-
公开(公告)号：CN114548267A
公开(公告)日：2022-05-27
申请号：CN202210159277.3
申请日：2022-02-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于增量学习的重介质选煤过程安全控制贝叶斯网络模型在线更新方法，属于工业安全运行智能控制技术领域。本发明主要步骤如下：首先，将异常工况的现象变量作为证据信息输入到安全控制贝叶斯网络模型中进行推理。其次，依据最大后验概率原则制定相应的安全控制决策，并依据领域专家知识判断安全控制决策是否合理。若合理，则实施该控制决策。若不合理，则继续判断是否发生新的异常工况，并按照判断条件分别进行结构更新学习和参数更新学习。最后，利用更新完成的安全控制贝叶斯网络模型重新获取安全控制决策。本发明提出的重介质选煤过程安全控制模型更新方法，能够提高模型适应选煤环境变化的能力，为操作人员提供安全、可靠的控制决策。
-
公开(公告)号：CN113110341B
公开(公告)日：2022-03-25
申请号：CN202110430280.X
申请日：2021-04-21
IPC: G05B19/418
Abstract: 一种基于潜变量过程迁移模型的批次过程分层优化方法，上层优化部分，利用DoDE方法在生产过程约束条件下产生涵盖全过程信息的样本点，通过在样本点对应条件下执行生产过程，得到相应的产品质量输出信息并依此建立全局RSM；通过求解基于RSM的优化问题，得到操作变量的次优轨迹并将其作为下层优化的初始工况点；下层优化中，基于即时学习和迁移学习思想建立次优解附近的局部JY‑PLS潜变量过程迁移模型；建模完成后，采用批次间自整定方法对操作变量轨迹进行优化；提出关于当前运行的批次个数和产品质量的判别准则，作为判断上层优化结束时传递至下层优化的初始工况点是否具备实现预期生产目标的判据。该方法能够实现少数据情况下的批次过程高效、精细优化。
-
公开(公告)号：CN113361708A
公开(公告)日：2021-09-07
申请号：CN202110629940.7
申请日：2021-06-07
Abstract: 本发明公开了一种宽度学习系统量化方法，属于神经网络量化方法技术领域。本发明包括以下步骤：首先获得输入输出数据，其次提供量化权重的选择标准，然后结合搜索方法获得随机权重被量化后的最佳模型，最后对输出权重量化，最终获得一个轻量化的宽度学习系统模型。本发明使用了动态的权重量化方式，通过在训练过程中设置权重量化时可选择的最大比特，从而动态选择出和浮点权重最优匹配的整型权重；最后，交替进行输出权重的分组量化和浮点权重再训练直到全部权重量化同时模型收敛为止。本发明在保持甚至提升模型性能的同时可以得到一个轻量级宽度学习系统，使其更易部署在移动端等边缘应用上。
-
公开(公告)号：CN119596688A
公开(公告)日：2025-03-11
申请号：CN202411725261.X
申请日：2024-11-28
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于自适应修正的间歇过程鲁棒优化质量提升方法，对新间歇过程因数据不足而难以建立稳健模型的问题，利用相似过程的充足数据构建JYPLS迁移模型；分析间歇过程复杂的运行环境和频繁的扰动等引起的不确定性因素，利用鲁棒优化方法，建立模型不确定性下的间歇过程批次间鲁棒优化数学模型对不确定性问题并进行处理；在使用鲁棒优化方法解决间歇过程复杂的运行环境和过程扰动等引起的不确定性因素的同时引入自适应修正方法；根据运行优化不同阶段的最优必要条件不匹配问题，制定一种数据更新与剔除引导的迁移模型和不确定集双重更新机制；最后对模型进行求解，寻找出最优操作变量。该方法能有效提升产品的最终质量和企业的经济效益。
-
公开(公告)号：CN114527731B
公开(公告)日：2023-12-26
申请号：CN202210160565.0
申请日：2022-02-22
Applicant: 中国矿业大学
IPC: G05B23/02
Abstract: 本发明提供了一种基于监督概率慢特征分析的工业过程运行状态评价方法，步骤一：利用监督概率慢特征分析算法，进行静‑动态特性协同感知信息挖掘，建立运行状态评价的离线评价模型，实现对工业过程运行静‑动态协同感知和运行状态评价信息的深度提取；步骤二：根据离线评价模型计算在线数据的得分向量，并计算静态、一阶动态评价指标和二阶动态指标，最后完成对过程稳态、隐态、非稳态和过渡态的综合评价。该方法能有效解决了传统工业过程运行状态评价方法对过程信息提取不准确、对数据中的无益信息缺乏评估的问题，其可以实现对过程运行状态的综合评价，且对过程状态认知更加准确，可有效降低误报、漏报发生的几率。
-
Patent Agency Ranking
公开(公告)号：CN114967436A
公开(公告)日：2022-08-30
申请号：CN202210203508.6
申请日：2022-03-02
