-
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：CN111915006B
公开(公告)日：2023-09-29
申请号：CN202010630151.0
申请日：2020-06-23
申请人： 宁波大学
IPC分类号： G06N3/084 , G06N3/09 , G06N3/0455 , G01N33/00
摘要： 本发明公开一种基于有监督型SAE的尾气硫化氢浓度实时监测方法，旨在使用有监督型SAE模型解决对硫回收装置尾气H2S浓度的在线实时监测问题。本发明方法通过在SAE训练的过程，将输出数据设定成浓度数据，而输入数据是常规可实时测量的流量数据。利用SAE深度特征挖掘的能力，不断提取对软测量输出有用的关键潜在特征，从而实现对H2S浓度的在线实时监测。与传统方法相比，本发明方法通过设定SAE的输出为硫化氢的浓度，而输出为常规可实时测量的流量数据，巧妙地将SAE拓展成了有监督型的SAE模型。此外，本发明方法还使用最小二乘回归进一步提升软测量的精度。最后，通过具体实施案例中对实验结果的对比验证了本发明方法的优越性。
-
公开(公告)号：CN111915005B
公开(公告)日：2023-09-26
申请号：CN202010630128.1
申请日：2020-06-23
申请人： 宁波大学
IPC分类号： G06N3/084 , G01N33/00 , G06N3/0455
摘要： 本发明公开一种工业硫磺回收装置尾气二氧化硫含量实时预测方法，本发明旨在充分利用SAE较强的特征提取能力，并在SAE的顶层增加一层非线性的输出神经元，从而可以将SAE应用于开发设计一种工业硫磺回收装置尾气二氧化硫含量在线软测量技术。与传统方法相比，首先，本发明方法通过在栈式自编码器的基础上新增一个输出层神经元，将适用于无监督学习的自编码器巧妙的转变成了有监督的软件测量建模方法；其次，本发明方法考虑到了工业硫磺回收装置采样数据在时间上的动态特性，采取将多个时刻的数据整合成一个输入向量，这样可以将时序性体现在软测量建模中；最后，在接下来的具体实施案例中，通过软测量精度对比验证了本发明方法的优越性。
-
公开(公告)号：CN111914477B
公开(公告)日：2022-04-19
申请号：CN202010630153.X
申请日：2020-06-23
申请人： 宁波大学
发明人： 葛英辉 , 朱莹 , 其他发明人请求不公开姓名
摘要： 本发明公开一种基于SAE的脱丁烷塔底部产品丁烷浓度实时监测方法，旨在解决如何避免信息丢失的情况下利用SAE逐层提取丁烷塔过程测量数据的非线性特征，并充分有效利用这些非线性特征对塔底部产品的丁烷浓度进行在线软测量问题。首先，本发明方法在训练模型时，各层自编码器的输入都使用了原过程数据，因此在特征提取的过程中避免了输入数据的信息丢失问题。其次，本发明方法将各层神经网络的隐层输出向量做为单层神经网络的输入，从而较全面的利用到了SAE提取的非线性特征。与传统方法相比，本发明方法在线监测脱丁烷塔底部产品丁烷浓度时，其实时软测量精度是能得到保障的。
-
公开(公告)号：CN112211795B
公开(公告)日：2021-08-20
申请号：CN202011142603.7
申请日：2020-10-13
申请人： 宁波大学
发明人： 方浩杰 , 葛英辉 , 其他发明人请求不公开姓名
IPC分类号： F03D17/00
摘要： 本发明公开一种基于单变量特征提取策略的风力发电机故障检测方法，实施数据驱动的风力发电机故障检测时，能实时提取出有利于分离故障的单变量特征，以实现实时检测风力发电机是否出现故障的目的。具体来讲，本发明方法通过在线即时特征提取，通过最优化的思想即时提取最有利于分离故障的单变量特征，并通过上下限范围判断来完成风力发电机的故障检测任务。本发明方法针对不同时刻的样本数据实时计算出对应的投影变换向量，从而可以提取出能最大区分出与正常数据间差异的单变量特征。因此，在风力发电机正常工况数据充裕的情况下，本发明方法能及时的根据采样数据实时检测出风力发电机的故障。
-
公开(公告)号：CN112211795A
公开(公告)日：2021-01-12
申请号：CN202011142603.7
申请日：2020-10-13
申请人： 宁波大学
发明人： 方浩杰 , 葛英辉 , 其他发明人请求不公开姓名
IPC分类号： F03D17/00
摘要： 本发明公开一种基于单变量特征提取策略的风力发电机故障检测方法，实施数据驱动的风力发电机故障检测时，能实时提取出有利于分离故障的单变量特征，以实现实时检测风力发电机是否出现故障的目的。具体来讲，本发明方法通过在线即时特征提取，通过最优化的思想即时提取最有利于分离故障的单变量特征，并通过上下限范围判断来完成风力发电机的故障检测任务。本发明方法针对不同时刻的样本数据实时计算出对应的投影变换向量，从而可以提取出能最大区分出与正常数据间差异的单变量特征。因此，在风力发电机正常工况数据充裕的情况下，本发明方法能及时的根据采样数据实时检测出风力发电机的故障。
-
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。
-
公开(公告)号：CN111913415A
公开(公告)日：2020-11-10
申请号：CN202010570651.X
申请日：2020-06-13
申请人： 宁波大学
发明人： 葛英辉 , 蓝艇 , 其他发明人请求不公开姓名
IPC分类号： G05B19/042 , G01D21/02
摘要： 本发明公开一种基于时序数据分析的连续搅拌反应釜运行状态监测方法，旨在解决通过监测连续搅拌反应釜的实时采样数据的时序异常变化来实现对其运行状态的监测问题。首先，本发明方法根据时序特征典型相关系数最大推理出一种时间序列相关特征分析算法。其次，本发明方法进一步使用自回归模型描述时间序列相关特征间的时序动态关系，最后通过监测自回归模型误差来完成对连续搅拌反应釜运行状态监测的目的。与传统方法相比，本发明方法能够有效地提取采样数据体现在时间序列上典型相关的潜在特征成分，并且本发明方法在监测连续搅拌反应釜运行状态上的优越性与有效性通过具体的实施案例予以验证。
-
-
-
-
-
-
-
-
-
搜索结果
65 条记录 (耗时 0.022 秒)
