-
公开(公告)号：CN116028783B
公开(公告)日：2023-06-20
申请号：CN202310323507.X
申请日：2023-03-30
申请人： 北京科技大学 , 鞍钢集团朝阳钢铁有限公司
IPC分类号： G06F18/15 , G06F18/213 , G06F18/2411
摘要： 本发明涉及工业过程故障检测技术领域，特别是指一种基于过程数据的带钢热连轧微小故障实时检测方法及装置，方法包括：获取带钢热连轧过程数据；通过小波变换原理，对带钢热连轧过程数据进行预处理，得到训练数据，预处理包括降噪处理以及标准化处理；基于训练数据训练初始CVDA状态空间模型，得到典型变量差异数据CVD；利用典型变量差异数据CVD训练初始SVDD模型，得到训练好的CVDA‑SVDD模型；将带钢热连轧过程的待检测数据输入到训练好的CVDA‑SVDD模型，判断带钢热连轧过程是否发生微小故障。采用本发明，可以提高微小故障检测率、降低微小故障检测延迟时间，改善故障检测效果。
-
公开(公告)号：CN115994337B
公开(公告)日：2023-05-23
申请号：CN202310293653.2
申请日：2023-03-24
申请人： 北京科技大学 , 鞍钢集团朝阳钢铁有限公司
IPC分类号： G06F18/2433 , G06F18/214 , G06F18/25 , G06N5/04 , G06N7/01 , G07C3/00 , G07C3/14 , G06F123/02
摘要： 本发明提供一种带钢热连轧非平稳过程微小故障检测方法及装置，属于工业过程监测技术领域。所述方法包括：将测试数据划分为平稳变量和非平稳变量测试数据；将非平稳变量测试数据输入到训练好的CA子模型，得到非平稳变量的平稳残差序列，将其与平稳变量测试数据进行结合后输入到训练好的CVDA子模型，得到状态、残差和差异3个子空间的测试数据；将各子空间的数据输入到训练好的SFA子模型，得到慢特征，进而使用孤立森林确定各子空间的局部、全局统计量以及全局控制限，进而判断带钢热连轧过程是否存在微小故障。采用本发明能够解决非平稳过程故障检测中变量非平稳趋势严重、微小故障难以检测且耗时长，以及特征提取对数据进行高斯分布假设限制的问题。
-
公开(公告)号：CN116028783A
公开(公告)日：2023-04-28
申请号：CN202310323507.X
申请日：2023-03-30
申请人： 北京科技大学 , 鞍钢集团朝阳钢铁有限公司
IPC分类号： G06F18/15 , G06F18/213 , G06F18/2411
摘要： 本发明涉及工业过程故障检测技术领域，特别是指一种基于过程数据的带钢热连轧微小故障实时检测方法及装置，方法包括：获取带钢热连轧过程数据；通过小波变换原理，对带钢热连轧过程数据进行预处理，得到训练数据，预处理包括降噪处理以及标准化处理；基于训练数据训练初始CVDA状态空间模型，得到典型变量差异数据CVD；利用典型变量差异数据CVD训练初始SVDD模型，得到训练好的CVDA‑SVDD模型；将带钢热连轧过程的待检测数据输入到训练好的CVDA‑SVDD模型，判断带钢热连轧过程是否发生微小故障。采用本发明，可以提高微小故障检测率、降低微小故障检测延迟时间，改善故障检测效果。
-
公开(公告)号：CN115994337A
公开(公告)日：2023-04-21
申请号：CN202310293653.2
申请日：2023-03-24
申请人： 北京科技大学 , 鞍钢集团朝阳钢铁有限公司
IPC分类号： G06F18/2433 , G06F18/214 , G06F18/25 , G06N5/04 , G06N7/01 , G07C3/00 , G07C3/14 , G06F123/02
摘要： 本发明提供一种带钢热连轧非平稳过程微小故障检测方法及装置，属于工业过程监测技术领域。所述方法包括：将测试数据划分为平稳变量和非平稳变量测试数据；将非平稳变量测试数据输入到训练好的CA子模型，得到非平稳变量的平稳残差序列，将其与平稳变量测试数据进行结合后输入到训练好的CVDA子模型，得到状态、残差和差异3个子空间的测试数据；将各子空间的数据输入到训练好的SFA子模型，得到慢特征，进而使用孤立森林确定各子空间的局部、全局统计量以及全局控制限，进而判断带钢热连轧过程是否存在微小故障。采用本发明能够解决非平稳过程故障检测中变量非平稳趋势严重、微小故障难以检测且耗时长，以及特征提取对数据进行高斯分布假设限制的问题。
-
公开(公告)号：CN117428011A
公开(公告)日：2024-01-23
申请号：CN202311381737.8
申请日：2023-10-23
申请人： 北京科技大学顺德创新学院 , 北京科技大学
摘要： 本发明公开了一种轧制过程精轧机组的分布式数据驱动故障检测方法及系统，涉及工业轧钢过程的故障检测技术领域，该方法包括：对精轧机正常运行时的过程变量进行采集并存储；获取由精轧机各机架的压磁传感器组成的传感器网络通信拓扑结构；考虑相邻传感器节点间的数据传输，应用改良后的平均一致性算法来实现最优的分布式故障检测；其中，所述改良后的平均一致性算法包括分布式训练阶段和分布式检测阶段；所述改良后的平均一致性算法通过在分布式训练阶段确定分布式检测阶段所需执行一致性算法迭代的步数，减小检测阶段的检测延迟。采用本发明可有效解决轧钢过程精轧阶段分布式故障检测由于检测延迟而带来的检测性能下降问题。
