-
公开(公告)号：CN111914384B
公开(公告)日：2023-10-24
申请号：CN201910873190.0
申请日：2019-09-07
申请人： 宁波大学
摘要： 本发明公开一种基于自相关潜变量模型的化工过程状态监测方法，旨在以典型相关系数为衡量标准，从采样数据中挖掘出潜藏的自相关潜变量，从而基于此实现对化工过程运行状态实施有效监测。与传统方法相比，本发明方法涉及的自相关潜变量模型旨在挖掘存在显著自相关性的潜变量，可以显性地将采样数据中潜藏的特征区分成自相关的与静态的。其次，在后续的具体实施案例中，将会验证本发明方法相比于传统动态化工过程监测方法的优越性。因此，本发明方法是一种更优越的化工过程监测方法。
-
公开(公告)号：CN111915120B
公开(公告)日：2023-09-26
申请号：CN201910474174.4
申请日：2019-05-24
申请人： 宁波大学
IPC分类号： G06Q10/067 , G06Q10/0639 , G06F17/17 , G06F17/16 , G06F17/13
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：CN114915262A
公开(公告)日：2022-08-16
申请号：CN202210651304.9
申请日：2022-04-30
申请人： 宁波大学科学技术学院
摘要： 本发明公开一种利用非线性特征更新技术的光伏电站设备异常检测方法，旨在有效挖掘出光伏逆变器自身监视数据与环境监视数据间的非线性关系特征，通过实时的提取最具有判别性的非线性特征来实现光伏逆变器是否异常的检测。具体来讲，本发明方法涉及通过一种非线性映射方式对光伏逆变器监视数据和环境监视数据实施非线性扩展，显式的表征出数据间的非线性关系特征；其次，本发明方法通过两步调用在线判别分析，得到最大化区分在线采样数据和正常工况数据间的判别特征，从而能最直接最有效的通过异常检测指标实时检测出光伏发电站设备的运行异常。与传统方法相比，本发明方法最大优势在于分两步依次分析提取判别型特征，计算相应的异常检测指标。
-
公开(公告)号：CN111694328B
公开(公告)日：2022-03-18
申请号：CN201910229752.8
申请日：2019-03-12
申请人： 宁波大学
IPC分类号： G05B19/418
摘要： 本发明公开一种基于多块独立成分分析算法的分布式过程监测方法，旨在提出一种新颖的多块独立成分分析算法，并利用该算法实施分布式的非高斯过程监测，从而可在建模的过程中同时考虑各子块的独特性与子块之间的整体性。本发明方法在实施多块建模的过程中，不是简单地为各个子块提取得分向量，而是从整体至局部子块，再由局部子块至整体的相互交错的逐个提取策略。因此，本发明方法提出的这种新颖的多块独立成分分析算法不仅考虑了各子块的独特性，而且还考虑到了全局的整体性。因此，本发明方法是一种全新的分布式非高斯过程监测方法。此外，具体实施案例中将会验证本发明方法的优越性，从而说明本发明方法是一种更为优选的非高斯过程监测方法。
-
公开(公告)号：CN109376337B
公开(公告)日：2021-10-01
申请号：CN201811213322.9
申请日：2018-10-09
申请人： 宁波大学
摘要： 本发明公开一种基于Girvan‑Newman算法的集散软测量方法，旨在解决如何从数据角度对大规模生产过程实施过程分解，以建立分散式的软测量模型，以及如何集成利用分散式的软测量结果来得到产品质量数据估计值的问题。本发明发法首次利用Girvan‑Newman算法实现了过程对象的分解，从而为建立分散式软测量模型奠定了前期基础。其次，本发明方法利用偏最小二乘算法集成分散式软测量结果，完成了由分散式建模到集成软测量的实施过程。可以说，本发明方法是一种新颖的集散软测量方法，能适应于大规模生产过程对象产品质量指标的软测量。
-
公开(公告)号：CN109542974B
公开(公告)日：2021-05-04
申请号：CN201811577430.4
申请日：2018-12-13
申请人： 宁波大学
