-
公开(公告)号：CN115204272A
公开(公告)日：2022-10-18
申请号：CN202210721136.6
申请日：2022-06-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于多采样率数据的工业系统故障诊断方法与设备，方法为：获取工业系统多组不同传感器的时间序列数据，该多组数据存在不同采样率；针对每种采样率的所有传感器的时间序列数据，根据相关性筛选保留部分传感器的时间序列数据；将每种采样率的筛选保留传感器的时间序列数据，分别归一化处理，再按传感器拼接；将多种采样率对应的拼接数据，结合对应的真实分类标签，以端到端的方式对CNN模型进行训练，得到故障分类器；当需要进行故障诊断时，使用训练好的故障分类器基于多采样率数据对工业系统进行故障诊断。本发明能够自动挖掘多采样率数据的深层特征，有效利用不同采样率变量的信息来提高故障诊断的精度。
-
公开(公告)号：CN117909865B
公开(公告)日：2025-01-28
申请号：CN202410044974.3
申请日：2024-01-12
Applicant: 中南大学
IPC: G06F18/2415 , G06F18/15 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种面向多采样率工业过程的数据驱动故障诊断方法及系统，该方法包括：首先，对多采样率数据进行数据预处理和划分，使多采样率数据转换为多个子任务数据；其次，构造基于注意力机制的多采样率掩码网络故障诊断模型；最后，利用基于注意力机制自适应的多采样率掩码网络故障诊断模型对在线采集的数据进行实时故障诊断。通过梯度注意力机制与掩码网络，缓解了顺序学习中的灾难性遗忘问题，并使网络具有处理维度不一致的多任务数据的能力，提升了有效信息的传递效率，从而能够更好更准确的进行故障诊断。
-
公开(公告)号：CN119149988A
公开(公告)日：2024-12-17
申请号：CN202411170355.5
申请日：2024-08-26
Applicant: 中南大学
IPC: G06F18/213 , G06F18/214 , G06F18/25 , G06N3/042 , G06N3/0455
Abstract: 本发明公开了一种基于过程结构知识神经网络的铝电解槽氧化铝浓度分布高效预测方法和装置，使用流场预训练模块拟合铝电解槽内的空间位置与流速之间的关系，使用浓度场预训练模块拟合铝电解槽内的空间位置与氧化铝浓度之间的关系；使用融合训练模块与流场预训练模块、浓度场预训练模块结合，并额外引入固定时间间隔，通过在损失函数中融入氧化铝分布的过程控制方程，拟合铝电解槽内的空间位置、初始氧化铝浓度与固定时间间隔后的氧化铝浓度之间的关系，得到氧化铝浓度分布预测模型，用于预测铝电解槽内任意位置经固定时间间隔后的氧化铝浓度。本发明能够显著的提高预测铝电解槽氧化铝浓度分布的效率与精度。
-
公开(公告)号：CN117872761B
公开(公告)日：2024-11-22
申请号：CN202410047072.5
申请日：2024-01-12
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本发明公开了一种面向多变工况的字典监测模型构建、智能监测方法及系统，首先，构建一种面向多变工况的字典监测模型，利用所述面向多变工况的字典监测模型获取工业系统运行过程中通过传感器采集到的在线数据的重构误差，并利用重构误差与设定的控制限进行比较从而判断工业系统运行故障的发生，实现智能监测。通过构建两种工况下的基于全局信息的终身字典学习优化函数，得到用于监测两种工况的字典；基于最大后验估计对两种工况下的字典的全局信息权重矩阵进行线性叠加构建多工况的更新表达式，进而对字典进行持续更新，同步更新监测控制限，进而得到面向多变工况的字典监测模型。持续学习能力强，更新无需存储历史工况数据，克服了灾难性遗忘。
-
公开(公告)号：CN118244645B
公开(公告)日：2024-10-01
申请号：CN202410622315.3
申请日：2024-05-20
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本发明提供一种基于云边协同的氧化铝溶出过程苛性比值控制方法与系统，系统包括端侧、边缘侧和云侧；端侧，实时产生氧化铝溶出过程的数据信息；边缘侧，包括DCS控制系统和边缘计算设备，DCS控制系统采集端侧产生的数据信息并反馈给边缘计算设备；边缘计算设备上部署有云侧下发的苛性比值软测量模型和MPC算法，及模型参数更新请求策略；云侧，部署有苛性比值软测量模型和模型参数求解算法，收到边缘侧的模型参数更新请求信号后，辨识当前苛性比值软测量模型参数进行模型更新；云侧包括模型下发模块；MPC算法基于更新的苛性比值软测量模型计算最优控制量以控制端侧；本发明能实现氧化铝溶出过程苛性比值的高精度稳定安全控制。
-
Patent Agency Ranking
公开(公告)号：CN118197453B
公开(公告)日：2024-10-01
申请号：CN202410617232.5
申请日：2024-05-17
Applicant: 中南大学
