基于JY-MKPLS的间歇工业过程在线质量预测方法

    公开(公告)号:CN110794782A

    公开(公告)日:2020-02-14

    申请号:CN201911088664.7

    申请日:2019-11-08

    Abstract: 一种基于JY-MKPLS的间歇工业过程在线质量预测方法,通过a过程、b过程的三维输入数据得到二维输入矩阵Xa、Xb,二维输出矩阵Ya、Yb;进行标准化处理;从低维原始空间投影到高维特征空间F,并在高维特征空间中计算核矩阵Ka、Kb;标准化核矩阵Ka、Kb;运行JY-MKPLS算法;计算Kai、Kbi的负载矩阵;重复上述步骤直至提取出A个主元;计算输入数据矩阵K的得分矩阵T、负载矩阵P、输出数据矩阵Y的得分矩阵U、负载矩阵Q;进行批次过程质量预测;在线获得最新的输出数据ynew,并计算该批次的预测误差βn;模型预测误差的检验;用新产生的a过程数据对其进行替换;进行模型更新。该方法能快速建立精度较高的新过程预测模型,可提高建模的效率和预测精度,有效控制企业的操作成本。

    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。

    一种基于潜变量过程迁移模型的间歇过程集成优化方法

    公开(公告)号:CN112506050A

    公开(公告)日:2021-03-16

    申请号:CN202011218977.2

    申请日:2020-11-04

    Abstract: 一种基于潜变量过程迁移模型的间歇过程集成优化方法,获取新生产过程B和旧生产过程A的数据信息,且展开二维数据矩阵以获得Xa、Ya、Xb、Yb;对A和B生产过程的数据矩阵进行归一化处理,并建立过程迁移模型;构造优化问题并求解B生产过程最优解xb(k)*;在单个批次运行期间内对操作变量x设定n个决策点,将其分成n+1段;当到达第i个决策点时,判断是否缺失数据,在决策点形成输入矢量,对未知数据进行补充,预估未来的操作变量轨迹;判断决策点i处是否存在扰动,存在扰动计算新的控制剖面;对操作变量进行补偿更新,对补偿后的优化解进行滤波;获取最终产品质量,并使用新的控制剖面操作第k+1个批次。该方法能有利于提高产品的生产质量。

    一种基于过程迁移模型的间歇过程最优补偿控制策略

    公开(公告)号:CN110426956A

    公开(公告)日:2019-11-08

    申请号:CN201910695060.2

    申请日:2019-07-30

    Abstract: 一种基于过程迁移模型的新间歇过程最优补偿控制策略,获取A、B两个相似过程数据,并建立过程迁移模型;构建基于过程迁移模型的优化问题,求取初始最优解;设置查询点、计算查询数据与历史数据的相似性;获取相似过程中所选数据的输入、输出偏差数据得到最优补偿值;计算预测性能指标偏差;更新新批次过程的建模数据集;计算第K批次最新预测误差及其第一、第二个置信区间;根据预测误差确定是否进行数据剔除、过程迁移;更新信赖域半径。过程迁移模型能有效解决新间歇过程因数据不足而难以建模的问题;该最优补偿控制策略能对求解新间歇过程优化问题的次优解进行补偿,并通过在线数据实时更新模型来补偿模型对象的不匹配。

    一种基于自适应修正的间歇过程鲁棒优化质量提升方法

    公开(公告)号:CN119596688A

    公开(公告)日:2025-03-11

    申请号:CN202411725261.X

    申请日:2024-11-28

    Abstract: 本发明提供了一种基于自适应修正的间歇过程鲁棒优化质量提升方法,对新间歇过程因数据不足而难以建立稳健模型的问题,利用相似过程的充足数据构建JYPLS迁移模型;分析间歇过程复杂的运行环境和频繁的扰动等引起的不确定性因素,利用鲁棒优化方法,建立模型不确定性下的间歇过程批次间鲁棒优化数学模型对不确定性问题并进行处理;在使用鲁棒优化方法解决间歇过程复杂的运行环境和过程扰动等引起的不确定性因素的同时引入自适应修正方法;根据运行优化不同阶段的最优必要条件不匹配问题,制定一种数据更新与剔除引导的迁移模型和不确定集双重更新机制;最后对模型进行求解,寻找出最优操作变量。该方法能有效提升产品的最终质量和企业的经济效益。

    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:CN114967436A

    公开(公告)日:2022-08-30

    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。

    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:CN114265312A

    公开(公告)日:2022-04-01

    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。

Patent Agency Ranking