AREA)

Abstract

本发明涉及射线矿浆浓度计校准技术领域，公开了一种考虑脉冲数不稳定的射线矿浆浓度计校准方法。在预定时间内采集射线矿浆浓度计在当前浓度的矿浆中的射线脉冲数，将射线脉冲数结合贝叶斯定理建立隐马尔科夫模型，并结合最大释然概率获取初始状态分布和隐马尔科夫模型高斯分布参数的表达式，根据初始状态分布和高斯分布参数的表达式获取高斯分布参数，并由高斯分布参数获取关于射线脉冲数的目标函数，结合两点标定法求出此时矿浆的浓度，根据此时矿浆的浓度，对射线矿浆浓度计实现校准，通过构建隐马尔科夫模型和计算高斯分布参数，解决现有的射线矿浆浓度计测量矿浆浓度精度低和稳定性差的问题。

Description

一种考虑脉冲数不稳定的射线矿浆浓度计校准方法及系统
技术领域
本发明涉及射线矿浆浓度计校准技术领域，尤其涉及一种考虑脉冲数不稳定的射线矿浆浓度计校准方法及系统。
背景技术
射线矿浆浓度计是矿山开采过程中重要的测量仪器，主要用于测量矿浆中的固体颗粒浓度。传统的射线矿浆浓度计通常采用脉冲计数法来测量固体颗粒的浓度，即通过射线对固体颗粒进行探测，根据探测器接收到的信号脉冲数来计算固体颗粒的浓度。但是，由于测量参数的噪声影响和脉冲数的不稳定性，传统的脉冲计数法容易产生测量误差，从而影响射线矿浆浓度计的测量精度和稳定性。
传统的射线矿浆浓度计校准方法主要是通过标定曲线来实现，即将不同浓度下的脉冲数与相应的固体颗粒浓度建立关系，然后利用标定曲线来修正实际测量结果。但是，由于脉冲数的不稳定性和测量参数的噪声影响，传统的标定曲线方法存在一定局限性，无法达到高精度测量的要求。
发明内容
本发明提供了一种考虑脉冲数不稳定的射线矿浆浓度计校准方法及系统，以解决现有的射线矿浆浓度计测量矿浆浓度精度低和稳定性差的问题。
为了实现上述目的，本发明通过如下的技术方案来实现：
第一方面，本发明提供一种考虑脉冲数不稳定的射线矿浆浓度计校准方法，包括如下步骤：
步骤1：在预定时间内采集射线矿浆浓度计在当前浓度的矿浆中的射线脉冲数；
步骤2：将射线脉冲数结合贝叶斯定理建立隐马尔科夫模型，并结合最大释然概率获取初始状态分布和隐马尔科夫模型高斯分布参数的表达式；
步骤3：根据初始状态分布和高斯分布参数的表达式获取高斯分布参数，并由高斯分布参数获取关于射线脉冲数的目标函数，结合两点标定法求出此时矿浆的浓度，根据此时矿浆的浓度，对射线矿浆浓度计实现校准。
进一步的，步骤1中采集的射线脉冲数为射线矿浆浓度计在每一秒中采集的射线脉冲数，所述预定时间的取值范围为600S-1000S。
进一步的，在步骤3中，所述结合两点标定法求出此时矿浆的浓度的表达式为：
；
其中，为采集到的射线脉冲数，/>为矿浆浓度，/>和/>为两个不同的矿浆浓度，/>和/>为两个不同浓度下的射线脉冲数。
进一步的，在步骤3中，所述结合两点标定法求出此时矿浆的浓度的表达式为：
；
其中，采集到的射线脉冲数为，矿浆浓度为/>，两个不同浓度下的射线脉冲数为和/>，矿浆浓度为/>和/>。
进一步的，所述采集到的射线脉冲数具体通过以下方式获取：基于高斯分布参数结合最大释然概率求取关于射线脉冲数的目标函数，选取目标函数中观测概率最大的作为射线脉冲数。
进一步的，在步骤1中，在采集射线脉冲数中出现概率低于预定数值的定义为异常射线脉冲数，并剔除这一部分异常射线脉冲数。
进一步的，将射线矿浆浓度计使用过程中的射线脉冲数保存至数据库中用于下一次构建新的隐马尔科夫模型。
进一步的，在步骤3中，所述隐马尔科夫模型的表达式为：
；
