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

申请人： 中南大学

发明人： 黄科科 ,  李俊贤 ,  吴德浩 ,  阳春华 ,  桂卫华

IPC分类号： G05B19/418

摘要： 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：CN117930767A

公开(公告)日：2024-04-26

申请号：CN202311842194.5

申请日：2023-12-29

申请人： 中南大学

发明人： 黄科科 ,  李俊贤 ,  应新宇 ,  阳春华 ,  孙备 ,  刘卫平 ,  桂卫华

IPC分类号： G05B19/418

摘要： 本发明公开了一种基于云边协同和硬件在环仿真(HILS)的大型焙烧炉模拟装置，采用包括终端设备、边缘层设备和云服务器的云边协同架构；所述终端设备采用仿真器实现，包括：采用函数模型表示的焙烧过程仿真模型，将仿真模型输出的连续变量数据转换为符合工业标准电信号的虚拟传感器，将从边缘设备接收的控制信号转换为仿真模型输入控制量的虚拟执行器；所述边缘层设备包括虚拟数字机柜和真实的分布式控制系统；其中，虚拟数字机柜用于实现分布式控制系统的I/O功能以及数据存储。本发明对实际对象的还原度较高，对焙烧过程监测与控制算法的测试效果好。

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

申请人： 云南驰宏资源综合利用有限公司 ,  中南大学

发明人： 董家磊 ,  阳春华 ,  张云慧 ,  李俊贤 ,  吴德浩 ,  侯丰 ,  黄科科 ,  肖良珍 ,  李然 ,  蒋勇才 ,  张艳晶 ,  陈兴亚 ,  桂卫华

IPC分类号： G05B19/418

摘要： 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：CN116227353A

公开(公告)日：2023-06-06

申请号：CN202310219000.X

申请日：2023-03-08

申请人： 中南大学

发明人： 黄科科 ,  李俊贤 ,  吴德浩 ,  阳春华 ,  桂卫华 ,  周灿

IPC分类号： G06F30/27 ,  G06F17/16 ,  G06F17/15 ,  G06F18/214 ,  G06F119/04

摘要： 本发明公开了一种大型冶金焙烧炉的寿命预测方法，包括：获取焙烧炉整个历史生命周期退化过程中各变量的数据，形成初始数据集，对其预处理；选取风压比作为健康因子，从预处理后的数据集中获取鼓风量和风箱压力，计算得到健康因子HI；基于预处理后的数据集，对各变量与HI之间进行典型相关分析，优选部分变量作为特征变量；以所有特征变量共同作为输入变量，HI为输出变量，训练基于径向基核函数的HI映射模型；以HI和RUL分别为输入输出，训练RUL预测模型；获取当前时刻的特征变量数据并预处理，利用HI映射模型得到焙烧炉当前HI值，再输入至RUL预测模型得到焙烧炉剩余寿命。本发明实现大型冶金焙烧炉剩余寿命的实时在线预测。

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

申请人： 中南大学

发明人： 黄科科 ,  李俊贤 ,  吴德浩 ,  阳春华 ,  桂卫华

IPC分类号： G05B19/418

摘要： 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

申请人： 中南大学

发明人： 黄科科 ,  李俊贤 ,  阳春华 ,  吴德浩 ,  刘一顺 ,  周灿 ,  桂卫华

IPC分类号： G05B13/04

摘要： 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。