-
公开(公告)号:CN118170512A
公开(公告)日:2024-06-11
申请号:CN202410258777.1
申请日:2024-03-07
申请人: 宁波大学
摘要: 本发明公开了一种基于多目标算法的云工作流容错调度优化方法,通过工作流中各任务的前驱后继关系和数据关系,获得容错手段选择的评估指标,为每个任务选择恰当的容错手段,优先选择重新执行的容错方式,同时通过多目标算法寻找分配虚拟机的最优解,实现云工作流容错调度优化;优点是在面对不同工作流时,通过分析工作流信息,为每个任务选择恰当的容错手段,能够节省计算资源,计算成本较低,多目标算法是效果良好的经典算法,增强了面对不同工作流的稳定性。
-
公开(公告)号:CN111914206B
公开(公告)日:2023-11-14
申请号:CN201910478789.4
申请日:2019-05-20
申请人: 宁波大学
摘要: 本发明公开一种基于动态近邻保持嵌入算法的过程监测方法,旨在解决如何同时挖掘训练数据中潜藏的自相关特征与局部近邻结构特征,并基于此实施对生产过程运行状态的监测问题。本发明方法的优势在于:首先本发明方法中涉及的动态近邻保持嵌入算法是一种全新的算法,它同时考虑了自相关性特征与局部近邻特征,能够更全面地挖掘训练数据中潜藏的有用信息。其次,在具体实施案例中,相比于传统动态过程监测方法,本发明方法在故障监测上能取得更卓越的效果。可以说,本发明方法是一种更为优选的动态过程监测方法。
-
公开(公告)号:CN111798023B
公开(公告)日:2023-08-29
申请号:CN202010391943.7
申请日:2020-05-11
申请人: 宁波大学
摘要: 本发明公开了一种炼钢烧结生产中综合焦比预测的方法,采用综合焦比(单位:Kg/t)作为烧结生产中碳效衡量指标,在建立烧结综合焦比预测输出模型的基础上,针对标记样本少的问题,采用基于流型假设的半监督的学习训练算法对有标签样本和无标签样本数据进行训练,并针对数据间线性与非线性关系共存的数据特点,提出了改进型极限学习机模型对训练数据进行拟合,改进型极限学习机的输入层神经元不仅与隐含层神经元相连,而且直接与输出层神经元相连,这种特殊的网络结构使该模型能够很好的同时拟合线性和非线性数据。
-
公开(公告)号:CN111913460B
公开(公告)日:2022-03-18
申请号:CN201910455803.9
申请日:2019-05-20
申请人: 宁波大学
IPC分类号: G05B23/02
摘要: 本发明公开一种基于序列相关局部保持投影算法的故障监测方法,旨在推理出一种全新的数据特征挖掘算法,并基于此算法实施故障监测。具体来讲,本发明方法首先将时序相关性最大化与局部近邻结构保持最小化合并成一个目标函数;其次,在求解的过程进一步保证各投影变换向量之间的相互正交特性;最后,利用提取的潜在特征以及模型误差实施故障监测。与传统方法相比:本发明方法中涉及的序列相关局部保持投影算法是一种全新的特征提取算法,它在投影变换的过程中同时考虑了自相关性特征与局部近邻特征,并且保证了投影变换向量的正交特性,能够更全面地挖掘训练数据中潜藏的有用信息。因此,本发明方法是一种更为优选的故障监测方法。
-
公开(公告)号:CN111915120A
公开(公告)日:2020-11-10
申请号:CN201910474174.4
申请日:2019-05-24
申请人: 宁波大学
IPC分类号: G06Q10/06
摘要: 本发明公开一种基于动态正交近邻保持嵌入模型的过程监测方法,该方法在挖掘训练数据中潜藏的有用特征时,能同时考虑自相关特征与局部近邻结构特征并保证投影变换向量的正交特性。本发明方法首先将自相关性与局部近邻结构嵌入量化成一个目标函数;其次,在保证各投影变换向量相互正交的约束下求解该目标函数,从而利用得到的投影变换向量实施特征提取;最后,利用提取出的潜在特征以及模型误差实施过程监测。与传统方法相比:首先本发明方法中涉及的动态正交近邻保持嵌入模型的建立方法是一种全新的建模策略,它同时考虑了自相关性特征与局部近邻特征,并且保证了投影变换向量的正交特性,能够更全面地挖掘训练数据中潜藏的有用信息。
-
公开(公告)号:CN111914206A
公开(公告)日:2020-11-10
申请号:CN201910478789.4
申请日:2019-05-20
申请人: 宁波大学
