面向陶瓷辊道窑炉烧成过程的智能时空建模和控制

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    51905109
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    21.0万
  • 负责人：
    徐康康
  • 依托单位：
    广东工业大学
  • 学科分类：
    E0510.制造系统与智能化
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

The project aims to develop an intelligent spatiotemporal model and control system for inprove the intelligent level of the thermal management of ceramic roller kiln. The work will improve the production efficiency of kiln and ultimately reduce the consumption and waste of energy. The specific research content is mainly consist of the following three aspects. 1) Development of the physical model of the firing process of the kiln: With experiment, the multilevel information fusion based physical model will be constructed to simulate kiln thermal process. The approximate model based iterative optimization will be studied for the model calibration. 2) Development of online prediction model for the temperature distribution within the kiln thermal system: The space/time separation based prediction model will be constructed and then optimized for online prediction with the help of data-based learning. The spatiotemporal deep learning will be studied for the sensor reduction. 3) Development of the intelligent controller based on spatiotemporal model: The spatiotemporal predictive controller will be designed to control the spatial temperature variation of the firing process of the kiln. The main innovations are described as follows: Multi-parameter iterative optimization method based on approximate model. An intelligent spatialtemporal model that can real-time predict the temperature distribution of the kiln. The research results are of great significance to the on-line prediction of temperature field and the application of real-time active control technology in the firing process of ceramic roller kiln.
本项目针对陶瓷辊道窑炉的高能耗问题，通过研究基于时空模型的智能预测及控制技术来提高窑炉温度场管理的智能水准，从而提高窑炉的生产效率，最终减少能源的消耗和浪费。具体研究内容主要包括以下三个方面：1）建立窑炉烧成过程的物理模型：在实验的基础上，构建多级信息融合的热生成的物理模型，研究基于近似模型的多参数迭代方法逐步优化物理模型。2）研究能用于温度场测量的在线预测模型：通过时空分离法构建热扩散的时空动态预测模型，结合数据学习方法在线优化预测模型的准确性；研究深度学习方法优化传感器空间配置，提高模型实现的可行性。3）研究基于时空模型的智能控制器：通过设计一个时空预测控制器，对窑炉烧成过程的温度场进行热均衡控制。创新点体现在：基于近似模型的多参数迭代优化方法，可实时预测窑炉温度场分布的智能时空模型。研究成果对于陶瓷辊道窑炉烧成过程温度场的在线预测和实时主动控制技术在实际中的应用具有重要的意义。

结项摘要

本项目针对陶瓷辊道窑炉的高能耗问题，通过研究基于时空模型的智能预测及控制技术来提高窑炉温度场管理的智能水准，从而提高窑炉的生产效率，最终减少能源的消耗和浪费。具体研究内容主要包括以下三个方面：1）建立窑炉烧成过程的物理模型：在实验的基础上，构建多级信息融合的热生成的物理模型，研究基于近似模型的多参数迭代方法逐步优化物理模型。2）研究能用于温度场测量的在线预测模型：通过时空分离法构建热扩散的时空动态预测模型，结合数据学习方法在线优化预测模型的准确性；研究传感器空间优化配置策略，提高模型实现的可行性。3）研究基于时空模型的智能控制器：通过设计一个时空鲁棒非脆弱间歇控制器，对窑炉烧成过程的温度场进行热均衡控制。创新点体现在：基于近似模型的多参数迭代优化方法，可实时预测窑炉温度场分布的智能时空模型。研究成果对于陶瓷辊道窑炉烧成过程温度场的在线预测和实时主动控制技术在实际中的应用具有重要的意义。

项目成果

期刊论文数量（12）
专著数量（0）
科研奖励数量（0）
会议论文数量（2）
专利数量（6）
Online spatiotemporal modeling for time-varying distributed parameter systems using Kernel-based Multilayer Extreme Learning Machine
使用基于内核的多层极限学习机对时变分布式参数系统进行在线时空建模
  • DOI：
    10.1007/s11071-021-06987-y
  • 发表时间：
    2021-11
  • 期刊：
    Nonlinear Dynamics
  • 影响因子：
    5.6
  • 作者：
    Chengjiu Zhu;Haidong Yang;Yajun Fan;Bi Fan;Kangkang Xu
  • 通讯作者：
    Kangkang Xu
Deep Extreme Learning Machines based Two-Phase Spatiotemporal Modeling for Distributed Parameter Systems
基于深度极限学习机的分布式参数系统两阶段时空建模
  • DOI：
    10.1109/tii.2022.3165870
  • 发表时间：
    --
  • 期刊：
    IEEE Transactions on Industrial Informatics, 2022, Doi: 10.1109/tii.2022.3165870
  • 影响因子：
    --
  • 作者：
    Kangkang Xu;Haidong Yang;Chengjiu Zhu;Xi Jin;Bi Fan;Luoke Hu
  • 通讯作者：
    Luoke Hu
Comparative environmental impacts and emission reductions of introducing the novel organic Rankine & Kalina cycles to recover waste heat for a roller kiln
引入新型有机朗肯的环境影响和减排量对比
  • DOI：
    10.1016/j.applthermaleng.2021.116821
  • 发表时间：
    2021-03
  • 期刊：
    Applied Thermal Engineering
  • 影响因子：
    6.4
  • 作者：
    Yali Wang;Haidong Yang;Kangkang Xu
  • 通讯作者：
    Kangkang Xu
基于数值模拟的马蹄焰玻璃窑蓄热室热效率研究
  • DOI：
    10.11949/0438-1157.20190422
  • 发表时间：
    2019
  • 期刊：
    化工学报
  • 影响因子：
    --
  • 作者：
    杨海东;陈强;徐康康;朱成就
  • 通讯作者：
    朱成就
Surrogate Model-Based Structure Optimization of Jetting System
基于代理模型的喷射系统结构优化
  • DOI：
    10.1109/tcpmt.2020.2972016
  • 发表时间：
    2020-03
  • 期刊：
    IEEE Transactions on Components Packaging and Manufacturing Technology
  • 影响因子：
    2.2
  • 作者：
    Xiuyang Shan;Bingchuan Wang;Kangkang Xu;Hanxiong Li
  • 通讯作者：
    Hanxiong Li

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码