-
公开(公告)号：CN119646657A
公开(公告)日：2025-03-18
申请号：CN202411702582.8
申请日：2024-11-26
Applicant: 华东理工大学 , 苏迈特智能科技(江苏)有限公司
IPC: G06F18/2415 , G06F18/2135 , G06F18/10 , G06F18/27
Abstract: 本发明公开一种基于动态和非动态多子空间划分的质量相关故障检测方法，旨在针对质量相关与质量无关的故障数据，引入数据的动态特征，研究质量相关故障检测模型的构建方式。本发明的主要核心是利用过程数据变量自身的时间相关性作为判据划分动态空间，再利用过程变量与质量变量的相关性划分相关与无关变量，在动态空间中对变量进行数据扩展，增强动态特征，针对质量相关变量使用弹性网络进行相关的故障检测，最终使用贝叶斯推理融合进行综合统计量的构建。此外，本发明方法在考虑模型效果的同时，还考虑了模型训练的鲁棒性。相较于其他方法，该发明方法可以更好更快地区分并检测质量相关与质量无关故障，并且获得更优的效果。可以说，本发明方法是一种更为优秀的质量相关故障检测方法。
-
公开(公告)号：CN116644377A
公开(公告)日：2023-08-25
申请号：CN202310552452.X
申请日：2023-05-16
Applicant: 华东理工大学
IPC: G06F18/25 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/084 , G01D21/02
Abstract: 本发明公开一种新的基于一维卷积‑堆叠自编码器的软测量方法，旨在针对高维带噪数据，研究构建软测量模型。本发明方法的主要核心是构建引入一维卷积的自动编码器(AE)模块，去除池化层并使用双步长的卷积层。将多个模块堆叠组成堆叠自编码器预训练，最小化模块输入和输出的重构误差并将参数提取保存。将网络连接全连接层，使用保存的参数初始化模型后微调以最小化输出和实际质量数据误差，从而完成软测量模型的构建。此外，本发明方法考虑到数据相关性的同时，还考虑到数据的局部特性，相较于其他传统的方法，该方法可以更好地处理高维带噪数据，并且获得更优的效果。可以说，本发明方法是一种更为优秀的软测量模型构建方法。
-
公开(公告)号：CN116644377B
公开(公告)日：2025-01-21
申请号：CN202310552452.X
申请日：2023-05-16
Applicant: 华东理工大学
IPC: G06F18/25 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/084 , G01D21/02
Abstract: 本发明公开一种新的基于一维卷积‑堆叠自编码器的软测量方法，旨在针对高维带噪数据，研究构建软测量模型。本发明方法的主要核心是构建引入一维卷积的自动编码器(AE)模块，去除池化层并使用双步长的卷积层。将多个模块堆叠组成堆叠自编码器预训练，最小化模块输入和输出的重构误差并将参数提取保存。将网络连接全连接层，使用保存的参数初始化模型后微调以最小化输出和实际质量数据误差，从而完成软测量模型的构建。此外，本发明方法考虑到数据相关性的同时，还考虑到数据的局部特性，相较于其他传统的方法，该方法可以更好地处理高维带噪数据，并且获得更优的效果。可以说，本发明方法是一种更为优秀的软测量模型构建方法。
-
Patent Agency Ranking
公开(公告)号：CN116305733A
公开(公告)日：2023-06-23
申请号：CN202211516723.8
申请日：2022-11-29
Applicant: 华东理工大学
IPC: G06F30/20 , G06F18/214 , G06F18/15 , G06F18/213 , G06F17/18
Abstract: 本发明公开尤其涉及一种基于全局和局部特征提取的质量相关故障检测方法，并在此基础上建立了质量相关故障检测模型。具体来讲，首先，为了提取工艺变量的全局‑局部结构信息，本发明提出了一种全局和局部特征提取方法。然后，基于典型相关分析方法建立质量变量和过程变量的回归关系，并进行后续建模。相比于传统的方法，本发明方法同时考虑了原始数据的全局和局部结构信息，增加了后续建模的精确性；并通过对回归系数矩阵执行SVD分解，得到两个正交的质量相关子空间和质量无关子空间，同时在控制限的设立上选择的是一种适用范围更广的核密度估计方法，是一种更优的质量相关故障检测方法。
-
公开(公告)号：CN119671368A
公开(公告)日：2025-03-21
