基于WGANs数据增强的非线性工业过程建模方法

    公开(公告)号:CN112966429A

    公开(公告)日:2021-06-15

    申请号:CN202010803150.1

    申请日:2020-08-11

    Abstract: 本发明公开了一种基于WGANs数据增强的非线性工业过程建模方法,属于工业生产过程构建性能预测模型技术领域。本发明核心是利用生成对抗网络对非线性工业过程建模小样本数据进行数据增强,将生成样本与原有样本混合构建工业过程模型,降低建模成本。具体是先利用拉丁超立方(LHD)方法采集非线性工业过程建模的小样本数据集;然后利用该部分小样本数据训练Wasserstein生成对抗网络(WGANs);待WGANs训练达到要求后,利用其生成器产生虚拟样本,选取合适的样本与初始小样本数据混合,完成数据增强;最后基于混合数据和支持向量回归方法为目标工业过程建立合适的数据驱动模型。本发明有效解决了非线性工业过程建模数据不充足问题,充分利用了工业过程的小样本数据,通过数据增强加快了建模速度,提高了建模精度和效率,降低了建模成本。

    一种基于SelfAtt-EvolveGCN的复杂工业过程运行状态评价方法

    公开(公告)号:CN119760567A

    公开(公告)日:2025-04-04

    申请号:CN202411843386.2

    申请日:2024-12-13

    Abstract: 本发明提供了一种基于SelfAtt‑EvolveGCN的复杂工业过程运行状态评价方法。建立运行状态离线评价模型;对运行状态进行评价分类;得到样本数量一致的序列数据集合X;挖掘滑动窗口内变量间的拓扑结构关系At,构建关联图结构序列数据G;将图结构数据输入运行状态离线评价模型中训练,在线数据输入训练好的评价模型,在分类器中得到属于每种状态等级的权重概率值,将概率最大值所在的状态等级作为当前的预测状态;当运行状态评价模型评价当前运行状态为非优时,进行非优因素追溯,定位导致非优状态出现的具体变量。该方法能够抵抗因复杂工业恶劣环境产生的扰动影响,实现过程变量数据中时序性结构特征的有效提取,建立完整准确的运行状态评价模型。

    基于局部慢特征Siamese图卷积网络的复杂工业过程运行状态评价方法

    公开(公告)号:CN119270787A

    公开(公告)日:2025-01-07

    申请号:CN202411376948.7

    申请日:2024-09-29

    Abstract: 本发明提供了一种基于局部慢特征Siamese图卷积网络的复杂工业过程运行状态评价方法,首先建立状态评价离线模型;然后使用在线数据进行运行状态评价;通过数据收集得到过程数据Xt,Xt‑1,并进行标准化处理;利用滑动窗口对标准化后的数据进行数据划分,得到长度为W的时间序列。然后通过最大信息系数将时间序列数据转换为图结构数据;将过程数据矩阵和图结构数据矩阵输入运行状态评价模型,对两个相邻时刻下的图结构数据潜在特征进行特征提取,同时使用慢特征对潜在特征进行约束,最后得到在线数据属于不同运行状态评价等级的后验概率,最终的评价结果为当前时刻最大后验概率对应的状态等级;该方法有助于实现更精准的过程运行状态评价模型。

    一种基于双生自迁移模型的间歇过程分层优化方法

    公开(公告)号:CN114265312B

    公开(公告)日:2023-09-12

    申请号:CN202111577586.4

    申请日:2021-12-22

    Abstract: 一种基于双生自迁移模型的间歇过程分层优化方法,在上层优化中,利用DODE方法生成建模数据集,建立全局RSM;引入MA来补偿模型,通过求解基于RSM的优化问题,得到满足收敛的次优解并作为下层优化的初始优化点;在下层优化中,通过PLS和SVR建立次优解附近的局部模型;考虑两模型相似但不相同的特点,将两模型函数通过权重在在线学习过程中动态组合成双生自迁移模型;依据梯度信息采用批次间自调整优化调整操作轨迹;同时判断下层优化进程是否具有实现预期目标的能力,若不具有,则返回上层并重新为下层寻找次优解;若具有,则继续下层优化,直到满足目标。该方法能在无相似过程数据和少数据情况下实现间歇过程稳定、高效的优化。

