-
公开(公告)号：CN114419341B
公开(公告)日：2024-04-26
申请号：CN202210067935.6
申请日：2022-01-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于迁移学习改进的卷积神经网络图像识别方法，包括构建原始图像集，利用显著性检测方法对原始图像集进行提取，获得显著区域图像集；利用显著区域图像集构造过滤器集；利用迁移学习方法构建卷积神经网络训练模型，并对卷积神经网络进行训练；利用训练后的卷积神经网络和过滤器集识别显著区域图像集，获得图像深度特征。本发明通过显著性检测，有效地去除图片背景的影响，抑制干扰区域的信息，并使用迁移学习方法，只需对原始训练模型的参数进行微调，即可应用于特定区域的图像识别，既可以减少训练所需的数据量，也消除了卷积神经网络在参数计算方面的不足，节省训练时间，提高了算法的图像识别性能。
-
公开(公告)号：CN110288724A
公开(公告)日：2019-09-27
申请号：CN201910570527.0
申请日：2019-06-27
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于小波函数主元分析的批次过程监测方法，该方法首先利用小波函数作为基函数，将原始的离散采样点代以连续函数，从而将原始的三维数组转变为两维的函数矩阵，然后再针对此函数矩阵直接建立监测模型。具体实施时，利用现有的历史批次数据训练得到合适的控制限，在新的批次数据采集完成后，直接运算得到相应统计量再与控制限比较，就可以完成故障检测。该方法避免了现有展开方式带来的数据结构破坏和模型参数增加的问题，并不要求原始数据等长，可以轻易解决实际生产中遇到的批次数据不等长问题。
-
公开(公告)号：CN116596396A
公开(公告)日：2023-08-15
申请号：CN202310616717.8
申请日：2023-05-29
Applicant: 大连海事大学
IPC: G06Q10/0639 , G06F18/214 , G06F18/2413
Abstract: 本发明公开了一种基于K近邻插值和SLSTM的工业聚乙烯过程质量预测方法，包括获取生产工业聚乙烯的过程数据和质量数据，根据过程数据和质量数据构建数据集，对数据集进行扩充并进行归一化处理，将归一化后的数据集转化为序列数据集，构建SLSTM模型，根据训练集训练SLSTM模型，将验证集输入至训练后的SLSTM模型中进行预测，根据预测结果计算训练后的SLSTM模型的预测精度，当预测精度不满足阈值时，对训练后的SLSTM模型的参数进行调整并根据训练集重新训练，直到训练后的SLSTM模型的预测精度满足阈值，获取带预测的过程数据和质量数据，根据训练后的SLSTM模型进行预测，获取当前时刻生产工业聚乙烯的质量数据。建立质量变量与过程变量的隐藏关系，提升了模型预测的准确性。
-
-
公开(公告)号：CN115421423A
公开(公告)日：2022-12-02
申请号：CN202211110331.1
申请日：2022-09-13
Applicant: 大连海事大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于张量慢特征分析的批次过程监测方法，包括：S1：采集批次过程数据；S2：建立批次过程数据模型；S3：建立静态监测统计量和动态监测统计量，并获取代表静态监测统计量的控制限和代表动态监测统计量的控制限；S4：在线采集新的批次过程数据样本；S5：判断批次过程是否存在故障。本发明利用张量慢特征的批次过程监测方法，解决了对三维批次数据直接建模分析并提取其动态特征的问题，通过对批次数据直接建模解决了因为数据展开带来的数据破坏和参数增加的弊端，将张量慢特征分析模型分解成两个传统的慢特征分析模型进行模型求解，能够在线快速准确的检测出过程故障以确保过程安全运行。
-
Patent Agency Ranking
公开(公告)号：CN110261345B
公开(公告)日：2021-08-24
申请号：CN201910555369.1
申请日：2019-06-25
Applicant: 大连海事大学
IPC: G01N21/359 , G06F17/14 , G06F17/18
Abstract: 本发明公开了一种基于小波函数的近红外光谱软测量方法及系统，其包括：获取建模所需的样本数据；创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得；创建每条光谱所对应的回归函数，该回归函数通过以所述小波基函数进行逼近；创建光滑连续函数与水分含量数据的回归关系模型；获取待测样品所对应的光谱数据，获取所对应的预测质量数据。本发明有效解决了传统近红外光谱进行软测量时无法解决光谱数据的高维度和非线性问题。
-
公开(公告)号：CN114419341A
公开(公告)日：2022-04-29
申请号：CN202210067935.6
申请日：2022-01-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于迁移学习改进的卷积神经网络图像识别方法，包括构建原始图像集，利用显著性检测方法对原始图像集进行提取，获得显著区域图像集；利用显著区域图像集构造过滤器集；利用迁移学习方法构建卷积神经网络训练模型，并对卷积神经网络进行训练；利用训练后的卷积神经网络和过滤器集识别显著区域图像集，获得图像深度特征。本发明通过显著性检测，有效地去除图片背景的影响，抑制干扰区域的信息，并使用迁移学习方法，只需对原始训练模型的参数进行微调，即可应用于特定区域的图像识别，既可以减少训练所需的数据量，也消除了卷积神经网络在参数计算方面的不足，节省训练时间，提高了算法的图像识别性能。
-
-
公开(公告)号：CN110261345A
公开(公告)日：2019-09-20
申请号：CN201910555369.1
申请日：2019-06-25
Applicant: 大连海事大学
IPC: G01N21/359 , G06F17/14 , G06F17/18
Abstract: 本发明公开了一种基于小波函数的近红外光谱软测量方法及系统，其包括：获取建模所需的样本数据；创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得；创建每条光谱所对应的回归函数，该回归函数通过以所述小波基函数进行逼近；创建光滑连续函数与水分含量数据的回归关系模型；获取待测样品所对应的光谱数据，获取所对应的预测质量数据。本发明有效解决了传统近红外光谱进行软测量时无法解决光谱数据的高维度和非线性问题。
-
公开(公告)号：CN116909237A
公开(公告)日：2023-10-20
申请号：CN202311081407.7
申请日：2023-08-25
Applicant: 大连海事大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于注意力机制的DiPCA过程监测方法与系统，包括步骤S1：获取过程历史数据集，将过程历史数据集划分为s+1个时间切片矩阵，步骤S2：基于注意力机制的DiPCA方法对过程历史数据集进行建模并求解模型参数，步骤S3：基于模型参数计算两个监测统计量，分别确定监测统计量对应的控制限CL_T和对应的控制限CL_E，步骤S4：获取新采集的过程样本，分别计算过程样本的监测统计量的取值，并分别与其各自对应的控制限进行对比，若任何一个监测统计量的取值大于对应的控制限，则表示过程出现故障，否则过程视为正常运行。可快速准确的判断出过程故障以确保过程安全运行，提高了过程监测的效率和故障判断的准确性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
