-
公开(公告)号：CN118445694A
公开(公告)日：2024-08-06
申请号：CN202410544004.X
申请日：2024-05-06
Applicant: 中南大学
IPC: G06F18/2411 , G06F18/213 , G06F18/214 , G06F18/2415 , G06N3/04 , G06Q50/04
Abstract: 本发明公开了一种面向厂级知识安全迁移的无监督模型领域自适应方法，应用于目标域工厂对目标域模型进行训练，包括：获取源域工厂的源域模型，其特征提取器和分类器利用带标签的源域数据集训练得到；使用源域模型对目标域模型的特征提取器和分类器初始化；使用源域模型的特征提取器计算目标域样本的特征，构建特征库；将目标域模型的分类器的参数固定，并利用特征库分批次训练目标域模型；其中，在每批次训练更新完模型参数后，使用当前目标域模型的特征提取器重新计算当前训练批次样本的特征，更新特征库，再利用下一批次样本的特征库训练目标域模型。本发明在不需要源域数据参与的条件下实现了高精度的领域对齐。
-
公开(公告)号：CN116125923B
公开(公告)日：2024-06-21
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：CN117930649A
公开(公告)日：2024-04-26
申请号：CN202410000356.9
申请日：2024-01-02
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本发明公开了一种针对非平稳工业过程的故障监测方法和装置，方法包括：利用稀疏平稳投影矩阵对工业过程的多维观测变量进行稀疏线性组合构建多维度平稳源，并构建平稳源的监测统计指标；其中，稀疏平稳投影矩阵，采用平稳子空间分析方法并在优化问题中引入l2,p范数作为稀疏约束，并利用由多维观测变量构成的训练数据求解得到；根据每条训练数据，均计算平稳源的监测统计指标，并计算平稳源的控制限；在线监测阶段，根据实时观测数据计算平稳源的监测统计指标，并与控制限比较以完成故障检测；之后将每个观测变量对于监测统计指标的贡献值进行动态重构，通过比较重构贡献值的大小来确定故障变量。本发明可以实现高故障检测率以及精准确定故障位置。
-
公开(公告)号：CN117349799A
公开(公告)日：2024-01-05
申请号：CN202311287791.6
申请日：2023-10-08
Applicant: 中南大学
IPC: G06F18/28
Abstract: 本发明公开了一种基于元素感知字典持续学习的多工况工业过程智能监测方法与系统，主要包括两部分：持续学习新模态与在线监测。持续学习新模态，首先按顺序学习获得前N个模态时各自对应的最优字典和重要性矩阵；在此基础上，构建基于第N+1个模态监测数据重构误差和历史模态损失的目标函数，学习得到第N+1个模态时的最优字典；再利用该最新模态时的最优字典建立基于控制限的监测模型。在线监测，利用控制限对在线新数据进行监测，判断确定工业过程当前是否故障。本发明能够不断学习新模态同时保持对历史模态的记忆，克服传统过程监测方法在多模态情况下产生的“灾难性遗忘”问题，同时实现较高的监测水准。
-
公开(公告)号：CN117331316A
公开(公告)日：2024-01-02
申请号：CN202311629901.2
申请日：2023-12-01
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于知识引导神经网络的非线性过程控制方法和系统，其中方法包括：基于稀疏表示的方法提取非线性工业过程的系统结构知识：系统输入阶次、系统输出阶次和系统时延；按照提取的系统结构知识，构建具有相应输入神经元结构的前馈神经网络；利用系统输入输出训练数据训练构建的前馈神经网络得到系统预测模型；将训练好的系统预测模型作为模型预测控制策略中的预测模型，采用模型预测控制策略获得系统输入序列，并将序列第一项作用于工业过程系统。本发明通过提取系统结构知识，避免神经网络输入神经元冗余的问题，为工业过程的精确控制提供保证。
-
Patent Agency Ranking
公开(公告)号：CN116483135A
公开(公告)日：2023-07-25
申请号：CN202310304711.7
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: G05D23/20
Abstract: 一种锌冶炼焙烧过程温度稳定自动控制方法、装置及系统，所述焙烧炉包括焙烧炉体、设置在焙烧炉的皮带转速传感器、设置在焙烧炉的温度传感器、设置在焙烧炉的进料皮带秤、DCS系统，自动控制方法包括：采集焙烧炉运行的历史数据保存在数据库中，对历史数据预处理后辨识系统模型，设计模型预测控制算法的优化控制器，基于预测模型计算控制量Δµ直接写入DCS并作用于焙烧炉，以此循环。本发明提供了一种针对工业焙烧炉运行工况复杂多变的情况，通过预测模型更新以适配不同的工况、基于智能算法，预测未来运行状态并求解出精确最优控制量的自动控制方法、装置和系统，以替代人工输入控制指令，减少人为因素，提高焙烧炉温度控制的稳定性。
-
公开(公告)号：CN116088307A
公开(公告)日：2023-05-09
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，对工业过程快速精准的控制。
-
公开(公告)号：CN115562216A
公开(公告)日：2023-01-03
申请号：CN202211361347.X
申请日：2022-11-02
Applicant: 中南大学
IPC: G05B19/418
Abstract: 本发明公开了一种面向非平稳工业过程的故障诊断方法与系统，方法包括：获取非平稳工业过程的多维时间序列数据集，将其映射到平稳子空间；基于数据集的时序相关性，建立自表达约束项；在映射的平稳子空间，考虑数据集的自表达约束项，采用字典学习方法构建目标函数；并求解目标函数得到映射矩阵、字典和稀疏矩阵；利用映射矩阵和字典，计算数据集样本在平稳子空间的重构误差，并采用核密度估计方法计算控制限；在线获取非平稳工业过程数据，利用映射矩阵和字典计算在线样本在平稳子空间重构误差，并将其与控制限比较，根据比较结果判断工业过程当前是否故障。本发明能够准确地监测非平稳过程的运行状态，为工业过程安全生产提供保证。
-
公开(公告)号：CN115309045A
公开(公告)日：2022-11-08
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根据和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：CN115129029A
公开(公告)日：2022-09-30
申请号：CN202210765643.X
申请日：2022-07-01
Applicant: 中南大学
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。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.064 seconds)
