-
公开(公告)号：CN113238543A
公开(公告)日：2021-08-10
申请号：CN202110402603.4
申请日：2021-04-14
Applicant: 东北大学
Abstract: 本发明面向呈现多模态特性的实际工业过程，通过模态划分、离线建模、在线监测三个步骤实现对多模态过程的故障监测。包括：步骤S1、基于变长度滑动窗口均值‑增广迪基福勒检验方法进行模态划分；步骤S2、着眼于常被忽视的过渡模态，使用动态局部主成分分析法对不同模态分别建模；步骤S3、充分利用历史模态，并提出模态匹配方法，确定当前在线数据所处的模态，从而进行准确的监测。本发明能够准确有效的完成多模态过程的划分、建模和在线监测一系列工作。对提高生产安全性、确保企业经济效益和生产效益具有重要意义。
-
公开(公告)号：CN111815065A
公开(公告)日：2020-10-23
申请号：CN202010705130.0
申请日：2020-07-21
Applicant: 东北大学
Abstract: 本发明提供一种基于长短时记忆神经网络的短期电力负荷预测方法，包括1)采集电力负荷历史数据和气象历史数据，构建历史数据集；2)采用集成经验模态分解法，对电力负荷历史序列进行分解；3)计算每个分量的样本熵值并进行分组；4)构建每个分组的最优预测模型；5)确定预测模型的输入；6)累加各个最优预测模型的预测值得到最终的电力负荷预测值。本发明结合集成经验模态分解和长短时记忆神经网络模型对短期电力负荷进行预测，可以实现准确、实时、可靠的预测效果，具有很好的适用性和有效性，可以被广泛地应用在短期电力负荷预测中。
-
公开(公告)号：CN108762238A
公开(公告)日：2018-11-06
申请号：CN201810622817.0
申请日：2018-06-15
Applicant: 东北大学
IPC: G05B23/02
CPC classification number: G05B23/0243 , G05B2219/24065
Abstract: 本发明属于湿法冶金浸出过程的故障诊断技术领域，尤其涉及一种基于DCD的湿法冶金浸出过程故障诊断方法。基于DCD的浸出过程故障诊断方法，主要面向湿法冶金的浸出工艺过程，通过提取专家知识和过程数据中的信息作为先验信息建立动态因果图知识库，在观测到异常情况后进入推理诊断机制，以异常情况为证据计算出各可能故障原因的后验概率，比较后验概率得到诊断结果。此算法主要包括浸出过程DCD事件确定、DCD结构学习、DCD参数学习和DCD在线过程故障诊断等步骤。本发明利用DCD故障诊断技术处理在浸出过程中信息的不确定性，一定程度减小了诊断技术对大量数据的依赖性，可以带来更准确的诊断结果，确保企业经济效益和生产效益。
-
公开(公告)号：CN104298187A
公开(公告)日：2015-01-21
申请号：CN201410258082.X
申请日：2014-06-12
Applicant: 东北大学
IPC: G05B19/418 , G06F19/00 , H04L29/06
CPC classification number: Y02D50/10 , Y02P90/02 , G05B19/41875
Abstract: 金湿法冶金全流程三层结构过程监测及故障诊断方法，通过对金湿法冶金全流程分层、分块建立监测模型，实现从不同的视角——从底层到上层，从局部到整体对金湿法冶金各个层面的运行状态进行监测，并对异常工况进行故障诊断，为实际生产过程提供有价值的指导建议。算法包括建立全流程三层结构监测离线模型、估计子工序和全流程的统计量控制限、在线计算新数据的统计指标、实施监测及故障诊断等步骤。本发明提供了一种确保了生产过程安全运行的有效方法，对于提高生产安全性、提高生产效率、降低事故发生率、提高企业竞争力具有重要意义。
-
公开(公告)号：CN119862498A
公开(公告)日：2025-04-22
申请号：CN202411921114.X
申请日：2024-12-25
Applicant: 东北大学 , 矿冶科技集团有限公司
IPC: G06F18/2431 , G06F18/2415 , G06F18/22 , G06N3/0464 , G06N3/084 , G06Q50/04
Abstract: 本发明提供了一种基于相似性一致关系的工业过程零样本故障诊断方法，涉及故障诊断与分类技术领域，本发明从故障间的相似性角度出发，一方面，深度挖掘专家对故障的认识，基于知识层面构建故障类别间的相似性；另一方面，利用已见类故障数据训练模型，在数据层面提取已见类故障的数据特征，从多个角度量化故障特征间的相似程度。通过求解一组一致性参数，构建故障从知识相似性到数据相似性的映射。通过这一映射，不仅能够利用数据层面的相似性度量实现对知识层面抽象、综合的相似性关系的具体解释，并且能够有效地支持未见类故障的诊断。
-
Patent Agency Ranking