Abstract: 本发明提供一种氧化铝溶出过程苛性比值软测量建模方法，先构建考虑实时固相含铝浓度的氧化铝溶出过程铝溶解微观动力学模型，用于反映主反应的反应速率#imgabs0#；再基于溶出工艺流程的质量平衡和能量守恒，以及主反应的反应速率#imgabs1#，获得基于氧化铝溶出过程铝溶解微观动力学模型的氧化铝浓度方程，得氧化铝浓度#imgabs2#；基于副反应的影响，获得溶出过程溶液中苛性钠浓度方程，得苛性氧化钠的浓度#imgabs3#；然后基于氧化铝浓度#imgabs4#和苛性氧化钠的浓度#imgabs5#，建立溶出过程苛性比值软测量模型，最后结合工业实际数据辨识融合和优化求解算法，获得溶出过程苛性比值软测量模型的未知参数；本发明构建的氧化铝溶出过程苛性比值软测量模型的预测精度高，平均相对误差在1%以内。
-
公开(公告)号：CN115309045B
公开(公告)日：2024-08-16
申请号：CN202210888939.0
申请日：2022-07-27
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本发明公开了一种面向工业系统多工况学习的预测控制方法和系统，方法包括：获取工业系统当前工况下的稳定跟踪给定值序列R(t)，获取工业系统被控对象在最近时间以前的历史控制变量序列Up(t)和最近时间的历史控制输出序列Yp(t)；使用训练好的基于LSTM的预测模型，根据Up(t)和Yp(t)，预测被控对象在多个未来时刻的控制输出序列#imgabs0#根据#imgabs1#和R(t)，采用自适应梯度下降方法求解基于模型预测控制的滚动控制优化问题，获得预测被控对象在下一时间以后的控制变量序列U(t)。本发明可以精确预测不同工况下被控对象的输出，实现被控对象多工况下的精准控制，增强被控工业系统的稳定性。
-
公开(公告)号：CN116125922B
公开(公告)日：2024-06-21
申请号：CN202310023849.X
申请日：2023-01-09
Applicant: 中南大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于平行式字典学习的复杂工业过程监测方法和系统，方法包括：根据各监测变量的方差膨胀因子，提取工业过程的共线性变量集；基于线性最大化方法从共线性变量集中划分线性变量子集，剩余监测变量构成非线性变量子集；对每个线性变量子集均基于字典学习建立线性监测模型，对非线性变量子集则基于核字典学习建立非线性监测模型；基于建立的线性和非线性监测模型计算重构误差，并计算各误差控制限；在线获取复杂工业过程的实时监测样本数据，计算各变量子集的重构误差；基于各重构误差和控制限，融合计算当前监测样本数据的全局指标，由全局指标判定当前工业过程是否故障。本发明可以实现对线性、非线性共存的复杂工业过程的监测。
-
公开(公告)号：CN116088307B
公开(公告)日：2024-01-30
申请号：CN202211688206.9
申请日：2022-12-28
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于误差触发自适应稀疏辨识的多工况工业过程预测控制方法、装置、设备及介质，方法：采集工业过程多个已知工况的数据，基于采集数据辨识各工况的预测模型并构建预测模型集合，以及估计各预测模型的预测误差阈值；采集当前状态量，使用各预测模型并根据上一时刻状态量和控制量预测当前时刻状态量，计算预测误差；选择预测误差最小的预测模型，将其预测误差与阈值比较：若预测误差连续超过阈值，则判定出现新工况，采用自适应更新方法对该预测误差最小的预测模型进行更新，并作为当前工况预测模型以及添加到预测模型集合中；对工业过程进行当前工况下的模型预测控制。本发明能够提供精准的预测模型，对工业(56)对比文件喻聪.电站锅炉燃烧优化及低NOx排放控制若干问题研究《.中国博士学位论文全文数据库工程科技Ⅰ辑》.2020,(第2020年05期),B027-65.汤健;柴天佑;刘卓;余文;周晓杰.基于更新样本智能识别算法的自适应集成建模.自动化学报.2016,(第07期),全文.吕文兵;陆新江;黄明辉;雷杰;邹玮.集成机理与数据的复杂模锻过程在线建模方法.中国机械工程.2015,(第09期),全文.王琳;谢敬华.电子衍射谱仪探测负载惯量优化控制.计算机仿真.2018,(第11期),全文.
-
公开(公告)号：CN117170332A
公开(公告)日：2023-12-05
申请号：CN202311333044.1
申请日：2023-10-16
Applicant: 中南大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于一体化时空模型预测的多工况工业控制方法和系统，方法包括：基于正交试验的典型工况特征提取方法，构建工况识别器；构建各工况下的时间动态模型和空间分布模型，采用数据驱动和一体化训练方法得到各工况对应的时空模型的最优参数；利用工况识别器实时识别多工况工业系统当前工况，并以当前工况下的时空模型作为预测模型，通过滚动优化的方式得到系统当前最优的控制输入。本发明通过学习可观测点和不可观测点的时空相关性，建立不可观测点的预测模型，并将其融入到预测控制框架中，实现不可观测点的精准控制。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.056 seconds)