其中，表示在第/>秒时模型处于状态/>的概率；
表示隐马尔科夫模型的状态数；
表示第/>秒采集到的脉冲数，/>表示该秒内的状态；
表示从状态/>转移到状态/>的概率；/>表示从状态/>转移到状态/>的概率；
是观测数据/>在状态/>下出现的概率；
是观测数据/>在状态/>下出现的概率。
进一步的，所述高斯分布参数的表达式为：
；
其中，和/>为高斯分布参数；/>和/>分别为高斯分布的均值和标准差。
第二方面，本申请实施例提供一种考虑脉冲数不稳定的射线矿浆浓度计校准系统，包括射线矿浆浓度计、处理器、存储器、调整装置；
所述射线矿浆浓度计，用于采集预定时间内当前浓度的矿浆中的射线脉冲数并向所述存储器发送射线脉冲数；
所述存储器，用于接收所述射线脉冲数；
所述处理器，用于调取所述存储器中的射线脉冲数结合贝叶斯定理建立隐马尔科夫模型，获取高斯分布参数，并由高斯分布参数获取射线脉冲数，结合两点标定法获取此时矿浆的浓度，生成对应的浓度信号，再向所述调整装置发送浓度信号；
所述调整装置，用于接收所述浓度信号，并根据浓度信号对射线矿浆浓度计进行校准。
有益效果：
本发明提供的一种考虑脉冲数不稳定的射线矿浆浓度计校准方法及系统，采用隐马尔科夫方法对脉冲数进行估计，克服脉冲数的不稳定因素和测量参数的噪声影响，从而提高了射线矿浆浓度计的测量精度和稳定性，有效地估计脉冲数的期望值和方差，从而减小脉冲数的测量误差。
此外，还能进一步减小射线矿浆浓度计的测量误差，本发明的校准方法将浓度计脉冲数误差和脉冲数误差模型相结合，根据本方法求取的预测值对实际测量结果进行修正，本发明能够取得浓度误差在0.3%以内的高精度测量结果，精度高、稳定性好、计算效率高、适用性广，能够适用于不同的射线矿浆浓度。
附图说明
图1为本发明实施例的一种考虑脉冲数不稳定的射线矿浆浓度计校准方法的流程图；
图2为本发明实施例的采集的脉冲数与时间关系图；
图3为本发明实施例的脉冲数高斯分布图；
图4为本发明实施例的隐马尔科夫网络估计最大概率脉冲数；
图5为本发明实施例的浓度计标定预测图。
具体实施方式
下面对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另作定义，本发明中使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也相应地改变。
请参见图1，本申请实施例提供一种考虑脉冲数不稳定的射线矿浆浓度计校准方法，包括如下步骤：
请参见图2-3，在执行步骤1前，采集不同浓度的矿浆中600S的射线脉冲数，进行统计分析，得出每秒采集到的射线脉冲数符合高斯分布的结论。
步骤1：在预定时间内采集射线矿浆浓度计在当前浓度的矿浆中的射线脉冲数；
在当前浓度的矿浆中采集600S的射线脉冲数，采集到射线脉冲数为2000。
在本实施例中，需要注意的是，射线脉冲数的不稳定性会对浓度计的精度产生影响，因此在实际应用中需要对采集到的数据进行剔除异常射线脉冲数的操作，以提高浓度计的测量精度；
具体的，在采集射线脉冲数中出现概率低于预定数值的定义为异常射线脉冲数，并剔除这一部分异常射线脉冲数，在本实施例中预定数值为5%。
步骤2：将射线脉冲数结合贝叶斯定理建立隐马尔科夫模型，并结合最大释然概率获取初始状态分布和隐马尔科夫模型高斯分布参数的表达式；
假设在采集过程中每秒采集到的脉冲数服从一个高斯分布，即：
；
其中，表示第/>秒采集到的脉冲数，/>表示该秒内的状态，/>和/>均为高斯分布参数。
假设状态之间的转移概率为一个矩阵，即：
