-
公开(公告)号：CN117829342A
公开(公告)日：2024-04-05
申请号：CN202311639882.1
申请日：2023-12-04
IPC: G06Q10/04 , G06Q50/06 , G06Q50/26 , G06F18/10 , G06F18/211 , G06F18/27 , G06F18/21 , G06N5/01 , G06N20/20
Abstract: 本发明公开基于改进随机森林算法的燃煤电厂氮氧化物排放预测方法，属于燃煤电厂烟气脱硝技术领域，包括计算所有自变量和因变量之间的最大信息系数、对变量初步筛选、构造随机森林回归模型并多次重构随机森林回归模型、对重构后的随机森林回归模型的预测效果进行实时监测、采用模型预测性能评价指标对随机森林回归模型预测性能进行对比评价、对电厂烟气系统实时数据进行在线预测。本发明利用随机森林的袋外误差自动调整变量筛选的阈值，大大降低了参数调整的难度，提高了特征选择的效率；通过样本随机和随机子空间策略的结合，有效地提高模型的鲁棒性；自适应更新机制通过监测算法评估模型的适用性，有效地指导更新。
-
公开(公告)号：CN118520789B
公开(公告)日：2024-10-01
申请号：CN202411002852.4
申请日：2024-07-25
Applicant: 山东科技大学
IPC: G06F30/27 , G06F30/15 , G06F18/243 , G06F18/211
Abstract: 本发明公开了一种基于加权随机森林的高速列车牵引逆变器故障诊断方法，属于故障诊断领域，对牵引逆变器控制的绝缘栅双极晶体管进行故障诊断，具体包括如下步骤：提取原始信号的时域特征、频域特征和时频域特征并构建特征数据集；在特征数据集上运行随机森林算法得到特征重要性，利用特征重要性和递归特征消除方法得到最优特征集；在最优特征集对应的数据集上建立加权随机森林模型并通过该模型实现故障诊断。本发明能够优化提取的特征，去除低重要性特征对故障诊断算法性能的影响；同时，提出了特征加权随机森林算法，增加了重要特征的利用率，并充分利用特征的信息差异性，提升了故障诊断的准确率。
-
公开(公告)号：CN118707920A
公开(公告)日：2024-09-27
申请号：CN202410629333.4
申请日：2024-05-21
Applicant: 山东科技大学
IPC: G05B23/02
Abstract: 本发明公开了种旋转导向钻井工具平台的局域故障主动容错控制方法，属于容错控制领域，针对受随机扰动影响的含有局域故障的旋转导向钻井工具平台，本发明提出了一种旋转导向钻井工具平台的局域故障主动容错控制方法，基于随机高阶全驱系统模型开发了一种新的主动容错跟踪控制律，可以实现系统对参考信号的有效跟踪，并且保证工具面角的跟踪误差收敛到一个可指定的界内，具有良好的容错能力。
-
公开(公告)号：CN117909837B
公开(公告)日：2024-05-31
申请号：CN202410296598.7
申请日：2024-03-15
Applicant: 山东科技大学
IPC: G06F18/241 , G06F18/214 , G06F18/243 , G06F17/16 , G06N5/01
Abstract: 本发明公开了一种数据和知识协同驱动的齿轮故障诊断方法，属于故障诊断技术领域，包括如下步骤：步骤1、建立齿轮已知故障标签和未知故障标签间的属性知识描述矩阵；步骤2、构建数据和知识协同驱动的齿轮故障诊断模型；步骤3、设计基于属性学习器分类模型的齿轮故障诊断策略。本发明解决了工业生产过程中对缺失训练样本的未知类故障进行诊断的问题，能够为工业生产过程的安全稳定运行奠定基础。
-
公开(公告)号：CN117909837A
公开(公告)日：2024-04-19
申请号：CN202410296598.7
申请日：2024-03-15
Applicant: 山东科技大学
IPC: G06F18/241 , G06F18/214 , G06F18/243 , G06F17/16 , G06N5/01
