-
公开(公告)号：CN108897286A
公开(公告)日：2018-11-27
申请号：CN201810658917.9
申请日：2018-06-11
申请人： 宁波大学
IPC分类号： G05B19/418
摘要： 本发明公开一种基于分散式非线性动态关系模型的故障检测方法，旨在为各个测量变量建立分散式的非线性动态关系模型，并基于此分散模型实施故障检测。本发明方法的主要核心在于利用RBF神经网络为各个测量变量建立其各自的非线性动态关系模型，考虑了变量自身体现在不同采样时刻上的自相关性及其与其他变量体现在不同采样时刻上的交叉相关性。相比于传统方法，本发明方法利用RBF神经网络算法为各测量变量构建体现在不同采样时刻上的非线性动态关系模型，体现出了分散式建模的优势与特点。其次，本发明方法将误差作为被监测对象，对于后续利用主成分分析算法建立故障检测模型是有很大助益的。因此，本发明方法更适合于动态过程的故障检测。
-
公开(公告)号：CN108762242A
公开(公告)日：2018-11-06
申请号：CN201810658918.3
申请日：2018-06-11
申请人： 宁波大学
IPC分类号： G05B23/02
摘要： 本发明公开一种基于多块典型相关分析模型的分布式故障检测方法，在多块故障模型建立过程中将各子块之间的相关性考虑进来，并在此基础上实施分布式的故障检测。具体来讲，本发明方法首先根据各生产单元测量变量的归属，将所有测量变量划分成多个变量子块；其次，针对每个变量子块，利用典型相关分析算法挖掘出该子块与其他子块之间最体现相关性特征的典型成分；最后，利用典型成分实施分布式的故障检测。相比于传统方法，由于本发明方法考虑了各子块与其他子块之间的相关性，理应具备更优秀的故障检测性能，是一种更为优选的分布式故障检测方法。
-
公开(公告)号：CN108446735A
公开(公告)日：2018-08-24
申请号：CN201810233510.1
申请日：2018-03-06
申请人： 宁波大学
IPC分类号： G06K9/62
CPC分类号： G06K9/6247
摘要： 本发明公开一种基于差分进化优化近邻成分分析的特征选择方法，旨在解决如何从最优化的角度优化近邻成分分析(NCA)算法，从而得到最优的特征权重系数。本发明方法利用差分进化算法优化NCA算法的目标函数，从而得到全局最优的特征权重系数。相比于传统的NCA方法，利用差分进化算法来优化为NCA算法的目标函数，以保证最后的权重系数向量是全局最优结果而非局部最优。其次，本发明方法与传统NCA的不同之处在于未曾考虑包含规划化参数的目标函数，也就不需要确定规则化参数的大小。可以说，本发明发法是对传统NCA方法用于分类特征选择的一种完善策略。
-
公开(公告)号：CN108427398A
公开(公告)日：2018-08-21
申请号：CN201810233557.8
申请日：2018-03-06
申请人： 宁波大学
IPC分类号： G05B23/02
摘要： 本发明公开一种基于分散式AR-PLS模型的动态过程监测方法，本发明方法首先将各测量变量引入在采样时间上的多个延时测量值，然后针对每个测量变量为之建立该变量与其他测量变量及延时测量值之间的AR-PLS模型，最后利用模型的预测误差实施对动态过程的在线监测。相比于传统动态过程监测方法，本发明方法首先在建模阶段体现出了分散式建模的特点，因此具备分散式多模型的优势。其次，本发明方法只利用AR模型的预测误差作为被监测对象，而误差是AR模型中剔除了自相关性与交叉相关性后的结果，通过这种思路巧妙地避免了动态过程监测中自相关性问题。可以说，本发明方法是一种更为优选的动态过程监测方法。
-
公开(公告)号：CN106444706B
公开(公告)日：2018-08-17
申请号：CN201610862330.0
申请日：2016-09-22
申请人： 宁波大学
IPC分类号： G05B23/02
摘要： 本发明提供了一种基于数据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。该发明方法首先为每个采样数据点定义与之相对应的邻域集，该邻域集包含了与该数据点在距离上、在时间上、以及在角度上相近的数据样本。然后，构造一个特征值问题以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最大程度地降低了信息丢失的风险，能取得更可靠而准确的结果。
-
公开(公告)号：CN108181893A
公开(公告)日：2018-06-19
申请号：CN201711456500.6
申请日：2017-12-15
申请人： 宁波大学
IPC分类号： G05B23/02
