-
公开(公告)号：CN113223633B
公开(公告)日：2024-04-05
申请号：CN202110300718.2
申请日：2021-03-13
申请人： 宁波大学科学技术学院
摘要： 本发明公开一种基于宽度GRNN模型的造纸过程排污口水质预测方法，可以在训练样本数有限的情况下，大幅度增加GRNN的模式层神经元个数，从而建立宽度GRNN模型实施造纸过程废水排污口的水质预测。具体来讲，本发明方法使用差分进化算法优化构造出多个模式层神经元的参考向量，将构造出的参考向量与训练样本数据向量相结合，搭建宽度GRNN模型，从而对造纸过程的废水实施排污口的水质预测。本发明方法通过差分进化算法将GRNN模型的模式层神经元个数扩充一倍，使相应的宽度GRNN模型不受训练样本数量的限制。此外，本发明方法使用优化参考向量的宽度GRNN模型可以有效保证其精度。
-
公开(公告)号：CN113065583B
公开(公告)日：2023-11-14
申请号：CN202110300826.X
申请日：2021-03-13
申请人： 宁波大学科学技术学院
IPC分类号： G06F18/2411 , G06F18/214
摘要： 本发明公开一种基于在线非线性判别特征分析的精馏过程异常监测方法，通过一种在线非线性判别特征分析技术，来实时的针对各个在线采样数据进行非线性判别特征提取，其目的在于保证实时提取的特征能最大化程度的判别出各个采样数据中潜藏的异常变化特征。本发明方法的最大优势在于：旨在最大化监测指标，能够实时对在线新测量的采样数据实施在线非线性判别特征分析，从而使在线分析后得到的特征能尽可能的偏离零点；从这个角度来讲，本发明方法实施的特征分析技术是在线进行的，总能找到最能反应出在线采样数据中潜藏的非线性异常变化特征，从而能对精馏过程各式各样的异常工况数据进行有效的判别。
-
公开(公告)号：CN116070818A
公开(公告)日：2023-05-05
申请号：CN202210650637.X
申请日：2022-04-30
申请人： 宁波大学科学技术学院
IPC分类号： G06Q10/063 , G06Q50/04 , G06F17/16
摘要： 本发明公开了一种基于滑动窗口时序判别特征分析的青霉素生产异常检测方法，从有利于异常检测的角度出发，针对性的从青霉素生产的样本数据中提取出时序判别特征，直接用于青霉素生产异常的实时监测。具体来讲，本发明方法通过滑动窗口实时获取青霉素新生产批次的多个样本数据，并针对性的为这多个数据向量实施相应的时序判别特征分析得到相应的在线判别特征。与此同时，利用实时得到的一组左右转换向量对正常生产批次下的参考窗口矩阵实施同样的转换，并将参考判别特征变化的最大值和最小值用作于在线判别特征的上限和下限，从而可实施青霉素生产的异常检测。与传统方法相比，本发明方法实时提取的判别特征更有利于实施青霉素生产的异常检测。
-
公开(公告)号：CN115563692A
公开(公告)日：2023-01-03
申请号：CN202210745247.0
申请日：2022-06-13
申请人： 宁波大学科学技术学院
IPC分类号： G06F30/15 , G06F30/20 , G06F119/14
摘要： 本发明公开一种面向被动悬架系统性能优化的技术参数鲁棒设计方法，能鲁棒的设计出可应对车身质量变化的刚度系数和阻尼系数这两类悬架系统的技术参数的问题。具体来讲，本发明方法通过搭建一个四轮整车被动悬架系统模型，利用改进型的哈里斯‑鹰优化算法搜寻在车身质量变化条件下的悬架刚度系数和悬架阻尼系数，从而均衡的保证车辆行驶的平稳性和操稳性。本发明方法是一种面向四轮整车被动悬架系统性能优化的技术参数设计方法，不依赖于技术人员经验尝试来优化设计被动悬架系统的技术参数。更关键的是，本发明方法考虑到了车身质量在实际行驶中的不确定性，相应设计的参数在不同车身质量变化的前提下都是最佳的，具有较高程度的鲁棒性。
-
公开(公告)号：CN114978035A
公开(公告)日：2022-08-30
申请号：CN202210650167.7
申请日：2022-04-30
申请人： 宁波大学科学技术学院
摘要： 本发明公开了一种基于核主元再组合技术的光伏逆变器运行异常检测方法，在核主元分析提取的多个非线性主元上，如何通过对其实施再组合的方式进一步挖掘出直接有效的能反应异常变化的特征，从而通过监测该特征的波动变化来实现对光伏逆变器运行状态的异常检测。具体来讲，本发明方法通过实施最大最小化差异特征分析，对核主元向量中的元素实施再组合，从而生成最能反应差异的再组合特征，用于光伏逆变器运行异常检测。与传统的利用非线性建模算法实施异常检测的方法相比，本发明方法通过再组合的方式，实时得到了最能反应在线数据与正常数据之间差异的再组合特征。因此，本发明方法从理论上讲是具有自适应和更新变化的显著特点。
