-
公开(公告)号：CN115186584A
公开(公告)日：2022-10-14
申请号：CN202210807679.X
申请日：2022-07-11
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种融合注意力机制和自适应构图的宽度学习半监督软测量建模方法，该方法综合利用数据输入空间和预测输出空间的加权欧式距离信息自适应构建近邻图实现对数据潜在结构信息的准确逼近；同时，考虑到不同的辅助变量对主导变量的准确估计具有不同程度的贡献度，通过融入注意力机制对变量进行加权，即对重要的信息增加一定比例的权重，对于无法提升模型性能的一些信息则选择降低权重，以降低冗余变量和噪声对构图和回归学习的不良影响；最后，将注意力机制、自适应构图和宽度学习建模整合在一个统一学习框架内，并采用交替迭代优化求解获得建模学习的整体最优解。因此，本发明提供的半监督学习框架能够充分利用标签数据所包含的监督信息，辅助以无标签数据所蕴含的结构信息，改善宽度学习模型性能，达到提升软测量模型泛化能力和可靠性之目的。
-
公开(公告)号：CN113253682B
公开(公告)日：2022-04-29
申请号：CN202110533650.2
申请日：2021-05-17
Applicant: 中国石油大学(华东)
IPC: G05B19/418
Abstract: 本发明涉及一种非线性化工过程故障检测方法，其具体步骤为：离线建模阶段中，首先对训练数据进行归一化处理，然后构建M个随机慢特征分析模型，并求出对应的主导子空间统计量和残差空间统计量控制限；在线检测阶段，采集测试数据并进行归一化处理，然后将其映射到M个随机慢特征分析模型，求得M组主导子空间统计量和残差空间统计量，通过加权概率指数融合机制得到集成监控统计量和统计量BICQ，分别与1‑α比较，用于判断是否发生故障，其中，α为置信水平。本发明利用随机傅立叶映射深挖非线性过程的数据特性，能够更加高效的建立非线性慢特征分析模型，改善故障检测效果。
-
公开(公告)号：CN113159225B
公开(公告)日：2022-04-19
申请号：CN202110534721.0
申请日：2021-05-17
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种多变量工业过程故障分类方法，首先使用正常操作工况数据集来分析过程变量之间的相关性，计算变量之间的相关性因子；其次根据过程变量之间的相关性因子构建新的过程变量排列顺序，并进一步构建变量自组织函数；使用卷积神经网络建模方法构建VSACNN故障分类模型，并利用训练数据集来进行网络参数的优化，将测试数据集输入至VSACNN故障诊断模型，根据VSACNN故障诊断模型输出确定故障类型。本发明将变量关系分析与CNN模型相结合，提高局部变量之间的相关性，从而帮助CNN充分挖掘相关过程变量之间的联系，改善CNN在提取局部特征的信息有效性，能够有效地提升故障分类的准确率。
-
公开(公告)号：CN114117919A
公开(公告)日：2022-03-01
申请号：CN202111432914.1
申请日：2021-11-29
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于样本协同表示的即时学习的软测量建模方法，该方法通过协同表示算法获得历史样本的权重矩阵，并通过加权岭回归算法建立加权岭回归模型，将两种算法进行融合，形成统一的优化目标。对于采集的查询数据，首先计算查询数据与训练样本的加权欧式距离，并将加权欧式距离融合到协同表示的正则项中，计算协同表示系数及各历史样本的权重矩阵，然后根据各样本的权重矩阵建立加权岭回归模型计算查询数据对应的输出值。本发明不仅能够很好地处理工业过程的非线性、时变性及多重共线性问题，还将相似样本选择和局部模型的构建融合到一个优化函数中，实现利用局部模型的信息指导相似样本的选择，提高相似样本的可靠性及局部模型的预测精度。
-
公开(公告)号：CN111176265B
公开(公告)日：2021-01-22
申请号：CN202010086630.0
申请日：2020-02-11
Applicant: 中国石油大学(华东)
IPC: G05B23/02
Abstract: 本发明涉及一种模型预测控制器性能监控方法，其具体步骤为：离线建模阶段，收集模型预测控制器历史数据，选择运行工况正常的被控变量数据Yo、控制变量数据Uo以及模型预测误差数据Eo作为基准性能数据集，并对基准性能数据集进行预处理，然后进行慢特征分析，根据全变量信息表达权重矩阵选取主导慢特征空间Wd和残差慢特征空间We，构建稳态性能监控指标和动态性能监控指标ψ，计算指标的控制限和指标ψ的控制限CLψ；在线监控阶段，对在线测试数据进行预处理，计算对应的稳态性能监控指标和动态性能监控指标ψt，依据和ψt是否超出控制限给出性能监控结果。本发明充分提取全部过程变量的稳态性能信息和动态性能信息，能够提高性能恶化检测率。
-
Patent Agency Ranking