摘要： 本发明公开一种基于PCA-KDR的故障检测方法，为解决传统PCA模型中高斯分布假设问题。具体来讲，本发明方法逐个假设测量变量数据缺失，然后利用已知数据回归(Known Data Regression，KDR)预测出相应的主元估计值，最后利用主元估计误差实施故障检测。因此，本发明方法除利用PCA算法外，还是用了KDR这种回归建模方法。而且，本发明方法不再局限于原始训练数据的高斯分布假设。取而代之的是，无论原始数据是否服从高斯分布，本发明方法监测对象(即估计误差)始终服从高斯分布。可以说，本发明方法能显著提升传统PCA模型的故障检测能力，是一种更为优选的数据驱动故障检测方法。
-
公开(公告)号：CN106950945A
公开(公告)日：2017-07-14
申请号：CN201710307992.6
申请日：2017-04-28
申请人： 宁波大学
IPC分类号： G05B23/02
CPC分类号： G05B23/0243 , G05B2219/24065
摘要： 本发明公开一种基于量纲可变型独立元分析模型的故障检测方法，该方法在离线建模阶段首先按照传统独立元分析(ICA)模型中分离矩阵各列向量元素数值的差异，对应为各变量赋予不同的权重以体现量纲的差异。然后，由于分离矩阵中每个列向量都体现了测量变量在该投影方向上的差异，因此可有多种量纲可变形式，对应可建立多个ICA故障检测模型。在线监测时，则调用这多个ICA模型计算相应的监测统计量，并利用贝叶斯推理得到最终的概率型监测指标以方便故障决策。与传统方法相比，本发明方法不仅将测量变量的不同等重要性考虑进建模中，而且还利用多模型实施故障检测。该方法对正常数据特征的描述就更加全面，利用取得更优越的故障检测效果。
-
公开(公告)号：CN106940808A
公开(公告)日：2017-07-11
申请号：CN201710307994.5
申请日：2017-04-28
申请人： 宁波大学
IPC分类号： G06K9/62
CPC分类号： G06K9/6259 , G06K9/6215
摘要： 本发明公开一种基于改进型主元分析模型的故障检测方法，旨在进一步挖掘训练数据间的距离相关性特征以提高传统PCA算法用于故障检测的效果。本发明方法首先计算训练数据的角度相关性矩阵与距离相关性矩阵，然后将角度相关性矩阵与距离相关性矩阵相加得到一个新的相关性矩阵，并求取相应的特征值与特征向量。最后，利用特征向量建立改进型的PCA模型，并应用于在线故障检测。与传统方法相比，本发明方法在离线建模阶段同时将训练数据的角度相关性与距离相关性考虑进来，较全面地挖掘了数据相关性特征。因此，本发明方法所建立的改进型PCA模型能更全面的描述正常数据的潜在特征，理应取得更好的故障检测效果。
-
公开(公告)号：CN106649202A
公开(公告)日：2017-05-10
申请号：CN201611181924.1
申请日：2016-12-07
申请人： 宁波大学
摘要： 本发明公开一种基于多样性变量加权PLSR模型的工业过程软测量方法，旨在改善传统PLSR模型用于工业过程软测量的效果。该发明方法主要针对传统PLSR模型用于软测量时两个方面的不足(即：未曾考虑各输入变量重要性差异以及如何建立多样化的PLSR软测量模型)，通过利用输入数据各测量变量间相关性大小的差异为不同变量赋予不同的权值，这不仅将各输入变量间相关性差异考虑进回归模型中，而且还实现了多样化数据特征的目的。之后，原始数据通过这种多样性变量加权后重新作为PLSR模型的输入数据，即可建立多样化的回归模型。最后，这些多样化回归模型对输出的估计值又再次作为PLSR模型的输入数据，从而进一步提升软测量模型的精度。总的来讲，该发明方法充分考虑了各输入测量变量相关性的差异对输出变量的影响，并利用多样化PLSR回归模型有效地提高软测量精度。
-
公开(公告)号：CN106250937A
公开(公告)日：2016-12-21
申请号：CN201610863430.5
申请日：2016-09-22
申请人： 宁波大学
IPC分类号： G06K9/62
CPC分类号： G06K9/627
摘要： 本发明公开一种基于非相似度指标的故障分类诊断方法，该方法旨在解决实际工业过程中实施故障分类诊断方法时面临的两个关键性问题：参考故障类型的可用训练样本数有限而不同故障的采样数据会在空间分布上存在重叠现象。该发明方法首先通过对每种参考故障类型进行特征变量选择，选择出该种故障最能区别于正常数据的特征变量。然后，利用特征变量两两对比在线故障数据窗口与各个参考故障数据窗口的分布非相似度，在线检测出的故障类型就对应于取得最小非相似度指标的参考故障类型。与传统分类诊断方法相比，本发明方法通过变量选择降低了变量维数，不仅大大减少了训练数据不充分的制约性，而且还能剔除非特征变量的“干扰”影响。此外，该方法通过窗口数据在空间分布上的相似匹配来实施故障诊断，能最大化地避免重叠数据的错分类情况。
-
-
-
-
-
-
-
-
-
搜索结果
173 条记录 (耗时 0.029 秒)