    基于ILSTM网络的复杂工业过程运行状态评价方法

    公开(公告)号:CN113848836B

    公开(公告)日:2023-05-12

    申请号:CN202111157507.4

    申请日:2021-09-30

    Abstract: 本发明提供了一种基于ILSTM网络的复杂工业过程运行状态评价方法,使用离线数据训练ILSTM网络特征提取模型和分类器模型,建立状态评价离线模型;使用在线数据进行运行状态评价;采样得到在线过程数据X,并对X进行标准化处理;对在线数据以窗口长度为H的滑动窗口滑动采样,得到长度一致的序列数据;将序列数据输入运行状态评价模型,得到在线数据属于不同运行状态等级的后验概率,最终的评价结果为当前时刻最大后验概率对应的状态等级;当运行状态评价模型评价当前运行状态为非优时,进行非优因素追溯。该方法能够提取出与综合经济指标动态变化相关的过程信息,可实现工业过程数据中非线性与动态时变特征的有效提取,有助于得到完整的过程运行状态评价模型。

    基于监督概率慢特征分析的工业过程运行状态评价方法

    公开(公告)号:CN114527731A

    公开(公告)日:2022-05-24

    申请号:CN202210160565.0

    申请日:2022-02-22

    Abstract: 本发明提供了一种基于监督概率慢特征分析的工业过程运行状态评价方法,步骤一:利用监督概率慢特征分析算法,进行静‑动态特性协同感知信息挖掘,建立运行状态评价的离线评价模型,实现对工业过程运行静‑动态协同感知和运行状态评价信息的深度提取;步骤二:根据离线评价模型计算在线数据的得分向量,并计算静态、一阶动态评价指标和二阶动态指标,最后完成对过程稳态、隐态、非稳态和过渡态的综合评价。该方法能有效解决了传统工业过程运行状态评价方法对过程信息提取不准确、对数据中的无益信息缺乏评估的问题,其可以实现对过程运行状态的综合评价,且对过程状态认知更加准确,可有效降低误报、漏报发生的几率。

    基于增量学习的重介质选煤过程安全控制贝叶斯网络模型在线更新方法

    公开(公告)号:CN114548267B

    公开(公告)日:2025-04-15

    申请号:CN202210159277.3

    申请日:2022-02-21

    Abstract: 本发明公开了一种基于增量学习的重介质选煤过程安全控制贝叶斯网络模型在线更新方法,属于工业安全运行智能控制技术领域。本发明主要步骤如下:首先,将异常工况的现象变量作为证据信息输入到安全控制贝叶斯网络模型中进行推理。其次,依据最大后验概率原则制定相应的安全控制决策,并依据领域专家知识判断安全控制决策是否合理。若合理,则实施该控制决策。若不合理,则继续判断是否发生新的异常工况,并按照判断条件分别进行结构更新学习和参数更新学习。最后,利用更新完成的安全控制贝叶斯网络模型重新获取安全控制决策。本发明提出的重介质选煤过程安全控制模型更新方法,能够提高模型适应选煤环境变化的能力,为操作人员提供安全、可靠的控制决策。

    一种面向非线性间歇过程下的深度强化学习优化补偿方法

    公开(公告)号:CN119200538A

    公开(公告)日:2024-12-27

    申请号:CN202411333691.7

    申请日:2024-09-24

    Abstract: 一种面向非线性间歇过程下的深度强化学习优化补偿方法,将三维输入数据矩阵展开成二维矩阵;进行标准化处理;构建JY‑KPLS模型;构造JY‑KPLS模型优化问题;求解优化问题;计算历史与查询数据的相似性;根据相似性大小,从旧、新过程数据集中分别筛选出m条旧数据、n条新数据,并与当前查询数据进行作差;以偏差样本作为数据集,建立JITL‑JYKPLS局部模型,解决失配问题;对补偿后模型与优化系统进行交互、试错训练;若当前批次内训练总奖励值超过前一批次内训练总奖励值,则将当前训练好的优化系统用于批次间优化;否则,采用前一批次优化系统用于批次间优化;输出最终产品质量。该方法可显著提升最终产品的质量。

    基于多模型与传递熵的煤泥浮选过程贝叶斯网络控制方法

    公开(公告)号:CN114967436B

    公开(公告)日:2024-10-25

    申请号:CN202210203508.6

    申请日:2022-03-02

    Abstract: 一种基于多模型与传递熵的煤泥浮选过程贝叶斯网络控制方法,确定需要用到的变量和几种常见的异常工况;确定贝叶斯网络节点的个数,并划分其状态;将变量集对应的数据进行离散处理;确定出异常工况相对应的变量集;将离散处理后的数据输入到改进评分函数中进行结构学习得到贝叶斯结构;利用最大似然函数进行参数学习得到模型;提取在线异常数据并利用专家知识选择对应的精细化模型;将在线提取的数据离散化处理数据输入到选择的模型中进行推理;根据推理结果对模型根节点进行调整;判断异常工况是否移除,若未移除则利用更新后的异常工况作为证据继续推理。该方法能为操作人员的安全控制决策提供可靠的依据,并能提高建模的效率和建模的精确度。

Patent Agency Ranking