-
公开(公告)号：CN112085083B
公开(公告)日：2022-07-29
申请号：CN202010913194.X
申请日：2020-08-24
申请人： 宁波大学
发明人： 方浩杰 , 蓝艇 , 其他发明人请求不公开姓名
摘要： 本发明公开一种基于相近度分析策略的变压器故障诊断方法，可以在有限个溶解气体浓度数据做为参考的前提下，实施变压器故障类型的准确诊断。具体来讲，本发明方法首先对溶解气体浓度数据进行多方面的比值特征构造。其次，本发明方法使用判别型偏最小二乘算法将浓度比值数据进行特征转换，最后，实施基于近邻的相近度分析，从而诊断变压器的故障类型。本发明方法基本上不涉及复杂的变换或数学计算，且操作简单，非常易于实施。此外，本发明方法在实施过程中不需要人为主观的确定某些模型参数，这极大了避免了参数选择的难题。
-
公开(公告)号：CN111913447B
公开(公告)日：2022-03-18
申请号：CN202010570614.9
申请日：2020-06-13
申请人： 宁波大学
发明人： 蓝艇 , 其他发明人请求不公开姓名
IPC分类号： G05B19/418
摘要： 本发明公开一种在线数据驱动的非线性化工过程监测方法，旨在使用核学习技巧为化工过程建立非线性模型后，再通过在线数据驱动优化搜寻最优投影变换向量，从而使用相应的特征成分实施在线过程监测。与传统方法相比，本发明方法摒弃了传统实施离线特征分析与提取的策略，改为根据在线数据去实时驱动特征分析任务，从而提取最适合于监测故障数据的特征成分。其次，通过接下来的具体的实施案例，验证本发明方法在监测连续搅拌反应釜这种常见化工过程对象运行状态上的优越性。
-
公开(公告)号：CN112270081A
公开(公告)日：2021-01-26
申请号：CN202011142534.X
申请日：2020-10-13
申请人： 宁波大学
发明人： 方浩杰 , 葛英辉 , 其他发明人请求不公开姓名
摘要： 本发明公开一种基于并行Elman‑NN的风力发电机故障检测方法，旨在从数据驱动的角度来描述风力发电机各传感器测量数据之间的复杂非线性时序关联性，并通过模型误差的异常变化来检测风力发电机在运行过程中出现的故障。本发明方法的优势在于：本发明方法利用Elman‑NN算法与分布式建模的策略，从数据驱动的角度量化了风速数据和风力发电机自身测量数据相互之间的关系模型。其次，本发明方法通过监测并行Elman‑NN模型的误差变化情况来反映是否出现故障，又借鉴参考了误差生成思想的优势。
-
公开(公告)号：CN112067052A
公开(公告)日：2020-12-11
申请号：CN202010913195.4
申请日：2020-08-24
申请人： 宁波大学
发明人： 陈泰麒 , 葛英辉 , 其他发明人请求不公开姓名
IPC分类号： G01D21/02
摘要： 本发明公开一种基于特征选择的油侵式变压器故障诊断方法，利用变压器油中的溶解气体浓度数据，实施特征扩展与分类特征选择，并利用选择后的特征建立概率神经网络模型，从而实施变压器故障诊断。具体来讲，本发明方法首先对溶解气体浓度数据进行统计特征和比值特征的双重构造。其次，本发明方法利用近邻成分分析算法选择最适合故障分类诊断的特征变量。最后，利用选择的特征变量建立概率神经网络模型实施变压器故障诊断。本发明方法的优势在于：首先本发明方法先通过特征扩展再进行特征优选，极大的保证了分类模型的精度；其次，本发明方法操作简单，非常易于实施。
-
公开(公告)号：CN111914476A
公开(公告)日：2020-11-10
申请号：CN202010630130.9
申请日：2020-06-23
申请人： 宁波大学
发明人： 葛英辉 , 朱莹 , 其他发明人请求不公开姓名
摘要： 本发明公开一种脱丁烷塔底部产品丁烷含量的在线软测量方法，旨在建立深度Elman神经网络模型，从而逐层提取非线性特征，用于实现对丁烷含量的实时软测量。具体来讲，本发明方法通过搭建由多级Elman神经网络串联而成的深度Elman神经网络模型，从而实现对脱丁烷塔过程数据的深度特征提取。在此基础上，建立精度更高，更有保障的底部产品丁烷含量的软测量模型。本发明方法的主要优势在于：在建立软测量模型时，使用的是多级Elman神经网络串联而成的深度Elman神经网络模型，不仅利用了Elman神经网络自有的适应时变特性的能力，而且还通过逐层提取非线性特征实现了对过程数据的深度特征提取。
-
公开(公告)号：CN111914466A
公开(公告)日：2020-11-10
申请号：CN201910873261.7
申请日：2019-09-07
申请人： 宁波大学
发明人： 唐俊苗 , 童楚东 , 其他发明人请求不公开姓名
