-
公开(公告)号：CN108153267A
公开(公告)日：2018-06-12
申请号：CN201711456606.6
申请日：2017-12-15
申请人： 宁波大学
IPC分类号： G05B19/418
摘要： 本发明公开一种基于误差主元分析模型的工业过程监测方法，该方法旨在将将原始数据转换成服从或近似服从高斯分布的误差信息，然后对该误差实施监测从而避免因非高斯数据造成的种种不便。具体来讲，本发明方法首先逐一假设过程对象中每个变量的测量数据缺失；其次，根据主元分析(PCA)模型中处理缺失数据的技巧推测出相应缺失变量的估计值；最后，利用假设的缺失数据实测值与估计值之间的误差作为被监测对象，再次建立基于PCA的故障检测模型实施在线故障检测。与传统方法相比，本发明方法不拘泥于原始数据是否满足于高斯分布假设，能较大幅度改善传统PCA方法的故障监测性能，是一种更为优选的过程监测方法。
-
公开(公告)号：CN105184012B
公开(公告)日：2017-12-22
申请号：CN201510626776.9
申请日：2015-09-28
摘要： 本发明公开了一种区域空气PM2.5浓度预测方法，该方法首先通过历史数据来构造待训练的支持向量机回归模型的训练样本数据，然后通过训练样本数据得到训练的支持向量机回归模型，将该训练后的支持向量机回归模型作为PM2.5浓度预测模型；再将粒子群寻优算法与PM2.5浓度预测模型相结合，通过粒子群寻优算法不断寻优迭代，从而不断采用粒子的位置去重构PM2.5浓度预测模型的输入参数，直至迭代完成后得到粒子群最终的全局极性，采用粒子群最终的全局极值对应的粒子的位置去重构PM2.5浓度预测模型的输入参数，将该输入参数输入PM2.5浓度预测模型中得到的输出即为PM2.5浓度；优点是可降低PM2.5浓度预测模型输入参数的维数，提高PM2.5浓度预测准确率。
-
公开(公告)号：CN107168063A
公开(公告)日：2017-09-15
申请号：CN201710427228.2
申请日：2017-05-26
申请人： 宁波大学
IPC分类号： G05B13/04
摘要： 本发明公开一种基于集成变量选择型偏最小二乘回归的软测量方法，该方法同时建立了三个不同的变量选择型PLSR软测量模型，并通过加权的方式集成得到输出估计值。在线实施软测量时不拘泥于单个的变量加权型PLSR模型，而是采用多个软测量模型集成的方式，巧妙地避免了确定哪种变量选择型PLSR方法最适合为当前数据建立软测量模型这一难题。此外，本发明通过PLSR算法计算出来的回归系数向量来对各模型输出估计值进行适当加权，不仅不需要反复验证某个变量选择方法的适用性，而且还可以进一步地提高软测量模型的精度。可以说，本发明方法是在已有工作的基础上，利用集成建模思路有效地提升变量选择型PLSR方法用于软测量建模的适用性。
-
公开(公告)号：CN107092242A
公开(公告)日：2017-08-25
申请号：CN201710446396.6
申请日：2017-06-02
申请人： 宁波大学
IPC分类号： G05B19/418
CPC分类号： Y02P90/02 , G05B19/41885 , G05B2219/32339
摘要： 本发明公开一种基于缺失变量PCA模型的工业过程监测方法，旨在将缺失变量处理方法用于在线估计主成分信息，从而实现对估计误差实施监测的目的。首先，本发明方法通过逐一假设各测量变量数据缺失后估计出主成分。然后，以主成分的估计误差以及PCA模型的误差估计值作为被监测对象实施在线过程监测。虽然，正常工况下的采样数据不一定满足高斯分布假设，但估计误差一般来讲是服从高斯分布的。从这点上看，本发明方法虽然是基于PCA算法的，但是它不需要假设训练数据服从或近似服从高斯分布，这在一定程度了扩大了传统基于PCA的过程监测方法的适用范围。此外，本发明方法由于采用多个故障检测模型，它还发挥了多模型泛化能力强的优势。
-
公开(公告)号：CN106444665A
公开(公告)日：2017-02-22
申请号：CN201610863428.8
申请日：2016-09-22
申请人： 宁波大学
IPC分类号： G05B19/418
CPC分类号： Y02P90/02 , G05B19/41885
摘要： 本发明公开一种基于非高斯相似度匹配的故障分类诊断方法。该发明方法首先利用正常过程数据的独立元分析模型对各个故障类型的训练数据进行投影变换；其次，对变换后的独立成分进行特征选择，挑选出最能体现各故障非正常变化的特征集；然后，利用窗口数据进行在线故障数据集与各参考故障数据集间的相似度匹配；最后，所识别出的故障类型决策为取得最大相似度值的参考故障类型。与传统的故障分类诊断方法相比，本发明方法采用了独立元分析算法对数据进行投影变换，能充分地考虑各参考故障数据的非高斯特征。除此之外，该方法还利用特征集选择后的独立成分实施窗口数据的相似度匹配。这不仅剔除了干扰成分对匹配分类的负面影响，而且能将故障状态下的变化轨迹考虑进来从而降低了重叠样本的错分类率。