申请号：CN202411719624.9
申请日：2024-11-28
Applicant: 华东理工大学 , 苏迈特智能科技(江苏)有限公司
IPC: G06Q10/0639 , G06F18/10 , G06F18/214 , G06F18/2135 , G06F17/16 , G06N5/04 , G06N7/01
Abstract: 本发明公开一种基于差分‑慢特征分析以及差分‑正交相关分析的动态质量相关监测方法，旨在针对质量相关与质量无关的故障数据，引入数据的动态特征，研究质量相关故障检测模型的构建方式。本发明的主要核心是利用过程数据变量自身的时间相关性作为判据划分动态空间，再利用过程变量与质量变量的相关性划分相关与无关变量，在动态空间中对变量进行数据扩展，针对质量相关变量使用正交典型相关分析法进行相关的故障检测，最终使用贝叶斯推理融合进行综合统计量的构建。此外，本发明方法在考虑模型效果的同时，还考虑了模型训练的鲁棒性。相较于其他方法，该发明方法可以更好更快地区分并检测质量相关与质量无关故障，并且获得更优的效果。可以说，本发明方法是一种更为优秀的质量相关故障检测方法。
-
公开(公告)号：CN118916667A
公开(公告)日：2024-11-08
申请号：CN202410918379.8
申请日：2024-07-10
Applicant: 华东理工大学
IPC: G06F18/213 , G06F18/214 , G06F18/23 , G06F18/25
Abstract: 本发明公开了一种基于多子空间划分的典型早期故障检测方法，旨在通过典型早期故障的历史工况划分过程变量，并在此基础上实施常规故障与早期故障的同步检测。具体来讲，首先，采用正常工况数据与难以检测的典型早期故障的历史数据计算相应变量间的KL散度，将各个早期故障的敏感变量划分至不同子空间；并对所有工况数据使用稀疏化互信息矩阵去除冗余变量，构成常规故障子空间；在各子空间中使用加权滑动窗口实现数据的增强，再通过NPE提取数据特征实现子空间故障检测；最终建立综合指标实施总体故障检测。相比于传统故障检测方法，本发明方法在保持常规故障检测率稳定的前提下，针对典型早期故障的检测效果明显提升，是一种更优的早期故障检测方法。
-
公开(公告)号：CN118735546A
公开(公告)日：2024-10-01
申请号：CN202410875502.2
申请日：2024-07-02
Applicant: 华东理工大学 , 南通市苏绿保绿色能源有限公司 , 苏迈特智能科技(江苏)有限公司
IPC: G06Q30/018 , G06F18/10 , G06F18/214 , G06N3/0442 , G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于人工智能的碳排放预测方法及系统，所述方法包括以下步骤：采集与碳排放相关参数的历史数据，对所述历史数据进行预处理，获得预处理数据；将所述预处理数据进行划分，获得训练集和验证集；构建初始碳排放预测模型，通过所述训练集对初始碳排放预测模型进行训练，获得训练模型；通过所述验证集验证所述训练模型，验证通过后获得碳排放预测模型，对所述碳排放预测模型进行优选，获得最优碳排放预测模型；基于所述最优碳排放预测模型进行碳排放预测。本发明以碳排放相关参数的历史数据作为预测参数，考虑到了未来各行业中影响碳排放的因素，使预测的碳排放数据更加精确。
-
公开(公告)号：CN116305733B
公开(公告)日：2024-05-07
申请号：CN202211516723.8
申请日：2022-11-29
Applicant: 华东理工大学
IPC: G06F30/20 , G06F18/214 , G06F18/15 , G06F18/213 , G06F17/18
Abstract: 本发明公开尤其涉及一种基于全局和局部特征提取的质量相关故障检测方法，并在此基础上建立了质量相关故障检测模型。具体来讲，首先，为了提取工艺变量的全局‑局部结构信息，本发明提出了一种全局和局部特征提取方法。然后，基于典型相关分析方法建立质量变量和过程变量的回归关系，并进行后续建模。相比于传统的方法，本发明方法同时考虑了原始数据的全局和局部结构信息，增加了后续建模的精确性；并通过对回归系数矩阵执行SVD分解，得到两个正交的质量相关子空间和质量无关子空间，同时在控制限的设立上选择的是一种适用范围更广的核密度估计方法，是一种更优的质量相关故障检测方法。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