摘要： 本发明公开一种基于相关变量分散式建模的化工过程监测方法，旨在解决如何选择并基于相关性变量进行分散式建模，从而在此基础上实施化工过程监测的问题。具体来讲，本发明方法首先将遗传算法与近邻成分分析算法相结合，从而为各个测量变量优选出相关的测量变量；其次，本发明方法实施基于相关变量的分散式软测量建模，采用的是经典的PLS算法；最后，利用分散式软测量模型的估计误差实施化工过程监测。与传统方法相比，本发明方法利用相关变量集建立的软测量模型可以剔除不相关变量的干扰影响，也能更精确地描述测量变量之间的输入-输出关系。
-
公开(公告)号：CN111914214A
公开(公告)日：2020-11-10
申请号：CN202010570652.4
申请日：2020-06-13
申请人： 宁波大学
发明人： 蓝艇 , 其他发明人请求不公开姓名
摘要： 本发明公开一种基于缩减KPLS模型的PTA生产过程软测量方法，以期在不影响软测量模型精度的前提下，有效地提升利用KPLS实施软测量时的在线计算效率。具体来讲，本发明方法实施的关键在于通过样本挑选的策略从训练数据集中筛选出部分样本数据用于建立缩减KPLS模型。这部分筛选出的样本数据是非常具有代表性的，能基本上涵盖训练数据的变化范围。与传统KPLS软测量方法相比，本发明方法的在线计算量大幅度降低，并且使用原来的离线训练数据建立缩减KPLS模型，从而尽可能的保证软测量模型精度。最后，通过具体的实施案例，验证了本发明方法在计算效率上提升的同时，基本上不影响PTA生产过程中醋酸消耗量的在线软测量精度。
-
公开(公告)号：CN111913415B
公开(公告)日：2022-03-18
申请号：CN202010570651.X
申请日：2020-06-13
申请人： 宁波大学
发明人： 葛英辉 , 蓝艇 , 其他发明人请求不公开姓名
IPC分类号： G05B19/042 , G01D21/02
摘要： 本发明公开一种基于时序数据分析的连续搅拌反应釜运行状态监测方法，旨在解决通过监测连续搅拌反应釜的实时采样数据的时序异常变化来实现对其运行状态的监测问题。首先，本发明方法根据时序特征典型相关系数最大推理出一种时间序列相关特征分析算法。其次，本发明方法进一步使用自回归模型描述时间序列相关特征间的时序动态关系，最后通过监测自回归模型误差来完成对连续搅拌反应釜运行状态监测的目的。与传统方法相比，本发明方法能够有效地提取采样数据体现在时间序列上典型相关的潜在特征成分，并且本发明方法在监测连续搅拌反应釜运行状态上的优越性与有效性通过具体的实施案例予以验证。
-
公开(公告)号：CN112267978A
公开(公告)日：2021-01-26
申请号：CN202011142672.8
申请日：2020-10-13
申请人： 宁波大学
发明人： 方浩杰 , 葛英辉 , 其他发明人请求不公开姓名
IPC分类号： F03D17/00 , F03D9/25 , G06F30/17 , G06F30/20 , G06F17/16 , G06Q10/00 , G06Q50/06 , G06F111/10
摘要： 本发明公开一种基于分散式ESN模型的风力发电机故障检测方法，通过利用ESN来建立风力发电机各个测量变量之间的量化模型，从而利用数据驱动模型的误差来反映风力发电机运行过程中出现的故障。具体来讲，本发明方法通过结合使用ESN与分散式建模策略的优势，为风力发电机各个测量变量建立分散式的ESN模型，再通过监测分散式ESN模型的估计误差来实现风力发电机故障检测目的。一方面，本发明方法利用ESN模型量化描述了风力发电机各测量变量之间体现在时序特征上的非线性关系。另一方面，本发明方法通过监测分散式ESN模型的估计误差的异常变化情况来反映是否出现故障，借鉴参考了利用机理模型生成误差的思想的优势。
-
公开(公告)号：CN112260650A
公开(公告)日：2021-01-22
申请号：CN202011142673.2
申请日：2020-10-13
申请人： 宁波大学
发明人： 陈泰麒 , 蓝艇 , 其他发明人请求不公开姓名
摘要： 本发明公开一种基于差异特征分析技术的光伏电板故障检测方法，旨在有针对性的对在线采样数据实时提取差异特征，从而通过监测差异特征的变化情况来实现光伏电板的故障检测。具体来讲，本发明方法通过研究设计一种实时的差异特征提取技术，针对每个在线采样数据实时提取相应的差异特征，从而利用差异特征的变化来检测出光伏电板工作中出现的故障。与传统方法相比，本发明方法利用实时提取的差异特征来分离故障与正常状态下的采样数据，每次计算得到的投影变换向量都能考虑如何区分故障与正常之间的差异性。此外，本发明方法确定的控制上限是实时变化的，能根据不同的投影变换向量实时获得判断故障发生与否的控制上限。
-
-
-
-
-
-
-
-
-
搜索结果
47 条记录 (耗时 0.036 秒)
