-
公开(公告)号：CN117112992A
公开(公告)日：2023-11-24
申请号：CN202310948985.X
申请日：2023-07-31
Applicant: 东华大学
IPC: G06F18/00 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种聚酯酯化阶段的故障诊断方法，该方法混合了全局监督学习和情景度量元学习，利用单个样本的属性信息和来自样本组的相似性信息，首先以全局监督训练的方式，利用变分模态分解得到多尺度数据，提取具有故障特征的多尺度分量，进行多尺度特征融合学习，并利用三元组损失学习到更好的细微的特征，然后固定多尺度特征融合模块用于任务元学习训练，学习一种特征，使得元任务的原始数据转换为基本的特征空间，最后利用维度变分原型模块来自适应地测量样本对的特征相似度，通过变分推断的统计学方法自动学习度量放缩参数来变换嵌入空间。本发明的方法简单，解决了有限数据全开放集场景下的故障诊断问题。
-
公开(公告)号：CN111553117B
公开(公告)日：2022-04-29
申请号：CN202010321509.1
申请日：2020-04-22
Applicant: 东华大学
Abstract: 本发明涉及一种基于遗传算法的堆叠式集成学习的聚酯特性粘度控制方法，将采集的聚合过程参数及其对应的特性粘度先采用堆叠式集成学习的框架进行处理，利用遗传算法对框架中的初级学习器的组合和次级学习器进行选择，然后搜索最优的堆叠式集成学习算法结构并进行训练，生成基于遗传算法的堆叠式集成学习的聚酯纤维特性粘度控制模型；将当前过程参数作为输入变量输入到所述模型中得到聚酯纤维特性粘度的预测值；最后将预测值与理想值进行比较，依据比较结果对输入变量进行调整，由此得到一组理想的聚合过程参数。本发明的控制方法具有预测精度高、鲁棒性好、泛化能力强、可拓展性高的特点，能够有效对聚酯生产过程进行质量控制。
-
公开(公告)号：CN110659274B
公开(公告)日：2022-04-01
申请号：CN201910899740.6
申请日：2019-09-23
Applicant: 东华大学
IPC: G06F16/215 , G06F16/2455 , G06F16/2458 , G06F16/23 , G06F16/22
Abstract: 本发明涉及一种类脑分层记忆机制启发的异常数据流在线校准系统，包括缺失数据填补模块(Ⅰ)、维度约简模块(Ⅱ)、多维计数布隆过滤器模块(Ⅲ)、分层记忆库模块(Ⅳ)、经验知识库模块(Ⅴ)和校准后的数据块模块(Ⅵ)；Ⅰ用于填补数据流批处理环节数据块中缺失的数据；Ⅱ用于将数据块中的高维数据进行低维表示；Ⅲ用于判断新数据样本是否异常；Ⅳ用于存储Ⅱ处理后的历史数据样本；Ⅴ用于存储经Ⅰ处理但未经Ⅱ处理的历史数据样本；Ⅲ和Ⅳ相互配合可进行替换，Ⅳ和Ⅴ相互配合可进行更新；Ⅵ用于存储替换和更新后的新数据样本。本发明的在线校准系统，在不改变数据原始分布的情况下，实时修正离群点、噪声、缺失值以及自适应概念漂移现象。
-
公开(公告)号：CN112760727A
公开(公告)日：2021-05-07
申请号：CN202011473180.7
申请日：2020-12-15
Applicant: 东华大学
IPC: D01D5/08
Abstract: 本发明涉及一种基于免疫内分泌算法优化总服务成本的聚酯纤维生产工艺，以总服务成本minF为优化目标，构建免疫内分泌算法数据模型，利用构建的数据模型对聚酯纤维生产过程中的具体工艺参数进行调试，将当前传感器数据作为聚酯纤维生产工艺的参数进行生产；目标函数即总服务成本：其中，minF表示构建的总服务成本的目标函数，N表示单位时间内可用的服务个数，M表示单位时间内可用的请求个数，xij表示是否有服务i被指派给请求j，dist(si,rj)表示请求j和服务i之间的传输成本，ec(si,rj)表示请求j和服务i之间的能源消耗成本。本发明可以在较短时间内实现节能降耗、保证产能，生产出较低成本、较高质量的聚酯纤维产品的能力，有助于提高企业经济效益及市场竞争力。
-
公开(公告)号：CN111738482A
公开(公告)日：2020-10-02
申请号：CN202010311105.4
申请日：2020-04-20
Applicant: 东华大学
Abstract: 本发明涉及一种聚酯纤维聚合过程中的工艺参数的调节方法，获取聚酯纤维性能指标的预测值后，将其与设定值进行比较，根据比较结果调整聚酯纤维聚合过程中的工艺参数；预测值的获取过程为：首先从传感器采集到的所有特征数据中收集m个特征数据；然后基于网格搜索的极限梯度提升树算法对m个特征数据进行特征相关性排序；对排序好的m个特征数据选取特征相关性较大的前n个特征数据；接着对n个特征数据的所有样本进行归一化处理；最后运用加权的双流双向长短时记忆注意力网络处理归一化后的n个特征数据，分别输出4种所述聚酯纤维性能指标的预测值。本发明可高精度地获取聚酯纤维性能指标的预测值，进而能更好地指导工业生产。