；
其中，表示从状态/>转移到状态/>的概率。
假设初始状态分布为一个向量，即：
；
其中表示舒适状态在600S内采集到的数据序列。
假设隐马尔科夫模型有个状态，那么可以用一个长度为/>的向量/>来表示在第秒时隐马尔科夫模型处于每个状态的概率，即：
；
其中，表示在第/>秒时隐马尔科夫模型处于状态/>的概率，/>表示前/>秒采集到的脉冲数序列。
利用贝叶斯定理和马尔科夫假设，可以得到：
；
其中，是观测数据/>在状态/>下出现的概率；/>是观测数据在状态/>下出现的概率；/>表示在第/>秒时模型处于状态/>的概率。
结合最大释然概率来求解每个状态下的高斯分布参数和/>，以及初始状态分布/>和状态转移概率/>。
步骤3：根据初始状态分布和高斯分布参数的表达式获取高斯分布参数，并由高斯分布参数获取关于射线脉冲数的目标函数，结合两点标定法求出此时矿浆的浓度，根据此时矿浆的浓度，对射线矿浆浓度计实现校准。
最大似然估计来求解每个状态下的高斯分布参数和/>，/>为估计出每秒采集到的脉冲数的最大释然概率，进而实现浓度计的标定和浓度的精确测量。
设每秒采集到的射线脉冲数为，其概率分布为/>，其中/>和/>分别为高斯分布的均值和标准差。则最大释然概率估计的目标是找到最优的高斯分布参数/>和/>，使得在这些高斯分布参数下，观测数据的概率最大：
；
通过对上式取对数，可以将乘积转化为求和，方便求解：
；
由于高斯分布的概率密度函数已知，可以将其代入上式，得到：
；
进一步化简，可以得到最大释然概率估计的目标函数：
；
步骤1中采集的射线脉冲数在经过上述方法步骤后，如图4所示，计算获得实际脉冲为1965.417。
利用估计出的脉冲数，标定射线矿浆浓度计参数，并将标定参数存储在一个缓存区中。
由于射线矿浆浓度与采集到的射线脉冲数之间存在一定的函数关系，因此可以通过测量不同矿浆浓度下的射线脉冲数，得到这种关系的函数形式，从而根据采集到的射线脉冲数计算出矿浆浓度。
在本实施例中采用两点标定法，即在已知两个不同浓度下的射线脉冲数的情况下，通过线性插值得到射线脉冲数与浓度之间的函数关系。具体而言，设采集到的射线脉冲数为，对应的矿浆浓度为/>，已知两个不同浓度下的射线脉冲数为/>和/>，对应的矿浆浓度为/>和/>，则有：
；
利用该公式，即可根据采集到的射线脉冲数计算出相应的矿浆浓度，从而实现浓度计的标定和浓度的精确测量。
矿浆浓度为和/>，分别为36和50，计算得到射线脉冲数为/>和/>分别为，2147.012和1965.417。
请参见图5，根据、/>、/>和/>作为标定参数，通过采集38、40、42、44、46的误差，得到平均误差为0.19%和最大误差0.55%，极大的提高数据的稳定性与实时性。具体测试数据如下表1所示：
表1：实际浓度与预测浓度误差表
本申请实施例提供一种考虑脉冲数不稳定的射线矿浆浓度计校准系统，包括射线矿浆浓度计、处理器、存储器、调整装置；
射线矿浆浓度计，用于采集预定时间内当前浓度的矿浆中的射线脉冲数并向存储器发送射线脉冲数；
存储器，用于接收射线脉冲数；
处理器，用于调取存储器中的射线脉冲数结合贝叶斯定理建立隐马尔科夫模型，获取高斯分布参数，并由高斯分布参数获取射线脉冲数，结合两点标定法获取此时矿浆的浓度，生成对应的浓度信号，再向调整装置发送浓度信号；
调整装置，用于接收浓度信号，并根据浓度信号对射线矿浆浓度计进行校准。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (6)

