-
公开(公告)号：CN116956232A
公开(公告)日：2023-10-27
申请号：CN202310895864.3
申请日：2023-07-20
Applicant: 华东理工大学
IPC: G06F18/27 , G06F18/214 , G06F17/16 , G06F17/18 , G06F18/213
Abstract: 本发明公开尤其涉及一种基于邻域保持嵌入回归算法的质量相关故障检测算法，并在此基础上建立了质量相关故障检测模型。首先，基于邻域保持嵌入算法提取出数据的有效流形特征信息。然后，为了表征过程变量对质量变量的变化趋势，本发明在基于邻域保持嵌入算法提取特征信息的基础之上，建立特征空间与质量指标的回归关系。相比于传统的方法，本发明克服了传统邻域保持嵌入算法提取特征时无法衡量输入变量和输出变量关系的缺点；通过对回归系数的协方差矩阵执行特征值分解，得到质量相关和无关子空间，进而在相应子空间建立统计量并估计各统计量的控制限，解决了邻域保持嵌入算法不考虑质量变量的缺点，是一种更优的质量相关故障检测方法。
-
公开(公告)号：CN116597266A
公开(公告)日：2023-08-15
申请号：CN202310654654.5
申请日：2023-06-02
Applicant: 华东理工大学
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种新的基于图像融合与改进yolov5的低光照场景下目标检测方法，旨在针对低光照场景下，提取更多的图像特征，提高目标检测的精确度。本发明方法的核心是引入红外图像，结合红外图像不受光照条件影响的优点，以提供更多的图像特征，将可见光图像和红外图像进行融合，使得融合后的图像具有可见光图像和红外图像的优点，而后将融合好的图像使用YOLOv5目标检测算法进行模型训练，考虑到模型的参数量过多，计算量大，本发明在YOLOv5模型的基础上，引入Ghost网络，减少模型的参数量，相较于其他传统的方法，该方法可以更好地在低光照场景下进行目标检测，并且获得较高的精确度。可以说，本发明方法是一种更为优选的低光照场景下的目标检测方法。
-
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：CN114415609B
公开(公告)日：2024-07-05
申请号：CN202111578196.9
申请日：2021-12-22
Applicant: 华东理工大学
IPC: G05B19/418
Abstract: 本发明公开一种基于多子空间划分的动态过程精细化监测方法，旨在考虑数据时序相关性差异以及过程变量服从不同分布的问题，并在此基础上实施基于高斯非高斯以及时序非时序子空间划分的动态过程精细化监测。本发明方法的主要核心首先在于根据数据时间序列相关性和Kolmogorov‑Smirnov(KS)检验将原始空间划分为四个子空间；其次在于利用PCA方法和SFA方法分别提取不同子空间的特征进行子空间内监测，并采用移动窗口策略和互信息方法测量四个子空间间的相关关系；最后建立综合监测指标实施精细化监测。相比于传统动态过程监测方法，本发明方法在动态过程的监测效果上取得了优越于动态PCA方法的效果。可以说，本发明方法是一种更为优选的动态过程精细化监测方法。
-
Patent Agency Ranking
公开(公告)号：CN117933765A
公开(公告)日：2024-04-26
申请号：CN202211248339.4
申请日：2022-10-12
Applicant: 华东理工大学
IPC: G06Q10/0639 , G06F17/16 , G06F17/18
Abstract: 本发明公开一种基于多子空间正交典型相关分析的过程监测方法，旨在考虑采样数据时间序列相关性的基础上，提取采样数据的质量相关信息和质量不相关信息，以在此基础上实时过程监测。具体来讲，本发明首先将原始信息空间划分为四个不同的子空间；其次，根据不同子空间中的数据特征，利用正交CCA、PCA方法在不同的子空间中提取特征分别建立对应的监测模型，构建各子空间内监测统计量；最后，采用贝叶斯融合策略构建综合质量相关监测统计量和综合质量无关监测统计量以检测故障。相比于传统过程监测方法，本发明方法同时考虑过程数据与质量的相关性以及过程数据时间序列相关性的问题，并从各个局部子空间检测是否发生故障，具备更优秀的故障检测性能。可以说，本发明方法是一种更为优选的过程监测方法。
-
公开(公告)号：CN114200914A
公开(公告)日：2022-03-18
申请号：CN202111530005.1
申请日：2021-12-09
Applicant: 华东理工大学
IPC: G05B23/02
Abstract: 本发明公开一种基于MW‑OCCA的质量相关早期故障检测方法，针对早期故障的幅值较小的问题，利用移动时间窗方法，对故障数据和正常数据之间的误差进行累积，增大故障数据和正常数据之间差距，达到放大早期故障的效果，并在此基础上建立了质量相关的故障检测模型。相比于传统的方法，本发明方法不仅能够更加及时的检测出早期故障，同时能够判断早期故障是否会对质量产生影响，是一种更优的质量相关早期故障检测方法。
-
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：CN116956232B
公开(公告)日：2024-05-10
申请号：CN202310895864.3
申请日：2023-07-20
Applicant: 华东理工大学
IPC: G06F18/27 , G06F18/214 , G06F17/16 , G06F17/18 , G06F18/213
Abstract: 本发明公开尤其涉及一种基于邻域保持嵌入回归算法的质量相关故障检测算法，并在此基础上建立了质量相关故障检测模型。首先，基于邻域保持嵌入算法提取出数据的有效流形特征信息。然后，为了表征过程变量对质量变量的变化趋势，本发明在基于邻域保持嵌入算法提取特征信息的基础之上，建立特征空间与质量指标的回归关系。相比于传统的方法，本发明克服了传统邻域保持嵌入算法提取特征时无法衡量输入变量和输出变量关系的缺点；通过对回归系数的协方差矩阵执行特征值分解，得到质量相关和无关子空间，进而在相应子空间建立统计量并估计各统计量的控制限，解决了邻域保持嵌入算法不考虑质量变量的缺点，是一种更优的质量相关故障检测方法。
-
公开(公告)号：CN114415609A
公开(公告)日：2022-04-29
申请号：CN202111578196.9
申请日：2021-12-22
Applicant: 华东理工大学
IPC: G05B19/418
Abstract: 本发明公开一种基于多子空间划分的动态过程精细化监测方法，旨在考虑数据时序相关性差异以及过程变量服从不同分布的问题，并在此基础上实施基于高斯非高斯以及时序非时序子空间划分的动态过程精细化监测。本发明方法的主要核心首先在于根据数据时间序列相关性和Kolmogorov‑Smirnov(KS)检验将原始空间划分为四个子空间；其次在于利用PCA方法和SFA方法分别提取不同子空间的特征进行子空间内监测，并采用移动窗口策略和互信息方法测量四个子空间间的相关关系；最后建立综合监测指标实施精细化监测。相比于传统动态过程监测方法，本发明方法在动态过程的监测效果上取得了优越于动态PCA方法的效果。可以说，本发明方法是一种更为优选的动态过程精细化监测方法。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.025 seconds)
