-
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
Applicant: 中国矿业大学
IPC: G05B13/04
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。
-
公开(公告)号：CN114384870A
公开(公告)日：2022-04-22
申请号：CN202111329913.4
申请日：2021-11-10
Applicant: 中国矿业大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于核局部线性嵌入PLS的复杂工业过程运行状态评价方法，包括离线建模、在线评价和非优原因追溯。首先使用KLLEPLS算法建立离线模型，该模型不仅能够提取与综合经济指标(CEI)相关性最大的特征，而且能够保持数据的局部非线性结构；然后针对过程强非线性关系提出一种新的在线评价方法，通过计算在线数据特征与离线建模数据特征之间的相似性，制定有效的评价规则，实现在线数据的实时评价；当评价结果非优时，根据提取的在线数据计算变量的贡献率，确定非优原因变量。本发明有效解决了现有评价方法在强非线性过程提取特征信息不全面的问题，从而使评价结果更准确，保障了生产产品的质量。
-
公开(公告)号：CN114021641A
公开(公告)日：2022-02-08
申请号：CN202111291000.8
申请日：2021-11-03
Applicant: 中国矿业大学
Abstract: 本发明公开了一种极大极小概率回归的正则化宽度学习系统，属于人工智能技术领域。本发明包括：获得训练数据，并通过特征映射和增强映射获得原始数据的高维特征，基于特征数据的均值和协方差信息得到预测精度满足误差要求的概率下限。在不存在随机误差分布假设的情况下，通过最大化所得到的概率下界来计算最终的输出权重。然后通过在损失函数中加入弹性网正则化来对输出权重进行进一步的约束，将l1范数和l2范数集成到一个统一的框架中。本发明改善了分布假设对所建立的宽度学习系统模型的泛化和有效性产生影响的问题，并且增强输出权值的稀疏性，控制模型的复杂性，提高了模型的泛化性和鲁棒性。
-
公开(公告)号：CN111679643B
公开(公告)日：2021-10-15
申请号：CN202010599839.7
申请日：2020-06-28
Applicant: 中国矿业大学
IPC: G05B19/418
Abstract: 一种基于过程迁移模型的间歇过程二阶修正自适应优化方法，将生产过程a、b的三维输入数据矩阵按照批次方向展开为二维输入数据矩阵Xa,Xb；对Xa,Xb按列进行标准化处理，对生产过程a和b的二维输出数据矩阵Ya,Yb进行标准化处理；利用Xa,Xb和Ya,Yb建立潜变量过程迁移模型；令i＝i+1，重复步骤三至步骤四直到提取出A个主元；提取出全部主成分；收集的生产数据信息；采用二阶修正自适应优化方法进行批次间优化；判断当前批次的输入数据与求得的下一批次的最优输入数据之差的范数是否小于预设阈值；过程输出；根据当前批次的最优输入数据和实际输出数据对所述潜变量过程迁移模型进行更新；对旧过程数据进行剔除；对第k+1个批次的优化操作。该方法能高效且显著的提升产品的最终质量和优化过程的效率。
-
公开(公告)号：CN111610768B
公开(公告)日：2021-03-19
申请号：CN202010523586.5
申请日：2020-06-10
Applicant: 中国矿业大学
IPC: G05B19/418
Abstract: 一种基于相似度多源域迁移学习策略的间歇过程质量预测方法，通过采集目标域和源域过程的输入输出数据，将多个源域旧过程和目标域新过程的三维输入数据按批次方向展开为二维数据矩阵，对所有过程的输入输出数据进行标准化；通过数据之间的欧式距离计算每个源域旧过程与目标域新过程的相似度，同时计算每个源域旧过程的样本数量，确定影响迁移效果的两个主要因素，基于这两个主要影响因素给出三个具体的选择和标准：拒绝迁移、择优单迁、多源集成迁移，在尽可能避免“负迁移”的同时，利用多个相似源域中旧流程的数据信息，减少数据资源的浪费，提高迁移学习的效率和灵活性，更好地协助并加速目标域中新过程的建模，从而提高质量预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111680846A
公开(公告)日：2020-09-18
申请号：CN202010547848.1
申请日：2020-06-16
Applicant: 中国矿业大学
