-
公开(公告)号：CN109507972B
公开(公告)日：2020-06-16
申请号：CN201811556452.2
申请日：2018-12-19
Applicant: 中国计量大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于分层式非高斯监测算法的工业生产过程故障监测方法。采集训练数据和待检测数据，计算每两个输入变量间的交互熵，根据交互熵将所有输入变量进行划分为各个子块，利用双层非高斯监控算法在每个子块内建立非高斯监测模型将每个子块中非高斯部分的数据提取出来，计算出非高斯部分数据的控制限和统计量；在每个子块内，对剩余的高斯部分的数据计算得到高斯部分的控制限和统计量；利用控制限和统计量进行故障检测。本发明在非高斯过程故障检测中优于其他传统方法，既可以充分考虑变量间的高度复杂的耦合关系，又可以将未知分布特性的数据中的非高斯部分提取出来，使化工过程的故障监测更加高效与准确。
-
Patent Agency Ranking
公开(公告)号：CN110647922B
公开(公告)日：2023-03-24
申请号：CN201910828558.1
申请日：2019-09-03
Applicant: 中国计量大学
IPC: G06F18/214 , G06F18/24 , G06F18/213
Abstract: 本发明公开了一种基于公共和特有特征提取的分层式非高斯过程监测方法。将训练数据分为多个模态，在每个模态内运用多个权向量、成分向量等特征量得到训练数据的高阶公共特征；在剩余的低阶模态内运用多个权向量、成分向量等特征量得到训练数据的低阶公共特征；根据公共特征在公共子空间构建统计限和统计量，进行故障检测；在剩余的特有子空间构建统计限和统计量，进行故障检测。本发明在多模态的非高斯过程故障检测中优于其他传统方法，既可以提取出多模态的特有特征，同时也能提取出公共特征，考虑了不同模式之间的特性和共性的相互联系，使多模态过程监测更加有效。
-
公开(公告)号：CN110647922A
公开(公告)日：2020-01-03
申请号：CN201910828558.1
申请日：2019-09-03
Applicant: 中国计量大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于公共和特有特征提取的分层式非高斯过程监测方法。将训练数据分为多个模态，在每个模态内运用多个权向量、成分向量等特征量得到训练数据的高阶公共特征；在剩余的低阶模态内运用多个权向量、成分向量等特征量得到训练数据的低阶公共特征；根据公共特征在公共子空间构建统计限和统计量，进行故障检测；在剩余的特有子空间构建统计限和统计量，进行故障检测。本发明在多模态的非高斯过程故障检测中优于其他传统方法，既可以提取出多模态的特有特征，同时也能提取出公共特征，考虑了不同模式之间的特性和共性的相互联系，使多模态过程监测更加有效。
-
公开(公告)号：CN109507972A
公开(公告)日：2019-03-22
申请号：CN201811556452.2
申请日：2018-12-19
Applicant: 中国计量大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于分层式非高斯监测算法的工业生产过程故障监测方法。采集训练数据和待检测数据，计算每两个输入变量间的交互熵，根据交互熵将所有输入变量进行划分为各个子块，利用双层非高斯监控算法在每个子块内建立非高斯监测模型将每个子块中非高斯部分的数据提取出来，计算出非高斯部分数据的控制限和统计量；在每个子块内，对剩余的高斯部分的数据计算得到高斯部分的控制限和统计量；利用控制限和统计量进行故障检测。本发明在非高斯过程故障检测中优于其他传统方法，既可以充分考虑变量间的高度复杂的耦合关系，又可以将未知分布特性的数据中的非高斯部分提取出来，使化工过程的故障监测更加高效与准确。
-
公开(公告)号：CN109523195B
公开(公告)日：2023-01-06
申请号：CN201811556444.8
申请日：2018-12-19
Applicant: 中国计量大学
IPC: G06Q10/06 , G06F16/2458
Abstract: 本发明公开了一种基于样本多模态分类的分层式非高斯算法的故障检测方法。针对工业生产过程，采集获得样本训练数据和样本待检测数据，通过循环迭代的方式将样本数据投影到DLNGM模型，然后利用DLNGM算法计算相应的预测残差，最后根据残差将多模态过程进行分类，进行故障检测。本发明同时考虑变量之间的相关性和样本之间的相关性，提高了噪声故障检测的效果。
-
公开(公告)号：CN109523195A
公开(公告)日：2019-03-26
申请号：CN201811556444.8
申请日：2018-12-19
Applicant: 中国计量大学
IPC: G06Q10/06 , G06F16/2458
Abstract: 本发明公开了一种基于样本多模态分类的分层式非高斯算法的故障检测方法。针对工业生产过程，采集获得样本训练数据和样本待检测数据，通过循环迭代的方式将样本数据投影到DLNGM模型，然后利用DLNGM算法计算相应的预测残差，最后根据残差将多模态过程进行分类，进行故障检测。本发明同时考虑变量之间的相关性和样本之间的相关性，提高了噪声故障检测的效果。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