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 一种基于多模型与传递熵的煤泥浮选过程贝叶斯网络控制方法，确定需要用到的变量和几种常见的异常工况；确定贝叶斯网络节点的个数，并划分其状态；将变量集对应的数据进行离散处理；确定出异常工况相对应的变量集；将离散处理后的数据输入到改进评分函数中进行结构学习得到贝叶斯结构；利用最大似然函数进行参数学习得到模型；提取在线异常数据并利用专家知识选择对应的精细化模型；将在线提取的数据离散化处理数据输入到选择的模型中进行推理；根据推理结果对模型根节点进行调整；判断异常工况是否移除，若未移除则利用更新后的异常工况作为证据继续推理。该方法能为操作人员的安全控制决策提供可靠的依据，并能提高建模的效率和建模的精确度。
-
公开(公告)号：CN114265312A
公开(公告)日：2022-04-01
申请号：CN202111577586.4
申请日：2021-12-22
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 一种基于双生自迁移模型的间歇过程分层优化方法，在上层优化中，利用DODE方法生成建模数据集，建立全局RSM；引入MA来补偿模型，通过求解基于RSM的优化问题，得到满足收敛的次优解并作为下层优化的初始优化点；在下层优化中，通过PLS和SVR建立次优解附近的局部模型；考虑两模型相似但不相同的特点，将两模型函数通过权重在在线学习过程中动态组合成双生自迁移模型；依据梯度信息采用批次间自调整优化调整操作轨迹；同时判断下层优化进程是否具有实现预期目标的能力，若不具有，则返回上层并重新为下层寻找次优解；若具有，则继续下层优化，直到满足目标。该方法能在无相似过程数据和少数据情况下实现间歇过程稳定、高效的优化。
-
公开(公告)号：CN113848836A
公开(公告)日：2021-12-28
申请号：CN202111157507.4
申请日：2021-09-30
Applicant: 中国矿业大学
IPC: G05B19/418
Abstract: 本发明提供了一种基于ILSTM网络的复杂工业过程运行状态评价方法，使用离线数据训练ILSTM网络特征提取模型和分类器模型，建立状态评价离线模型；使用在线数据进行运行状态评价；采样得到在线过程数据X，并对X进行标准化处理；对在线数据以窗口长度为H的滑动窗口滑动采样，得到长度一致的序列数据；将序列数据输入运行状态评价模型，得到在线数据属于不同运行状态等级的后验概率，最终的评价结果为当前时刻最大后验概率对应的状态等级；当运行状态评价模型评价当前运行状态为非优时，进行非优因素追溯。该方法能够提取出与综合经济指标动态变化相关的过程信息，可实现工业过程数据中非线性与动态时变特征的有效提取，有助于得到完整的过程运行状态评价模型。
-
公开(公告)号：CN113110341A
公开(公告)日：2021-07-13
申请号：CN202110430280.X
申请日：2021-04-21
IPC: G05B19/418
Abstract: 一种基于潜变量过程迁移模型的批次过程分层优化方法，上层优化部分，利用DoDE方法在生产过程约束条件下产生涵盖全过程信息的样本点，通过在样本点对应条件下执行生产过程，得到相应的产品质量输出信息并依此建立全局RSM；通过求解基于RSM的优化问题，得到操作变量的次优轨迹并将其作为下层优化的初始工况点；下层优化中，基于即时学习和迁移学习思想建立次优解附近的局部JY‑PLS潜变量过程迁移模型；建模完成后，采用批次间自整定方法对操作变量轨迹进行优化；提出关于当前运行的批次个数和产品质量的判别准则，作为判断上层优化结束时传递至下层优化的初始工况点是否具备实现预期生产目标的判据。该方法能够实现少数据情况下的批次过程高效、精细优化。
-
公开(公告)号：CN112966429B
公开(公告)日：2024-10-18
申请号：CN202010803150.1
申请日：2020-08-11
Applicant: 中国矿业大学
IPC: G06F30/27 , G06N20/10 , G06F18/27 , G06N3/045 , G06N3/0475 , G06N3/094 , G06F111/10
Abstract: 本发明公开了一种基于WGANs数据增强的非线性工业过程建模方法，属于工业生产过程构建性能预测模型技术领域。本发明核心是利用生成对抗网络对非线性工业过程建模小样本数据进行数据增强，将生成样本与原有样本混合构建工业过程模型，降低建模成本。具体是先利用拉丁超立方(LHD)方法采集非线性工业过程建模的小样本数据集；然后利用该部分小样本数据训练Wasserstein生成对抗网络(WGANs)；待WGANs训练达到要求后，利用其生成器产生虚拟样本，选取合适的样本与初始小样本数据混合，完成数据增强；最后基于混合数据和支持向量回归方法为目标工业过程建立合适的数据驱动模型。本发明有效解决了非线性工业过程建模数据不充足问题，充分利用了工业过程的小样本数据，通过数据增强加快了建模速度，提高了建模精度和效率，降低了建模成本。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.025 seconds)