Abstract: 一种基于L1和L2范数的简化宽度学习系统，具体方法如下：步骤1：获取训练输入数据 与训练输出数据 获取测试输入数据与测试输出数据其中，N1、N2分别为训练测试数据样本数目，T1、T2分别为输入和输出数据的维度；步骤2：构建宽度模型；步骤3：替换标准宽度学习系统目标函数 中的正则项以此作为新的目标函数，其中 步骤4：对于新的目标函数，采用增广拉格朗日乘子法迭代求解输出权重W；步骤5：根据公式 得到简化的宽度学习系统的输出Y；其中，Wm为连接特征节点层与增强节点层到输出层的权值整体，由W连接所得。该系统能有效简化宽度学习系统的网络结构，可有效去除与结果相关性低的节点，能适应复杂工业过程中相关指标的预测需求。
-
公开(公告)号：CN109902378A
公开(公告)日：2019-06-18
申请号：CN201910138294.7
申请日：2019-02-25
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多模型迁移和BMA理论的复杂工业过程低成本建模方法，属于工业生产过程构建性能预测模型技术领域。本发明利用拉丁超立方采集新工业过程建模的初始数据集；然后确定相似旧工业过程模型，利用贝叶斯模型平均理论评估旧工业过程模型对新工业过程建模的权重，得到旧工业过程的融合输出；最后通过多模型迁移策略迁移旧工业过程的有用信息并结合少量新工业过程数据完成新工业过程建模。同时设计了基于嵌套拉丁超立方设计的序贯实验采集新工业过程的最小建模数据集。本发明有效解决了复杂工业过程建模成本高、建模周期长的问题，降低了建模成本，加快了建模速度，提高了建模精度。
-
公开(公告)号：CN109635245A
公开(公告)日：2019-04-16
申请号：CN201811362948.6
申请日：2018-11-16
Applicant: 中国矿业大学
IPC: G06F17/18
CPC classification number: G06F17/18
Abstract: 一种鲁棒宽度学习系统，采集训练数据并对训练数据进行线性转换处理；由输入数据矩阵和增强节点矩阵求解扩展输入矩阵，再利用岭回归算法求解迭代初始的连接权重矩阵，再利用残差公式求解残差矩阵；利用核密度估计算法求得残差概率密度函数，再计算所有训练数据组成的权值矩阵；求解第k次迭代的连接权重矩阵，若相邻两步的输出权值的差的绝对值的最大值不大于设定的阀值，或迭代次数达到预设的最大迭代次数，迭代结束，鲁棒宽度学习系统停止模型的训练并建立鲁棒宽度学习系统模型。该系统能提高宽度学习系统的鲁棒性，能有效抑制离群点带来的对建模精度的不利影响的问题，便于建立鲁棒宽度系统模型，以适用于复杂工业过程中相关指标的预测。
-
公开(公告)号：CN105278520B
公开(公告)日：2018-09-21
申请号：CN201510369102.5
申请日：2015-06-29
Applicant: 中国矿业大学
IPC: G05B23/02
Abstract: 本发明公开一种基于T‑KPRM的复杂工业过程运行状态评价方法及其应用，方法结合了PRM和T‑KPLS二者的优点，进一步分解KPLS的高维主元子空间和残差子空间：将与输出有关的部分与输出无关的部分分离开来，将有较大残差的部分和最终噪声的部分分离开来；能准确提取出与输出相关的变量信息，便于掌握现场工业过程运行状态。方法的应用是建立运行状态的离线评价模型，引入滑动窗口技术，利用在线数据窗与相应评价等级之间的相似度进行复杂工业过程运行状态的在线评价。利用滑动数据窗与最优评价等级之间欧式距离，计算相应变量的贡献率，对运行状态非最佳因素进行识别，便于现场操作人员及时调整和改进生产策略，提高了生产效率。
-
公开(公告)号：CN120068571A
公开(公告)日：2025-05-30
申请号：CN202411637506.3
申请日：2024-11-15
Applicant: 中国矿业大学
IPC: G06F30/27 , G06N3/0442 , G06N3/049 , G06N3/08
Abstract: 一种基于联邦学习和LSTM的复杂工业过程积木式建模方法，根据已有的N个相似的工业过程，在工业过程运行的稳定范围内对其进行数据采样；同时，收集新的工业过程的新工业过程数据集；利用M个典型环节的mi组过程数据和LSTM神经网络分别训练对应典型环节的联邦学习模型，得到M个典型环节基础模型；根据新的工业过程所需的典型环节下载其相应的联邦学习模型并且利用新过程训练集对其进行本地微调；按照实际的工业流程，将典型环节的模型进行串行连接，以上一个典型环节的模型的输出以及其余外部输入作为下一个典型环节的输入，最终得到新的工业过程模型的输出。该方法可以有效的降低建模成本，加快建模速度，提高建模精度。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.024 seconds)