摘要: 本发明公开一种基于新型动态近邻保持嵌入算法的过程监测方法,旨在解决如何同时挖掘训练数据中潜藏的自相关特征与局部近邻结构特征,并基于此实施对生产过程运行状态的监测问题。本发明方法的优势在于:首先本发明方法中涉及的新型动态近邻保持嵌入算法是一种全新的算法,它同时考虑了自相关性特征与局部近邻特征,能够更全面地挖掘训练数据中潜藏的有用信息。其次,在具体实施案例中,相比于传统动态过程监测方法,本发明方法在故障监测上能取得更卓越的效果。可以说,本发明方法是一种更为优选的动态过程监测方法。
-
公开(公告)号:CN106444666B
公开(公告)日:2018-11-20
申请号:CN201610863456.X
申请日:2016-09-22
申请人: 宁波大学
IPC分类号: G05B19/418
摘要: 本发明公开一种基于加权型动态分布式PCA模型的动态过程监测方法,旨在解决如何有针对性地描述各个测量变量的动态特征问题,并在此基础上建立动态分布式监测模型。该发明方法利用过程每个测量变量与其他不同延时测量值间的相关系数实施加权处理,使加权后的训练数据能更好地体现各变量的动态特征。相比于传统方法,本发明方法虽然利用了所有的不同延时变量建立PCA故障检测模型,但是它对相关性大的变量赋予较大的权值而对相关性小的变量赋予较小的权值,这不仅可以最大化程度的避免信息丢失问题,而且还能因权值大小的不同突出体现出相关性强的过程变量同时抑制不相关变量的干扰影响。因此,本发明方法是一种更为优选的动态过程监测方法。
-
公开(公告)号:CN106404441B
公开(公告)日:2018-11-06
申请号:CN201610863426.9
申请日:2016-09-22
申请人: 宁波大学
摘要: 本发明公开一种基于非线性相似度指标的故障分类诊断方法,该方法旨在解决实际工业过程中实施故障分类诊断方法时面临的三个关键性问题:其一,参考故障类型的可用训练样本数有限;其二,可用的故障训练数据处于操作状态转换的起始阶段,数据非线性程度较强;其三,不同故障的采样数据会在空间分布上存在重叠现象。该发明方法首先通过对每种参考故障类型进行特征变量选择,选择出该种故障最能区别于正常数据的特征变量。然后,仅利用特征变量两两匹配在线故障数据窗口与参考故障数据窗口的相似度。所采用的相似度计算方式是基于窗口数据的非线性相似度指标,根据最小非线性相似度值可以确定出在线检测出的故障类型。与传统分类诊断方法相比,本发明方法通过特征变量选择显著地降低了变量维数,这不仅大大减少了训练数据不充分的制约性,而且还能剔除非特征变量对计算非线性相似度指标的负面影响。此外,该方法通过窗口数据在空间分布上的非线性相似匹配来实施故障相似匹配,能最大化地避免重叠数据的错分类情况。
-
公开(公告)号:CN106092625B
公开(公告)日:2018-07-13
申请号:CN201610388999.0
申请日:2016-05-30
申请人: 宁波大学
IPC分类号: G01M99/00
摘要: 本发明涉及一种基于修正型独立元分析和贝叶斯概率融合的工业过程故障检测方法。传统的基于修正型独立元分析的故障检测方法需要选择一个的非二次函数,以度量非高斯性大小。然而,不同的工业过程数据或对象会造成实际应用中难以获取足够多的经验知识去指导非二次函数的选择。对此,本发明方法首先针对不同的非二次函数,利用工业过程的正常数据训练得到不同的修正型独立元模型;然后通过贝叶斯概率融合方法将这多个故障检测模型的决策结果进行集成,获得最终的概率型监测指标。与现有方法相比,本发明能解决因非二次函数多样性而引起的模型不确定问题,充分考虑了多个模型可能性,在很大程度上增强了故障检测模型的可靠性。
-
公开(公告)号:CN105184012B
公开(公告)日:2017-12-22
申请号:CN201510626776.9
申请日:2015-09-28
摘要: 本发明公开了一种区域空气PM2.5浓度预测方法,该方法首先通过历史数据来构造待训练的支持向量机回归模型的训练样本数据,然后通过训练样本数据得到训练的支持向量机回归模型,将该训练后的支持向量机回归模型作为PM2.5浓度预测模型;再将粒子群寻优算法与PM2.5浓度预测模型相结合,通过粒子群寻优算法不断寻优迭代,从而不断采用粒子的位置去重构PM2.5浓度预测模型的输入参数,直至迭代完成后得到粒子群最终的全局极性,采用粒子群最终的全局极值对应的粒子的位置去重构PM2.5浓度预测模型的输入参数,将该输入参数输入PM2.5浓度预测模型中得到的输出即为PM2.5浓度;优点是可降低PM2.5浓度预测模型输入参数的维数,提高PM2.5浓度预测准确率。
-
-
-
-
-
-
-
-
-