1.一种考虑脉冲数不稳定的射线矿浆浓度计校准方法，其特征在于，包括如下步骤：
步骤1：在预定时间内采集射线矿浆浓度计在每一秒当前浓度的矿浆中的射线脉冲数；
所述预定时间的取值范围为600S-1000S；
步骤2：将射线脉冲数结合贝叶斯定理建立隐马尔科夫模型，并结合最大释然概率获取初始状态分布和隐马尔科夫模型高斯分布参数的表达式；
所述隐马尔科夫模型的表达式为：
；
其中，表示在第/>秒时模型处于状态/>的概率；
表示隐马尔科夫模型的状态数；
表示第/>秒采集到的脉冲数，/>表示该秒内的状态；
表示从状态/>转移到状态/>的概率；/>表示从状态/>转移到状态/>的概率；
是观测数据/>在状态/>下出现的概率；
是观测数据/>在状态/>下出现的概率；
所述步骤2包括如下假设：
假设在采集过程中每秒采集到的脉冲数服从一个高斯分布，即：
；
其中，表示第/>秒采集到的脉冲数，/>表示该秒内的状态，/>和/>均为高斯分布参数；
假设状态之间的转移概率为一个矩阵，即：
；
其中，表示从状态/>转移到状态/>的概率；
假设初始状态分布为一个向量，即：
；
其中表示舒适状态在600S内采集到的数据序列；
假设隐马尔科夫模型有个状态，用一个长度为/>的向量/>来表示在第/>秒时隐马尔科夫模型处于每个状态的概率，即：
；
其中，表示在第/>秒时隐马尔科夫模型处于状态/>的概率，/>表示前/>秒采集到的脉冲数序列；
步骤3：根据初始状态分布和高斯分布参数的表达式获取高斯分布参数，并由高斯分布参数获取关于射线脉冲数的目标函数，结合两点标定法求出此时矿浆的浓度，根据此时矿浆的浓度，对射线矿浆浓度计实现校准；
所述目标函数为：
。
2.根据权利要求1所述的考虑脉冲数不稳定的射线矿浆浓度计校准方法，其特征在于，在步骤3中，所述结合两点标定法求出此时矿浆的浓度的表达式为：
；
其中，为采集到的射线脉冲数，/>为矿浆浓度，/>和/>为两个不同的矿浆浓度，/>和/>为两个不同浓度下的射线脉冲数。
3.根据权利要求2所述的考虑脉冲数不稳定的射线矿浆浓度计校准方法，其特征在于，所述采集到的射线脉冲数具体通过以下方式获取：基于高斯分布参数结合最大释然概率求取关于射线脉冲数的目标函数，选取目标函数中观测概率最大的作为射线脉冲数。
4.根据权利要求1所述的考虑脉冲数不稳定的射线矿浆浓度计校准方法，其特征在于，在步骤1中，在采集射线脉冲数中出现概率低于预定数值的定义为异常射线脉冲数，并剔除这一部分异常射线脉冲数。
5.根据权利要求1所述的考虑脉冲数不稳定的射线矿浆浓度计校准方法，其特征在于，将射线矿浆浓度计使用过程中的射线脉冲数保存至数据库中用于下一次构建新的隐马尔科夫模型。
6.一种考虑脉冲数不稳定的射线矿浆浓度计校准系统，其特征在于，包括射线矿浆浓度计、处理器、存储器、调整装置；
所述射线矿浆浓度计，用于采集预定时间内当前浓度的矿浆中每一秒的射线脉冲数并向所述存储器发送射线脉冲数；
所述预定时间的取值范围为600S-1000S；
所述存储器，用于接收所述射线脉冲数；
所述处理器，用于调取所述存储器中的射线脉冲数结合贝叶斯定理建立隐马尔科夫模型，并结合最大释然概率获取初始状态分布和隐马尔科夫模型高斯分布参数的表达式，根据初始状态分布和高斯分布参数的表达式获取高斯分布参数，并由高斯分布参数获取关于射线脉冲数的目标函数，结合两点标定法求出此时矿浆的浓度，根据此时矿浆的浓度，生成对应的浓度信号，再向所述调整装置发送浓度信号；
其中，包括如下假设：
假设在采集过程中每秒采集到的脉冲数服从一个高斯分布，即：
；
其中，表示第/>秒采集到的脉冲数，/>表示该秒内的状态，/>和/>均为高斯分布参数；
假设状态之间的转移概率为一个矩阵，即：
；
其中，表示从状态/>转移到状态/>的概率；
假设初始状态分布为一个向量，即：
；
其中表示舒适状态在600S内采集到的数据序列；
假设隐马尔科夫模型有个状态，用一个长度为/>的向量/>来表示在第/>秒时隐马尔科夫模型处于每个状态的概率，即：
；
其中，表示在第/>秒时隐马尔科夫模型处于状态/>的概率，/>表示前/>秒采集到的脉冲数序列；
所述目标函数为：
；
所述调整装置，用于接收所述浓度信号，并根据浓度信号对射线矿浆浓度计进行校准。
CN202311728225.4A 2023-12-15 2023-12-15 一种考虑脉冲数不稳定的射线矿浆浓度计校准方法及系统 Active CN117405573B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311728225.4A CN117405573B (zh) 2023-12-15 2023-12-15 一种考虑脉冲数不稳定的射线矿浆浓度计校准方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311728225.4A CN117405573B (zh) 2023-12-15 2023-12-15 一种考虑脉冲数不稳定的射线矿浆浓度计校准方法及系统

