公开(公告)号：CN105278526B

公开(公告)日：2017-12-01

申请号：CN201510816035.7

申请日：2015-11-19

Applicant: 东北大学

Inventor： 张颖伟 ,  杜文友 ,  樊云鹏 ,  贾启龙 ,  刘施涛 ,  杨旭

IPC: G05B23/02

CPC classification number: G05B23/0281

Abstract: 本发明公开一种基于正则化架构的工业过程故障分离方法，属于工业过程监测技术领域。该方法包括：采集工业过程样本数据并进行滤波处理后得到包含标记样本的可用样本数据集；建立具有局部正则项和全局正则项的工业过程故障分离目标函数；利用含有标记样本的可用样本数据集，求解工业过程故障分离目标函数的最优解；根据最优解，得到预测类标签矩阵，从而确定过程的故障信息；该方法利用局部正则项可以使最优解性质理想的特点，利用全局检测正则项来加以修正局部正则项可能导致故障分离精度不高的问题。实验表明该方法不仅是可行的，并且其故障分离精度很高，且可以挖掘标记样本数据的潜在信息，提高故障分离模型的泛化能力、综合性能和精确性。

公开(公告)号：CN105278526A

公开(公告)日：2016-01-27

申请号：CN201510816035.7

申请日：2015-11-19

Applicant: 东北大学

Inventor： 张颖伟 ,  杜文友 ,  樊云鹏 ,  贾启龙 ,  刘施涛 ,  杨旭

IPC: G05B23/02

CPC classification number: G05B23/0281 ,  G05B23/0275 ,  G05B2219/24033

Abstract: 本发明公开一种基于正则化架构的工业过程故障分离方法，属于工业过程监测技术领域。该方法包括：采集工业过程样本数据并进行滤波处理后得到包含标记样本的可用样本数据集；建立具有局部正则项和全局正则项的工业过程故障分离目标函数；利用含有标记样本的可用样本数据集，求解工业过程故障分离目标函数的最优解；根据最优解，得到预测类标签矩阵，从而确定过程的故障信息；该方法利用局部正则项可以使最优解性质理想的特点，利用全局检测正则项来加以修正局部正则项可能导致故障分离精度不高的问题。实验表明该方法不仅是可行的，并且其故障分离精度很高，且可以挖掘标记样本数据的潜在信息，提高故障分离模型的泛化能力、综合性能和精确性。

公开(公告)号：CN104133990A

公开(公告)日：2014-11-05

申请号：CN201410336972.8

申请日：2014-07-15

Applicant: 东北大学

Inventor： 张颖伟 ,  刘施涛

IPC: G06F19/00

Abstract: 本发明提供一种基于核最小二乘回归的青霉素发酵过程故障分离方法，包括：获取青霉素发酵过程的历史故障数据集；根据青霉素发酵过程的历史故障数据建立核最小二乘回归学习模型，该模型的输入为青霉素发酵过程的历史故障数据集，输出为青霉素发酵过程的故障类别；实时采集青霉素发酵过程数据并判断当前青霉素发酵过程是否发生故障；利用基于核最小二乘回归的青霉素发酵过程故障分离模型对实时采集的青霉素发酵过程数据进行故障分离，确定故障类别。本发明通过引入核最小二乘回归，将非线性的数据映射到线性空间，从而能够解决非线性空间的故障监测和故障诊断问题，并且能够以较高精度的分离出故障的种类。