公开(公告)号：CN115861193A
公开(公告)日：2023-03-28
申请号：CN202211457222.7
申请日：2022-11-21
Applicant: 东北大学 , 紫金矿业集团股份有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464 , G06N3/045 , G06N3/0499
Abstract: 本发明涉及一种基于多源异构信息的浮选过程运行状态评价方法，所述方法包括：S1、分别对在线采集的泡沫图像和泡沫数据进行预处理，获取预处理后的泡沫图像和泡沫数据；S2、分别将预处理后的泡沫图像和泡沫数据输入训练的ResNet‑SSPAE‑AM评价模型中，训练的ResNet‑SSPAE‑AM评价模型输出浮选过程运行状态的状态等级标签；所述训练的ResNet‑SSPAE‑AM评价模型包括残差网络ResNet、SSPAE网络模型以及AM网络结构；其中，所述残差网络ResNet、SSPAE网络模型分别与所述AM网络结构连接；S3、基于所述状态等级标签，确定当前浮选过程运行状态的具体的状态等级。
-
公开(公告)号：CN113238543B
公开(公告)日：2022-09-23
申请号：CN202110402603.4
申请日：2021-04-14
Applicant: 东北大学
IPC: G06F17/10
Abstract: 本发明面向呈现多模态特性的实际工业过程，通过模态划分、离线建模、在线监测三个步骤实现对多模态过程的故障监测。包括：步骤S1、基于变长度滑动窗口均值‑增广迪基福勒检验方法进行模态划分；步骤S2、着眼于常被忽视的过渡模态，使用动态局部主成分分析法对不同模态分别建模；步骤S3、充分利用历史模态，并提出模态匹配方法，确定当前在线数据所处的模态，从而进行准确的监测。本发明能够准确有效的完成多模态过程的划分、建模和在线监测一系列工作。对提高生产安全性、确保企业经济效益和生产效益具有重要意义。
-
公开(公告)号：CN111915092A
公开(公告)日：2020-11-10
申请号：CN202010799486.5
申请日：2020-08-11
Applicant: 东北大学
Abstract: 本发明提供一种基于长短时记忆神经网络的超短期风电功率预测方法。首先获取历史样本数据、预测日样本数据，然后计算历史日内各因素与预测日内对应因素的关联系数，其次计算各影响因素在风电功率影响因素中所占权重，通过计算历史日与预测日的相似度，得到相似样本数据作为训练数据，最后采用LSTM模型对预测日的风电功率进行预测；本发明对训练数据进行了筛选，选择与预测日的样本数据相似度大的数据作为训练数据，有利于增强建模数据的相似性，进而提高模型的准确性，采用LSTM模型作为训练模型，可以达到充分考虑风电功率的时序性、非线性的目的。
-
公开(公告)号：CN107169658B
公开(公告)日：2020-09-15
申请号：CN201710350739.9
申请日：2017-05-18
Applicant: 东北大学
Abstract: 本发明提供一种基于可信度的湿法冶金浓密机的故障诊断方法，包括：获取湿法冶金浓密机的在线变量；根据在线变量，确定每一变量的模糊维度；模糊维度为预先建立的专家规则库中的规则前件包括的模糊概念对应的维度；针对每一个变量及该变量的模糊维度，采用模糊隶属度函数获取该变量所属模糊维度的可信度；基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析，得到故障结论可信度；将故障结论可信度与预设阈值进行比较，获取故障结果。上述方法可以预先获取专家或操作人员的诊断经验对应的规则，并对当前的在线变量进行故障诊断，以便根据故障诊断结果及时调整，进而有效降低事故发生率，提高生产安全性。
-
公开(公告)号：CN107563656B
公开(公告)日：2020-06-16
申请号：CN201710813336.3
申请日：2017-09-11
Applicant: 东北大学
Abstract: 本发明涉及一种金湿法冶金氰化浸出过程运行状态的评价方法，包括如下步骤：S1、数据收集：采集金湿法冶金氰化浸出过程中的过程变量；S2、数据处理：对获得的定性变量和定量变量数据进行建模处理；S3、评价模型的建立：利用处理后的定性变量与定量变量的数据，拟合每一个运行状态等级数据的概率密度函数，建立高斯混合模型；S4、过程运行状态的在线评价：采集实时生产数据，根据所建立的所述高斯混合模型，利用贝叶斯理论，得到运行状态处于各等级的后验概率，再根据最大后验概率原则，判断当前运行状态等级。本发明方法充分利用可定量测量和定性估计的变量信息，对过程运行状态进行在线评价，使生产过程更加高效，确保企业经济效益。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.026 seconds)