Abstract: 本发明公开了一种数据和知识协同驱动的齿轮故障诊断方法，属于故障诊断技术领域，包括如下步骤：步骤1、建立齿轮已知故障标签和未知故障标签间的属性知识描述矩阵；步骤2、构建数据和知识协同驱动的齿轮故障诊断模型；步骤3、设计基于属性学习器分类模型的齿轮故障诊断策略。本发明解决了工业生产过程中对缺失训练样本的未知类故障进行诊断的问题，能够为工业生产过程的安全稳定运行奠定基础。
-
Patent Agency Ranking
-
公开(公告)号：CN116227663A
公开(公告)日：2023-06-06
申请号：CN202211653525.6
申请日：2022-12-22
Applicant: 山东科技大学
IPC: G06Q10/04 , G06N7/01 , G06N5/01 , G06F16/2458 , G06Q50/06
Abstract: 本发明公开了一种基于随机森林的火电厂烟气系统氮氧化物浓度实时预测方法，该方法具体包括以下步骤：过程数据的获取及预处理；变量重要度排序及变量筛选；构建氮氧化物预测模型、并整定模型参数；对预测模型进行在线部署。本发明方法基于可以实时获取的过程数据实现了关键变量的自动筛选、构建了鲁棒性强、精度高的氮氧化物预测模型，其具有较好的实用性和推广性，有利于提高火电厂烟气系统氮氧化物检测的效率，为火电厂控制氮氧化物排放提供基础。
-
公开(公告)号：CN109325310B
公开(公告)日：2023-05-05
申请号：CN201811250111.2
申请日：2018-10-25
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于多重T方控制图的高速列车间歇故障检测方法，属于故障诊断领域；该方法可以检测出幅值较小且持续时间有限的间歇故障，并推断间歇故障的发生时间和消失时间，显著提高了数据驱动方法对间歇故障的检测效果；该方法包括：训练数据收集并预处理，分析高速列车关键系统间歇故障参数，在线故障检测及误报排除，时间窗口选择及间歇故障发生、消失时间实时推断。本发明有效保障了高速列车关键系统间歇故障检测的实际应用需求。
-
公开(公告)号：CN110084301B
公开(公告)日：2023-04-18
申请号：CN201910336470.8
申请日：2019-04-25
Applicant: 山东科技大学
IPC: G06F18/241 , G06F18/214
Abstract: 本发明公开了一种基于隐马尔可夫模型的多工况过程工况辨识方法，具体属于自动检测技术领域。该方法包括离线训练和在线辨识两部分：离线训练过程中，采集各个工况下的历史数据，利用隐马尔可夫模型对多工况过程进行建模，使用极大似然估计算法估计隐马尔可夫模型的参数；在线辨识过程中，首先根据上一时刻样本分属各个工况的概率和工况转移特性计算得到当前时刻样本分属各个工况的先验概率，然后基于当前时刻的样本信息和贝叶斯准则计算得到后验概率，再根据最大后验概率准则确定当前工况，与标准维特比算法相比，本发明所提方法显著降低了在线计算复杂度，更适用于在线的工况辨识。
-
公开(公告)号：CN114676770A
公开(公告)日：2022-06-28
申请号：CN202210284214.0
申请日：2022-03-22
Applicant: 山东科技大学
IPC: G06K9/62
Abstract: 本发明提出了一种基于混合变量监测的非单一分布的过程监测方法，属于故障检测领域。及时有效的故障监测是系统高可靠性运行的前提和保障，随着现代工业过程不断的大型化、集成化和复杂化，连续变量和二值变量同时出现在了监测变量中，本发明针对同时包含连续变量和二值变量的系统，仅健康状态数据可获得，且连续变量不服从单一高斯分布二值变量不服从单一伯努利分布的情况，提出了一种新的基于混合变量监测的非单一分布的过程监测方法，与传统的混合变量监测方法相比，因为其对数据分布的拟合更加准确，使其过程监测性能更好。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.043 seconds)