-
公开(公告)号：CN106404442A
公开(公告)日：2017-02-15
申请号：CN201610863427.3
申请日：2016-09-22
申请人： 宁波大学
CPC分类号： G01M99/00 , G06K9/6256 , G06K9/6276
摘要： 本发明提供了一种基于数据邻域特征与非邻域特征保持的工业过程故障检测方法，解决的主要技术问题就是如何在建立故障检测模型的过程中，全方位地考虑过程数据的距离、时间、和角度邻域特征，以及非邻域特征。该发明方法首先为每个采样数据点找出与之相对应的，在距离上、在时间上、以及在角度上相近的数据样本，以组成邻域集。而其他不相近的样本则用来组成非邻域集。然后，通过一个广义特征值问题求解出投影变换向量，并在此基础上建立相应的故障检测模型。最后，利用该模型实施在线故障检测。与传统方法相比，该方法建立的故障检测模型可以取得更可靠而准确的结果。
-
公开(公告)号：CN106094786A
公开(公告)日：2016-11-09
申请号：CN201610389227.9
申请日：2016-05-30
申请人： 宁波大学
IPC分类号： G05B23/02
CPC分类号： G05B23/0218
摘要： 本发明涉及一种基于集成型独立元回归模型的工业过程软测量方法，应用于非高斯性工业过程数据。传统的非高斯性软测量回归建模方法需要选择一个的非二次函数，以度量非高斯性大小。然而，不同的工业过程数据或对象会造成实际应用中难以获取足够多的经验知识去指导非二次函数的选择。为此，本发明所涉及的方法通过全面而充分地利用不同的非二次函数来训练得到不同的软测量模型，有效的避免了非二次函数的选择问题。然后，通过加权系数累加得到最终的预测结果，使相应软测量模型的预测精度不再受到非二次函数选择的影响。这大大的提高了软测量模型的预测效果，从而能够对过程中的关键指标或质量指标进行更加精确而可靠的预测。
-
公开(公告)号：CN116383587A
公开(公告)日：2023-07-04
申请号：CN202310361147.2
申请日：2023-04-07
申请人： 宁波大学
IPC分类号： G06F17/16 , G06N3/0475 , G06N3/08
摘要： 本发明公开了一种基于正交自编码神经网络的工业过程监测方法，可在自编码神经网络的训练过程中，在保证解码误差最小化的同时将编码特征的正交性统计条件考虑进来，从而构建一个正交自编码神经网络对工业过程实施过程监测。本发明方法巧妙的将正交性目标和重构目标融合进一个由正交编码网络和解码重构网络组成的正交自编码神经网络中，通过依次训练正交编码网络和解码重构网络实现了提取正交特征和生成重构误差的目的，从而可通过监测正交特征和重构误差的变化情况来反映工业过程运行是否正常。与传统方法相比，本发明方法不仅可以如多变量统计过程监测方法一样分析提取出非线性的正交特征成分，也可以像自编码器那样生成重构误差。
-
公开(公告)号：CN110033175B
公开(公告)日：2023-05-19
申请号：CN201910229735.4
申请日：2019-03-12
申请人： 宁波大学
IPC分类号： G06Q10/0639 , G06Q10/04
摘要： 本发明公开一种基于集成多核偏最小二乘回归模型的软测量方法，旨在建立并融合多个核函数所对应的核偏最小二乘(KPLS)回归模型，从而避免核函数的选择问题，并在此基础上实施在线软测量。首先，本发明方法将常用的四种核函数类型全部考虑进来，避免了核函数的选择问题。因此本发明方法的通用性较强。其次，本发明方法因使用多个核函数分别建立多个不同的KPLS回归模型，充分发挥了多模型的优势。最后，本发明方法利用最小二乘算法将各质量指标的预测数据整合成一个软测量数据。可以说，软测量效果不会弱于任何一个使用单核函数的模型。综合这两点优势，本发明方法克服了传统基于KPLS的软测量方法的缺陷，是一种更为优选的软测量方法。
-
公开(公告)号：CN110008548B
公开(公告)日：2023-02-21
申请号：CN201910229734.X
申请日：2019-03-12
申请人： 宁波大学
摘要： 本发明公开一种基于GRNN分散式建模策略的故障检测方法，旨在利用GRNN算法的非线性建模优势，解决非线性故障检测问题。具体来讲，本发明依次将各个测量变量作为模型输出变量，而其他测量变量则作为模型输入变量，以此来建立GRNN模型。实施故障检测时，将多个GRNN模型的估计误差作为被监测对象，利用平方马氏距离统计量实施故障检测。与传统方法相比，本发明方法通过逐一描述测量变量间的非线性输入‑输出关系，更好地提取非线性特征。而且通过具体实施案例对比验证了本发明方法是一种更为优选的非线性故障检测方法。
-
-
-
-
-
-
-
-
-
搜索结果
173 条记录 (耗时 0.025 秒)