-
Patent Agency Ranking
公开(公告)号：CN111415032A
公开(公告)日：2020-07-14
申请号：CN202010141610.9
申请日：2020-03-03
Applicant: 东华大学
Abstract: 本发明涉及一种基于迁移学习的ELM-AE的聚酯纤维原丝生产性能预测方法。由于ELM网络结构仅有一个隐含层，且输入数据的权重及隐含层的偏置是随机生成的，浅层网络对数据特征提取具有一定的偏差，因此加深ELM网络结构用于提取数据的特征，多层隐含层采用自编码(Autoencoder:AE)进行训练提高模型的训练精度。在工业过程中，同一生产规格产品的生产数据具有难采集，采集成本造价高，采集样本数量少等特点，数据难以用来进行工业过程建模。迁移学习(Transfer Learning:TL)是在一种环境中学到的知识被用在另一个领域中来提高它的泛化性能。不同规格的产品的生产数据有相似之处，且具有一定的相关性，建立迁移学习ELM-AE(TL-ELM-AE)模型，提高模型的泛化能力。
-
公开(公告)号：CN111291556A
公开(公告)日：2020-06-16
申请号：CN201911298675.8
申请日：2019-12-17
Applicant: 东华大学
IPC: G06F40/284 , G06F40/30
Abstract: 本发明涉及一种基于实体义项的字和词特征融合的中文实体关系抽取方法。该方法引入实体义项将语句扩充为三元组 ，丰富了输入细粒度，对三元组中的三个序列分别映射成字向量矩阵。对三元组中的语句，并行输入到两个模型，一个基于注意力机制的双向长短时记忆网络(Att-BLSTM)学习字特征，另一个先通过卷积神经网络(CNN)学习局部特征，再通过Att-BLSTM学习词特征。分别利用Att-BLSTM学习基于字的实体1义项特征和基于字的实体2义项特征。将所述四种特征融合成一个可全面表征语义信息的特征，用于关系抽取。该方法能避免分词错误且解决一词多义问题，有效提高中文实体关系抽取的准确率，可广泛应用于构建知识图谱。
-
公开(公告)号：CN111028207A
公开(公告)日：2020-04-17
申请号：CN201911152308.7
申请日：2019-11-22
Applicant: 东华大学
Abstract: 本发明涉及一种基于类脑即时-通用特征提取网络的纽扣瑕疵检测方法，将实时获得的纽扣图像数据输入到训练好的类脑即时-通用特征提取网络模型中，由其输出分类结果，即有瑕疵纽扣或无瑕疵纽扣的代码，根据分类结果确定当前纽扣是否属于有瑕疵纽扣；类脑即时-通用特征提取网络模型的训练过程即以历史获得的纽扣图像数据作为输入，以其对应的分类结果作为理论输出，不断更新类脑即时-通用特征提取网络模型的参数，直至网络收敛，精度不再增加的过程。本发明的方法省去了复杂的特征工程操作，不仅能检测纽扣的轮廓形状瑕疵，还可检测纽扣的花纹等瑕疵，且适用于多种纽扣的瑕疵检测，普适性高，检测速度快，检测准确率高。
-
公开(公告)号：CN109472397A
公开(公告)日：2019-03-15
申请号：CN201811221084.6
申请日：2018-10-19
Applicant: 东华大学
Abstract: 本发明涉及一种基于粘度变化的聚合工艺参数调节方法，将过去连续时间段Ta内的熔体粘度数据转化为时间序列I后对其进行模糊信息粒化处理得到三个特征向量Low、R和Up，再将三个特征向量输入到改进的ELM中由其输出与未来连续时间段Tb内的熔体粘度数据的波动范围相关的数值，将波动范围与参考范围进行比较后根据比较结果调节聚合工艺参数，改进的ELM是采用粒子群算法优化输入层权值和隐含层阈值后的ELM，粒子群算法的适应度函数为训练样本的均方误差。本发明将模糊信息粒化、极限学习机及粒子群算法有机结合，样本维数少，实时性好，预测精度高；同时预测结果可对工艺参数进行调节。
-
公开(公告)号：CN109009092A
公开(公告)日：2018-12-18
申请号：CN201810622937.0
申请日：2018-06-15
Applicant: 东华大学
IPC: A61B5/0476
Abstract: 本发明涉及一种去除脑电信号噪声伪迹的方法，其步骤如下：首先对经去噪处理的脑电信号进行独立分量分离，然后选择出含有伪迹的独立分量，最后对不含有伪迹的独立分量进行重构获得去除噪声伪迹后的脑电信号，其中独立分量分离基于改进的五阶FastICA算法，改进之处在于利用改进的更新公式进行更新的独立分量的分离向量和松弛因子，含有伪迹的独立分量是基于多域的自适应阈值信号选择方法进行选择。本发明的一种去除脑电信号噪声伪迹的方法，不仅能够自动识别多种眼电伪迹并进行去除，还能够保留大量的脑电信息，能够较好地提高脑电信号的信噪比以及减少信号的均方误差。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.029 seconds)
