-
公开(公告)号：CN111914887A
公开(公告)日：2020-11-10
申请号：CN202010570613.4
申请日：2020-06-13
申请人： 宁波大学
发明人： 葛英辉 , 蓝艇 , 其他发明人请求不公开姓名
摘要： 本发明公开一种新型多模态化工过程异常状态检测方法，旨在发明出一种可以挖掘多模态之间相关特征的过程建模技术并将之应用于多模态化工过程异常状态检测。具体来讲，本发明首先根据多模态采样数据的两个特征：其一，多模态采样数据之间是存在相关性的；其二，多模态采样数据具备各自的独特性，来实施多模态化工过程异常状态检测；相比之下，多模态PCA方法为各个模态采样数据单独建立模型，只考虑到了各模态的独特性。其次，本发明方法分别利用相关特征成分和独立特征成分分别实施在线异常状态检测，较全面地利用了挖掘出的潜在特征；最后，通过具体的实施案例，对比验证了本发明在多模态的连续搅拌反应釜异常运行状态检测上的优越性。
-
公开(公告)号：CN111914471A
公开(公告)日：2020-11-10
申请号：CN202010570655.8
申请日：2020-06-13
申请人： 宁波大学
发明人： 蓝艇 , 其他发明人请求不公开姓名
摘要： 本发明公开一种基于快速核独立成分分析的精馏塔故障检测方法，旨在基本不影响KICA的故障检测效果的前提下，降低使用KICA方法实施故障检测时的在线计算量。具体来讲，本发明方法通过样本选择的方式从大量的训练样本数据中选择合适的样本数据来建立KICA模型，从而使在线的计算量得到大幅度的降低。本发明方法的优势在于：通过聚类算法筛选出具有代表性的聚类中心向量进行核矩阵与核向量的计算，从而大幅度提升了计算效率。此外，在利用基于距离的监测指标进行故障检测时，本发明方法没有完全抛弃未被选中的训练样本。从而起到了既降低在线计算量，又充分利用所有样本数据的作用。
-
公开(公告)号：CN111914210A
公开(公告)日：2020-11-10
申请号：CN202010570612.X
申请日：2020-06-13
申请人： 宁波大学
发明人： 蓝艇 , 其他发明人请求不公开姓名
摘要： 本发明公开一种基于相关特征分析的复杂化工过程状态监测方法，旨在发明出一种可对复杂多变的化工过程数据进行相关特征分析的策略，并基于复杂化工过程对象的相关特征分析实施复杂化工过程的状态监测。本发明方法的优势和特点在于：首先，本发明方法所涉及的相关特征分析，在均分训练数据矩阵的基础上就可以实现，不需要对复杂化工过程数据进行特别的分析。从这点上讲，本发明方法简单易操作。其次，本发明方法利用K阶近邻距离平方之和构造了一个不同的监测指标，从而将复杂化工过程数据的复杂多变性对监测结果的影响降到了最低。最后，通过具体的实施案例，对比验证了本发明是一种更为优越的复杂化工过程状态监测方法。
-
公开(公告)号：CN111913447A
公开(公告)日：2020-11-10
申请号：CN202010570614.9
申请日：2020-06-13
申请人： 宁波大学
发明人： 蓝艇 , 其他发明人请求不公开姓名
IPC分类号： G05B19/418
摘要： 本发明公开一种在线数据驱动的非线性化工过程监测方法，旨在使用核学习技巧为化工过程建立非线性模型后，再通过在线数据驱动优化搜寻最优投影变换向量，从而使用相应的特征成分实施在线过程监测。与传统方法相比，本发明方法摒弃了传统实施离线特征分析与提取的策略，改为根据在线数据去实时驱动特征分析任务，从而提取最适合于监测故障数据的特征成分。其次，通过接下来的具体的实施案例，验证本发明方法在监测连续搅拌反应釜这种常见化工过程对象运行状态上的优越性。
-
公开(公告)号：CN111912875A
公开(公告)日：2020-11-10
申请号：CN202010630152.5
申请日：2020-06-23
申请人： 宁波大学
发明人： 蓝艇 , 葛英辉 , 其他发明人请求不公开姓名
摘要： 本发明公开一种基于栈式Elman神经网络的分馏塔苯含量软测量方法。本发明方法通过参考栈式自编码器的组成结构，通过搭建由多级Elman神经网络串联而成的栈式Elman神经网络模型，从而实现对分馏塔过程数据的逐层非线性特征提取。并充分使用各级Elman神经网络的输出估计值来进一步回归预测苯含量，从而建立精度更高的分馏塔苯含量软测量模型。本发明方法不仅利用了Elman神经网络自有的适应时变特性的能力，而且还能逐层提取用于软测量苯含量的非线性特征。此外，本发明方法充分利用各级Elman神经网络提取的非线性特征，使用最小二乘回归进一步缩小软测量值与实际值之差。
-
公开(公告)号：CN111914477B
公开(公告)日：2022-04-19
申请号：CN202010630153.X