Publications (2)

Publication Number Publication Date
CN117405573A CN117405573A (zh) 2024-01-16
CN117405573B true CN117405573B (zh) 2024-03-22

Family

ID=89494825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311728225.4A Active CN117405573B (zh) 2023-12-15 2023-12-15 一种考虑脉冲数不稳定的射线矿浆浓度计校准方法及系统

Country Status (1)

Country Link
CN (1) CN117405573B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007052166A (ja) * 2005-08-17 2007-03-01 Advanced Telecommunication Research Institute International 音響モデルの準備方法及び自動音声認識装置
WO2012008184A1 (ja) * 2010-07-14 2012-01-19 学校法人早稲田大学 隠れマルコフモデルの推定方法，推定装置および推定プログラム
CN105181898A (zh) * 2015-09-07 2015-12-23 李岩 基于大密度部署传感器的大气污染监控及管理方法及系统
CN207336480U (zh) * 2017-09-22 2018-05-08 长沙矿冶研究院有限责任公司 垂直管线矿浆流体浓度测量装置
CN110852281A (zh) * 2019-11-13 2020-02-28 吉林大学 基于高斯混合隐马尔科夫模型的驾驶员换道意图识别方法
CN116664787A (zh) * 2023-05-26 2023-08-29 中南大学 一种基于三维地质模型的深部咸水层碳封存储量评估方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007052166A (ja) * 2005-08-17 2007-03-01 Advanced Telecommunication Research Institute International 音響モデルの準備方法及び自動音声認識装置
WO2012008184A1 (ja) * 2010-07-14 2012-01-19 学校法人早稲田大学 隠れマルコフモデルの推定方法，推定装置および推定プログラム
CN105181898A (zh) * 2015-09-07 2015-12-23 李岩 基于大密度部署传感器的大气污染监控及管理方法及系统
CN207336480U (zh) * 2017-09-22 2018-05-08 长沙矿冶研究院有限责任公司 垂直管线矿浆流体浓度测量装置
CN110852281A (zh) * 2019-11-13 2020-02-28 吉林大学 基于高斯混合隐马尔科夫模型的驾驶员换道意图识别方法
CN116664787A (zh) * 2023-05-26 2023-08-29 中南大学 一种基于三维地质模型的深部咸水层碳封存储量评估方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
"Bayesian learning for hidden Markov model with Gaussian mixture state observation densities";Jean-Luc Gauvain 等;《Speech Communication》;19921231;第205-213页 *
"Design of inferential sensors in the process industry: A review of Bayesian methods";Shima Khatibisepehr 等;《Journal of Process Control》;20130831;第1676-1587页 *