公开(公告)号：CN111176265A
公开(公告)日：2020-05-19
申请号：CN202010086630.0
申请日：2020-02-11
Applicant: 中国石油大学(华东)
IPC: G05B23/02
Abstract: 本发明涉及一种模型预测控制器性能监控方法，其具体步骤为：离线建模阶段，收集模型预测控制器历史数据，选择运行工况正常的被控变量数据Yo、控制变量数据Uo以及模型预测误差数据Eo作为基准性能数据集，并对基准性能数据集进行预处理，然后进行慢特征分析，根据全变量信息表达权重矩阵选取主导慢特征空间Wd和残差慢特征空间We，构建稳态性能监控指标 和动态性能监控指标ψ，计算指标的控制限 和指标ψ的控制限CLψ；在线监控阶段，对在线测试数据进行预处理，计算对应的稳态性能监控指标 和动态性能监控指标ψt，依据 和ψt是否超出控制限给出性能监控结果。本发明充分提取全部过程变量的稳态性能信息和动态性能信息，能够提高性能恶化检测率。
-
公开(公告)号：CN119534272A
公开(公告)日：2025-02-28
申请号：CN202411691216.7
申请日：2024-11-25
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种微生物碳酸盐岩孔隙识别方法及系统，该方法包括：对铸体薄片进行图像分析，构建与铸体薄片对应的生物碳酸盐岩岩石组构；并对柱塞样品进行核磁共振分析，得到核磁共振曲线，其中，岩石组构形态特征包括孔隙类型特征；根据预先确定的核磁共振曲线的曲线类型与孔隙类型对应关系，确定核磁共振曲线与孔隙类型对应关系；并基于核磁共振曲线与孔隙类型对应关系绘制微生物碳酸盐岩孔隙鉴定图版；利用微生物碳酸盐岩孔隙鉴定图版，对微生物碳酸盐岩孔隙进行识别。本发明解决了利用地球物理信号准确识别微生物碳酸盐岩中不同尺度、不同类型的孔隙的关键技术难题，为解决微生物碳酸盐岩孔隙识别和定量表征的难题提供了有力的技术支持。
-
公开(公告)号：CN118502385A
公开(公告)日：2024-08-16
申请号：CN202410565010.3
申请日：2024-05-09
Applicant: 中国石油大学(华东)
IPC: G05B23/02
Abstract: 本发明涉及一种基于在线注意力神经网络的工业过程故障检测方法，其步骤为：对训练数据进行标准化处理后，利用标准化后的训练数据训练1DRGANomaly网络，并从训练数据中提取训练数据特征，利用标准化后的验证数据提取验证数据特征并确定四种统计量控制限，在线阶段利用测试集获取测试数据特征与验证数据特征分布之间的差异，将四种特征划分到注意力空间与非注意力空间，并通过注意力因子分配实现对特征的加权，使用贝叶斯融合计算统计量T122和SPE12，并利用控制限进行监控。本发明上述故障检测方法引入了注意力空间划分和注意力因子分配策略，提高了工业过程数据中故障的检测性能。
-
公开(公告)号：CN117671583A
公开(公告)日：2024-03-08
申请号：CN202311551033.0
申请日：2023-11-20
Applicant: 中国石油大学(华东)
Abstract: 本发明属于火焰检测技术领域，涉及一种基于主元分析全局局部特征融合的室外火焰检测方法，其主要步骤包括：构造局部像素点监控指标、构造全局图监控指标和计算面积变化率并判断火焰。该方法通过采用主元分析法将全局特征信息与局部特征信息分别进行融合，消除了特征之间的相关性，利用核密度估计方法确定统计量控制限，进而建立控制限为常数的局部像素点监控指标，避免了人为确定控制限，实现了局部特征信息和全局特征信息的同时监控，能够在减少对落日等疑似火焰干扰源的误判的前提下实现对室外大面积情况下的微弱火焰进行检测和判断。其整体工艺过程简单，原理可靠，微弱火焰检测准确，实时安全监控效果好，适应范围广，逻辑性强，环境友好。
-
公开(公告)号：CN117272244A
公开(公告)日：2023-12-22
申请号：CN202311550643.9
申请日：2023-11-21
Applicant: 中国石油大学(华东)
IPC: G06F18/27 , G06N3/0895 , G06F30/27 , G06F119/02
Abstract: 本发明公开了一种融合特征提取和自适应构图的软测量建模方法，属于软测量技术领域，首先，考虑到原始高维数据中的冗余特征会影响相似矩阵对数据间局部结构信息的准确逼近，本发明致力于结合特征和标签信息之间的相关性选择高维样本的低秩表示；同时，将特征学习和自适应构图整合在一个统一学习框架内，综合利用动态自适应构图优化思想指导算法特征提取，并保证算法同步进行特征学习和回归建模；最后采用交替迭代优化求解获得建模学习的整体最优解。因此，本发明提供的半监督学习框架能够充分利用标签数据所包含的监督信息，辅助以无标签数据所蕴含的结构信息，达到提升软测量模型泛化能力和可靠性之目的。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.037 seconds)