申请日：2020-06-23
申请人： 宁波大学
发明人： 葛英辉 , 朱莹 , 其他发明人请求不公开姓名
摘要： 本发明公开一种基于SAE的脱丁烷塔底部产品丁烷浓度实时监测方法，旨在解决如何避免信息丢失的情况下利用SAE逐层提取丁烷塔过程测量数据的非线性特征，并充分有效利用这些非线性特征对塔底部产品的丁烷浓度进行在线软测量问题。首先，本发明方法在训练模型时，各层自编码器的输入都使用了原过程数据，因此在特征提取的过程中避免了输入数据的信息丢失问题。其次，本发明方法将各层神经网络的隐层输出向量做为单层神经网络的输入，从而较全面的利用到了SAE提取的非线性特征。与传统方法相比，本发明方法在线监测脱丁烷塔底部产品丁烷浓度时，其实时软测量精度是能得到保障的。
-
公开(公告)号：CN111912638B
公开(公告)日：2021-12-21
申请号：CN202010570550.2
申请日：2020-06-13
申请人： 宁波大学
发明人： 蓝艇 , 其他发明人请求不公开姓名
摘要： 本发明公开一种在线故障根源识别的精馏塔故障诊断方法。在实施故障根源识别时，本发明方法摒弃使用前序的故障检测指标，取而代之的是构造一个最优的区分向量，使得在线被检测出的故障数据尽可能的远离正常工况数据，即可实现变量贡献度的最佳分析。与传统方法相比，本发明方法实施贡献度分析时，是不依赖固定的故障检测指标的，会根据不同的故障数据在线求解相对应的区分向量，具备较强的灵活性。此外，本发明方法在区分向量的基础上，通过重构贡献度的计算方式得到各个变量的贡献度，在区分向量的基础上进一步的利用了重构贡献度分析的优势。最后，在具体的实施案例中，通过贡献度的差异对比，验证了本发明方法相对于传统方法的优势。
-
公开(公告)号：CN112211795B
公开(公告)日：2021-08-20
申请号：CN202011142603.7
申请日：2020-10-13
申请人： 宁波大学
发明人： 方浩杰 , 葛英辉 , 其他发明人请求不公开姓名
IPC分类号： F03D17/00
摘要： 本发明公开一种基于单变量特征提取策略的风力发电机故障检测方法，实施数据驱动的风力发电机故障检测时，能实时提取出有利于分离故障的单变量特征，以实现实时检测风力发电机是否出现故障的目的。具体来讲，本发明方法通过在线即时特征提取，通过最优化的思想即时提取最有利于分离故障的单变量特征，并通过上下限范围判断来完成风力发电机的故障检测任务。本发明方法针对不同时刻的样本数据实时计算出对应的投影变换向量，从而可以提取出能最大区分出与正常数据间差异的单变量特征。因此，在风力发电机正常工况数据充裕的情况下，本发明方法能及时的根据采样数据实时检测出风力发电机的故障。
-
公开(公告)号：CN113216143A
公开(公告)日：2021-08-06
申请号：CN202110311735.6
申请日：2021-03-24
申请人： 宁波大学
摘要： 本发明公开了一种复合桩及其施工方法，该复合桩包括多块短排水板、多块长排水板和多根预制桩，多块短排水板和多块长排水板均为普通塑料排水板，每根预制桩的桩周绑扎固定有若干长排水板，每块长排水板沿每根预制桩的轴向设置，多块短排水板和多根预制桩分别间隔插设在深厚超软土地基中，多块短排水板和多块长排水板的上端面分别与深厚超软土地基的地表齐平且其上端分别与一真空泵相连。本发明将长排水板绑与预制桩刚性桩绑扎在一起，在沉桩的过程中长排水板不会弯折，真空预压排水固结加固效果好，地基处理效果好。本发明施工方法的优点：施工工序少，施工便捷，节省工期；减少砂用量，节约成本；排水固结效率高，缩短深厚超软土地基治理时间。
-
公开(公告)号：CN112211795A
公开(公告)日：2021-01-12
申请号：CN202011142603.7
申请日：2020-10-13
申请人： 宁波大学
发明人： 方浩杰 , 葛英辉 , 其他发明人请求不公开姓名
IPC分类号： F03D17/00
摘要： 本发明公开一种基于单变量特征提取策略的风力发电机故障检测方法，实施数据驱动的风力发电机故障检测时，能实时提取出有利于分离故障的单变量特征，以实现实时检测风力发电机是否出现故障的目的。具体来讲，本发明方法通过在线即时特征提取，通过最优化的思想即时提取最有利于分离故障的单变量特征，并通过上下限范围判断来完成风力发电机的故障检测任务。本发明方法针对不同时刻的样本数据实时计算出对应的投影变换向量，从而可以提取出能最大区分出与正常数据间差异的单变量特征。因此，在风力发电机正常工况数据充裕的情况下，本发明方法能及时的根据采样数据实时检测出风力发电机的故障。
-
-
-
-
-
-
-
-
-
搜索结果
47 条记录 (耗时 0.031 秒)