"两类混合模型的变分贝叶斯推断及其应用";万志成;《中国优秀硕士学位论文全文数据库 基础科学辑》;20230115(第1期);第A002-1148页 *
"涡流热成像隐马尔科夫评估方法及应用";尹爱军 等;《红外技术》;20191231;第41卷(第12期);第1141-1150页 *
"焙烧磨矿DCS系统控制架构与数据通信研究";刘洋 等;《矿冶工程》;20200110;第40卷(第5期);第74-77页 *
"线圈磁系在磁浮选分选腔内的磁场特性分析";黄光耀 等;《矿冶工程》;20160630;第36卷(第3期);第31-35页 *

Also Published As

Publication number Publication date
CN117405573A (zh) 2024-01-16

Similar Documents

Publication Publication Date Title
CN111554419B (zh) 一种基于不确定度分析的核反应堆次临界度测量方法
CN114047472B (zh) 一种智能电表的计量误差监测系统及其监测方法、装置
CN104656119B (zh) 一种闪烁脉冲信息复原的方法及系统
CN112946560A (zh) 电能表校准方法、装置、电能表及电能表系统
CN117405573B (zh) 一种考虑脉冲数不稳定的射线矿浆浓度计校准方法及系统
CN114459525B (zh) 适用于霍尔传感器的校准方法、装置及存储介质
CN114487976B (zh) Mcm电子式互感器校验仪溯源不确定度评定方法及系统
CN111554418B (zh) 一种核反应堆外推临界方法
CN115655423B (zh) 一种超声波燃气表的校准方法
CN114383646B (zh) 一种连续变化型被测量传感器分辨力的检测方法和设备
JP2018159669A (ja) 中性子検出器等の信号のみに基づいて核分裂性物質の組成、未臨界度、遅発中性子割合、中性子世代時間、即発中性子寿命を測定する方法。
CN112967825B (zh) 一种基于修正信号不确定度分析的反应性测量方法
CN106813703B (zh) 一种测试产品功能的方法和装置
Zakharov et al. Measurement uncertainty evaluation by kurtosis method at calibration of a household water meter
CN113484818B (zh) 基于滑动窗口的抗高频采集异常电能表精准定位方法
CN210990300U (zh) 肺功能测量零点漂移自动校正系统
Yusro et al. Adapting ISO 17025 to Enrich QoS as Quality Measurement on Internet of Medical Things
CN110032758B (zh) 计算电信号的能量的方法、装置和计算机存储介质
CN113192659B (zh) 基于原测中子信号平均采样的核反应堆反应性测量方法
TWM584886U (zh) 訊號判讀裝置
CN116736351A (zh) 一种广义延拓外推多普勒的改进周跳探测方法
CN114459572A (zh) 一种流量计的流量采集方法
CN112557623B (zh) 气体检测方法、装置、设备、存储介质和程序产品
Golubev et al. Estimating the quality of verification of measuring instruments
Zakharov et al. Peculiarities of measurement uncertainty evaluation at calibrating a ring gauge

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