-
公开(公告)号：CN118644134A
公开(公告)日：2024-09-13
申请号：CN202410709992.9
申请日：2024-06-03
申请人： 北京科技大学
IPC分类号： G06Q10/0639 , G06Q50/04 , G06N3/0442 , G06N3/08
摘要： 本发明提供一种烧结过程质量异常溯源方法，涉及烧结工艺技术领域。所述方法包括建立提取烧结过程质量的平稳特征模块，通过收集的正常的烧结过程数据作为训练集，对提取烧结过程质量的平稳特征模块进行训练得到训练集的平稳分量及其协方差矩阵，FeO含量预测子模块根据训练集的平稳分量得到FeO含量的预测值；将在线监测的烧结过程数据作为样本集，根据基于孪生神经网络的平稳特征提取子模块对样本集进行处理，得到样本集的平稳分量；根据样本集的平稳分量及协方差矩阵，判断样本集是否存在异常数据，若存在异常数据，则绘制贡献图，本发明考虑了烧结过程数据的非平稳性、非线性以及非高斯性，提取出与FeO含量相关的平稳特征，改善了故障检测性能。
-
公开(公告)号：CN117235389B
公开(公告)日：2024-09-03
申请号：CN202311101190.1
申请日：2023-08-29
申请人： 北京科技大学
IPC分类号： G06F16/957 , B21B1/26 , H04L67/02 , H04L69/16 , H04L67/12
摘要： 本发明提供一种热连轧过程的实时数据回放方法及系统，涉及数据回放仿真技术领域，包括：建立TCP客户端与TCP服务器端之间的数据通信连接；TCP服务器端将热连轧过程数据传输至TCP客户端；TCP客户端接收热连轧过程数据，根据用户需求将热连轧过程数据送至pSpace数据库和前端Web网页进行展示，完成热连轧过程的实时数据回放。本发明的方法和系统基于带钢热连轧过程常见工序，模拟实际生产过程中工业实时数据的现场传输，仿真实现热连轧过程中数据从产生到传输以及最终实时可视化显示的数据回放过程。
-
公开(公告)号：CN117891214A
公开(公告)日：2024-04-16
申请号：CN202311842331.5
申请日：2023-12-28
申请人： 北京科技大学
IPC分类号： G05B19/418
摘要： 本发明涉及工业过程监测技术领域，特别是指一种云边端协同下热连轧过程监测与故障诊断方法及装置，方法包括：在端侧平台上完成实时数据的采集、预处理与关键变量筛选；在边侧平台上，利用各工序对应的多维完备数据构建质量监测模型，实现对各批次过程的实时质量监测；在云侧平台上，充分利用边侧质量监测模型、各工序知识和能耗计算机理，构建各采样时刻能耗监测和单批次能耗预测模型；通过云边协同技术和联邦学习等方法，实现层次化的多性能指标协同统一，完成质量与能耗协同下动态性能实时监测、预测与时空诊断。本发明更好地了解生产过程中的问题，并及时采取相应的措施进行改进和优化。也为生产过程中的能效管理和质量控制提供了有力的支持。
-
公开(公告)号：CN117724415A
公开(公告)日：2024-03-19
申请号：CN202311675899.2
申请日：2023-12-07
申请人： 北京科技大学
IPC分类号： G05B19/418
摘要： 本发明公开了一种融合数据与知识的带钢热连轧过程故障诊断方法及装置，属工业过程监测领域，该方法包括：在数字主线侧，对各工序历史数据和在线数据进行预处理；在云侧，使用预处理后的历史数据训练各工序对应的慢特征分析SFA模型，得到各工序历史数据的慢特征，从而计算统计量并确定控制限，之后将SFA模型参数和控制限下发到边侧；在边侧，将预处理后的在线数据传输到相应工序的SFA模型，得到在线数据的慢特征并计算统计量，若当前工序计算出的统计量大于控制限，则判定带钢热连轧过程该工序发生故障；此时通过溯源确定故障根因。采用本发明可解决带钢热连轧过程跨层级通信困难、数据漂移严重、故障根因分析难、隐性知识挖掘难的问题。
-
公开(公告)号：CN116904673A
公开(公告)日：2023-10-20
申请号：CN202310721580.2
申请日：2023-06-16
申请人： 北京科技大学
IPC分类号： C21B5/00 , C21B7/24 , G06F18/213 , G06F18/214 , G06F123/02
摘要： 本发明提供一种基于平稳特征提取的高炉异常炉况检测方法，属于高炉冶炼技术领域。所述方法包括：建立不同时间段正常炉况下的历史数据的高斯混合模型；基于建立的高斯混合模型，通过最小化不同时间段特征分布的差异性，构造特征提取矩阵提取平稳特征；建立平稳特征的高斯混合模型，并分别在每个组分下构造基于Mahalanobis距离的检测统计量；根据置信度水平利用正常炉况下的历史数据确定每个组分下检测统计量的阈值；利用特征提取矩阵计算待检测样本的平稳特征；判断所述平稳特征所属高斯混合模型的组分，并计算相应的检测统计量；若检测统计量大于对应组分下检测统计量的阈值，则判定为异常炉况。采用本发明，能够有效检测出高炉异常炉况。
-
-
-
-
-
-
-
-
-
搜索结果
91 条记录 (耗时 0.04 秒)
