-
公开(公告)号：CN117115587A
公开(公告)日：2023-11-24
申请号：CN202311078685.7
申请日：2023-08-25
Applicant: 中南大学
IPC: G06V10/774 , G06V10/40 , G06V10/82 , G06V10/42 , G06V20/40
Abstract: 本发明公开了一种基于GDNN的工业视频全局稀疏对抗样本生成方法和设备，方法：获取良性的工业视频样本输入至GDNN；通过可控攻击成本和预设概率分布分别对GDNN两个分支解码器的输出处理，学习获得扰动强度矩阵和扰动位置矩阵，用于对良性视频样本扰动叠加处理得到全局稀疏对抗样本；将得到的全局稀疏对抗样本输入至视频识别模型，并根据识别结果和真实标签计算对抗损失，再考虑扰动位置的优化损失得到样本损失；最终基于所有样本损失训练GDNN得到对抗样本生成模型，用于对未知的工业视频样本进行处理，生成对应的全局稀疏对抗样本。本发明提高了对抗生成样本的全局稀疏性，降低扰动像素修改需求，从而节省通信资源。
-
公开(公告)号：CN116257026A
公开(公告)日：2023-06-13
申请号：CN202310304587.4
申请日：2023-03-27
Applicant: 云南驰宏资源综合利用有限公司 , 中南大学
IPC: G05B19/418
Abstract: 本发明公开了一种焙烧炉数字化智能运行监控系统及方法，属于冶金领域，所述的焙烧炉数字化智能运行监控系统包括数据管理层、应用层、DCS控制系统，所述的数据管理层包括实时数据采集模块、数据库、控制指令下发模块，所述的数据管理层采集焙烧炉的实时数据，并进行存储，应用层对监控系统进行数据进行可视化限时，并自动计算出需要设置的各项数据，自动写入DCS控制系统。本发明采用模块化设计思路，有效保障控制、监测等应用模块的独立运行，在添加新的智能应用时，无需对底层通讯模块进行重新设计。
-
公开(公告)号：CN115129029B
公开(公告)日：2024-07-16
申请号：CN202210765643.X
申请日：2022-07-01
Applicant: 中南大学
IPC: G05B23/02 , G06F18/28 , G06F18/214 , G06F18/24
Abstract: 本发明公开了一种基于子领域适配字典学习的工业系统故障诊断方法和系统，方法：S1，利用具有标签的源域工况数据初始训练故障分类器，使用初始训练得到的故障分类器对目标域工况数据初始化伪标签；S2，利用源域工况数据和目标域工况数据，构建目标函数进行迁移字典学习；所述目标函数引入LMMD距离度量源域和目标域之间的子领域差异；S3，利用源域工况数据的稀疏表示重新训练故障分类器，并对目标域工况数据的稀疏表示进行分类概率预测，使用分类预测概率值更新目标域工况数据的伪标签；S4，重复S2和S3，直到迭代结束，此时的目标域伪标签中预测概率最大的类别即为对目标域工况下的故障诊断结果。本发明能够准确的进行工业过程跨域故障诊断。
-
公开(公告)号：CN118012009A
公开(公告)日：2024-05-10
申请号：CN202410154102.2
申请日：2024-02-04
Applicant: 中南大学
IPC: G05B23/02
Abstract: 本发明公开了一种面向标签噪声数据的工业系统工况识别方法和系统，其中方法包括：将包括标签噪声的工业系统样本数据建模为图结构，图结构中使用节点表示样本数据，节点之间的连接表示对应样本数据之间的相似性程度；在离线阶段，首先利用优化图结构对标签噪声进行自校正和标签传播，然后利用校正之后的标签信息对图结构进行迭代优化，在迭代过程中完成对字典的训练和工况识别分类器的训练；在线测试的时候，利用训练得到的字典获得在线数据的稀疏编码，使用训练得到的工况识别分类器并根据稀疏编码对当前工况进行识别分类。本发明能够克服标签噪声对工业系统工况识别的不利影响，实现对工业系统鲁棒的监测效果。
-
公开(公告)号：CN117953274A
公开(公告)日：2024-04-30
申请号：CN202311842188.X
申请日：2023-12-29
Applicant: 中南大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06F18/214 , G06F18/2433
Abstract: 本发明公开了一种基于多中心深度度量学习的轮型识别方法与智能运维系统，方法包括：搭建多中心深度度量学习模型框架，包括特征提取模块、异常检测模块、分类模块；特征提取模块提取轮型图像的特征；分类模块根据特征分类和构建分类损失；异常检测模块根据聚合特征构建多中心损失及计算各中心的控制限；基于分类损失和多中心损失训练多中心深度度量学习模型；要对轮型测试样本进行识别时：异常检测模块进行异常检测，分类模块进行已知类别的分类预测，综合异常检测和分类预测的结果输出决策向量。本发明方法可提高轮型识别精度，运维系统可以根据每日生产计划的进行小批量类别模型的动态部署与实时迭代，实现轻量级高精度轮型识别服务。
-
Patent Agency Ranking
公开(公告)号：CN117909865A
公开(公告)日：2024-04-19
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：CN117872761A
公开(公告)日：2024-04-12
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：CN116125923A
公开(公告)日：2023-05-16
申请号：CN202310024018.4
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混合变量字典学习的混杂工业过程监测方法和系统，方法：获取混杂工业过程混合变量的历史监测数据构建训练数据集；构建离散字典以获得离散数据集的标签矩阵；采用LC‑KSVD方法构建优化问题，求解连续字典、线性变换矩阵、分类器参数和稀疏编码；计算每个样本的连续变量数据和离散变量数据的重构误差，及重构阈值；在线获取实时监测数据，根据连续字典计算其连续变量的稀疏编码，并计算连续变量和离散变量的重构误差；将两种变量数据的重构误差分别与对应阈值比较，判断两类变量各自是否出现数据异常，判断混杂工业过程当前状况。在缺乏先验知识导致数据的分布情况未知时，本发明仍能更全面地识别出工业过程各种故障。
-
公开(公告)号：CN116125922A
公开(公告)日：2023-05-16
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：CN115469540A
公开(公告)日：2022-12-13
申请号：CN202210895009.8
申请日：2022-07-28
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于终身字典学习的多模态工业过程监测方法和装置，方法为：收集工业过程第1个模态的数据集，使用第1个模态的数据集学习获得初始字典；收集工业过程第n个模态的数据集，使用第n个模态的数据集和已从之前n‑1个模态数据集学习得到的字典，学习获得对当前所有n个模态的字典，记为终身字典；使用终身字典计算第n个模态每个数据的重构误差，并拟合概率密度函数，再根据预设的置信度计算重构误差的控制限；当在线接收到工业过程任意模态的数据时，使用终身字典计算该数据的重构误差，将得到的重构误差与控制限对比以确定工业过程当前是否故障。本发明可以实现对有新模态不断出现的工业过程的监测。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.158 seconds)