摘要： 本发明公开一种基于非线性动态成分分析的动态过程监测方法，旨在推理出一种全新的非线性动态成分分析算法，以挖掘出训练数据中的非线性自相关特征，并利用该算法建立故障检测模型实施动态过程监测。本发明方法借鉴核学习技巧，推理出了一种全新的非线性动态成分分析算法，该算法在挖掘潜在特征成分时考虑了非线性自相关性问题。因此，本发明方法挖掘出的潜在特征成分是在非线性的动态成分，在此基础上实施的动态过程监测是一种全新的非线性动态过程监测技术方案。
-
公开(公告)号：CN108181894B
公开(公告)日：2020-11-24
申请号：CN201711456608.5
申请日：2017-12-15
申请人： 宁波大学
IPC分类号： G05B23/02
摘要： 本发明公开一种基于修剪独立元回归策略的非高斯过程监测方法，旨在将非高斯独立元成分转换为高斯分布的误差信息，从而加强距离型监测指标对正常数据可允许变动范围描述的精确性。具体来讲，本发明方法在已建立的修正型独立元分析(MICA)模型基础上，通过假设缺失数据的技术手段利用修剪后的独立元回归估计出MICA模型的独立元成分，最后利用独立元的估计误差建立平方马氏距离实施在线故障检测。受益于误差的高斯分布特性，本发明方法利用平方马氏距离统计指标所定义的正常数据允许变化区域不会出现稀疏或“空洞”现象，因此，本发明方法能显著提升MICA模型用于非高斯过程监测的故障检测能力，是一种更为优选的非高斯过程监测方法。
-
公开(公告)号：CN111915121A
公开(公告)日：2020-11-10
申请号：CN201910885314.7
申请日：2019-09-07
申请人： 宁波大学
摘要： 本发明公开一种基于广义典型变量分析的化工过程故障检测方法，旨在充分提取化工过程采样数据在时间序列上的典型相关性，并对该相关性特征进行合理描述，从而实现对化工过程的故障运行状态的有效监测。与传统方法相比，本发明方法涉及的广义典型相关分析算法是将典型相关系数的平方考虑进来，因此所提取的特征成分是满足典型相关系数最大化要求的。此外，本发明方法将时间序列相关的特征与静态特征分开进行考虑，并对应使用两个综合监测指标分开实施在线过程监测。最后，在具体实施案例中将验证本发明方法在提取时间序列相关特征上的优越性以及其在监测化工过程运行状态上的可靠性，从而说明本发明方法是一种更为优选化工过程故障检测方法。
-
公开(公告)号：CN111913462A
公开(公告)日：2020-11-10
申请号：CN201910873483.9
申请日：2019-09-07
申请人： 宁波大学
IPC分类号： G05B23/02
摘要： 本发明公开一种基于广义多块独立元分析模型的化工故障监测方法，旨在提出一种广义多块独立元分析算法，针对重叠与不重叠的变量子块划分皆可实施非高斯多块化建模，从而利用该广义多块独立元分析算法实施分布式的故障监测。本发明方法在实施基于独立元分析算法的建模过程中，同时考虑各子块的独特性与子块之间的整体性，从整体分离至局部子块提取，再由局部子块返回至整体分离的相互交错的逐个提取策略。因此，因此，本发明方法是一种全新的非高斯多块建模与故障监测方法。此外，具体实施案例中将会验证本发明方法的优越性，从而说明本发明方法是一种更为优选的非高斯分布式故障监测方法。
-
公开(公告)号：CN111913444A
公开(公告)日：2020-11-10
申请号：CN201910873263.6
申请日：2019-09-07
申请人： 宁波大学
IPC分类号： G05B19/418
摘要： 本发明公开一种基于时序多块建模策略的化工过程监测方法，旨在建立多块化建模与动态过程监测的一体化实施框架，从而实施行之有效的动态过程监测。与传统动态过程建模思路不同的是，本发明方法首先按照时间序列采样节点，将增广矩阵或向量分成多个变量块；然后，利用广义典型相关分析的思想，为各个变量子块优化出一个投影变换基，从而提取变量块之间的交叉相关性，即可提现时间序列上的自相关特征。为了将多模型的监测指标给出的结果实施综合考量，本发明方法还使用了综合性的监测指标，分别监测动态与静态得分信息的变化。此外，具体实施案例中将会验证本发明方法的优越性，从而说明本发明方法是一种更优越的化工过程动态监测方法。
-
-
-
-
-
-
-
-
-
搜索结果
173 条记录 (耗时 0.024 秒)