-
公开(公告)号：CN112857806B
公开(公告)日：2022-05-31
申请号：CN202110300720.X
申请日：2021-03-13
申请人： 宁波大学科学技术学院
IPC分类号： G01M13/045
摘要： 本发明公开一种基于移动窗口时域特征提取的轴承故障检测方法，通过时域统计特征分析并结合使用移动窗口技术，实施基于轴承振动信号的轴承故障检测。具体来讲，本发明方法首先通过移动窗口将振动信号转变成由13个统计特征组成的多维特征向量。然后，本发明方法对在线实时测量到的振动信息实施相同的统计特征变换后，再使用局部异常因子来判断是否出现了故障。首先，本发明方法使用时域特征分析的手段从振动信号中提取相应的统计特征，转换过程不涉及复杂的运算，实施操作简单；其次，本发明方法使用局部异常因子来识别轴承的故障运行状态，充分利用了局部异常因子不受数据分布影响的优势，可以较好的处理轴承状态健康与故障的甄别问题。
-
公开(公告)号：CN113887705A
公开(公告)日：2022-01-04
申请号：CN202111156324.0
申请日：2021-09-22
申请人： 宁波大学科学技术学院
摘要： 本发明公开一种基于稀疏RBF神经网络的光伏电板运行状态监测方法，旨在有效的挖掘光伏电板各测量数据之间的非线性关系特征，并在此基础上监测光伏电板的运行状态。具体来讲，本发明方法通过设计一种稀疏的RBF神经网络结构，并将光伏电板的实时采样数据同时作为输入与输出，通过生成的误差来反映光伏电板运行状态是否出现了异常。本发明方法的优势在于：其一，本发明方法利用了RBF神经网络的非线性拟合能力，并通过搭建的稀疏RBF神经网络实现了对光伏电板正常运行状态下的样本数据非线性特征提取；其二，本发明方法通过稀疏RBF神经网络来生成误差用于实时判断光伏电板是否异常，不同于传统方法监测提取的非线性特征成分。
-
公开(公告)号：CN113221436A
公开(公告)日：2021-08-06
申请号：CN202110300716.3
申请日：2021-03-13
申请人： 宁波大学科学技术学院
摘要： 本发明公开一种基于改进型RBF神经网络的污水悬浮物浓度软测量方法，首先使用减聚类算法自动确定出隐层神经元的个数，然后再使用差分进化算法优化得到各个隐层神经元的中心点向量，从而基于这种改进RBF神经网络模型建立污水悬浮物浓度的软测量模型。本发明方法的优势在于：首先，本发明方法在建立污水悬浮物浓度软测量模型时，不随意人为确定RBF神经网络模型中隐层神经元的个数，而是通过减聚类算法确定隐层神经元个数。其次，本发明方法通过差分进化算法优化求解得到隐层神经元的中心点向量，能有效的降低软测量误差。
-
公开(公告)号：CN113205121A
公开(公告)日：2021-08-03
申请号：CN202110440193.2
申请日：2021-04-18
申请人： 宁波大学科学技术学院
IPC分类号： G06K9/62
摘要： 本发明公开一种基于局部特征异常因子的初馏塔采样数据粗差判别方法，通过设计一种局部特征异常因子来量化各个样本数据的异常程度，从而可以将局部特征异常因子较大的样本数据判别为粗差。本发明方法需要先通过为各个样本数据找到多个近邻样本数据，然后以近邻样本数据为参考数据集，通过优化得到能区分该样本数据与其近邻之间差异的局部特征，从而计算得到局部特征异常因子。本发明方法未曾涉及计算马氏距离，而是寻找各个样本数据的近邻样本数据，并通过变换向量最大化两者之间的差异，从而通过局部特征与原点之间的距离来判别各个样本是否为粗差。因此，本发明方法可同时给出样本数据是否为粗差数据及其采样数据集中有多少个粗差数据的判别。
-
公开(公告)号：CN113191614A
公开(公告)日：2021-07-30
申请号：CN202110440191.3
申请日：2021-04-18
申请人： 宁波大学科学技术学院
摘要： 本发明公开一种基于慢特征回归分析的聚丙烯产品质量实时监测方法，旨在分析出聚丙烯工业过程数据中与产品质量相关，且呈缓慢变化的慢特征，进而实现对聚丙烯产品质量是否异常的间接监测。具体来讲，首先针对聚丙烯工业过程常规采样数据实施慢特征分析，得到相应的多个慢特征；其次，本发明方法结合使用偏最小二乘算法建立慢特征与聚丙烯熔融指数间的回归模型，从而进一步将慢特征转换成与产品质量显著相关的慢特征；最后，利用与产品质量显著相关的慢特征实施聚丙烯产品质量的间接监测。本发明方法使用与聚丙烯产品质量相关的慢特征来间接实现对聚丙烯产品质量的监测，不仅能实现高频率的实时监测，而且还能决策异常是否会影响聚丙烯产品质量。
-
-
-
-
-
-
-
-
-
搜索结果
62 条记录 (耗时 0.046 秒)
