-
Patent Agency Ranking
公开(公告)号：CN117235525A
公开(公告)日：2023-12-15
申请号：CN202311263009.7
申请日：2023-09-27
Applicant: 兰州理工大学
Inventor： 蒋栋年 , 赵锦江 , 张伟栋 , 何琛贤 , 申富媛 , 曹慧超 , 李亚洁 , 王仁杰 , 罗晓敏 , 高玉鑫 , 冉欢欢 , 章贯文 , 王志宣 , 褚天锐 , 王洁莹 , 李俊宽 , 张帅
IPC: G06F18/214 , G01D18/00 , G06N5/022
Abstract: 本发明提供了一种基于时空协同的传感器故障检测和数据重构方法，借助空间相关关系检测传感器故障，并利用时间相关关系进行故障传感器数据重构，使得系统在一定时间范围内保障了充足的容错能力，通过提出一种基于MIC‑GCN的空间相关模型，将图论引入顶吹炉传感器故障诊断场景，根据最大互信息构建传感器网络知识图谱，借助图卷积机制捕获多尺度空间特征，进而捕获传感器的故障状态；其次，通过引入图级的时序相关关系设计了时空协同的STG‑Transformer图级预测模型，在对故障传感器进行定位的基础上，并利用最小残差对故障传感器进行数据重构，实现了故障传感器的数据重构。
-
公开(公告)号：CN117575027B
公开(公告)日：2024-07-26
申请号：CN202311692220.0
申请日：2023-12-11
Applicant: 兰州理工大学
Abstract: 本发明提供了一种利用知识增强时空因果的顶吹炉传感器故障诊断方法，收集顶吹炉中传感器数据，结合故障数据专家领域库训练有向无环图DAG学习器，并构件顶吹炉传感器因果发现模型，使用顶吹炉传感器数据学习顶吹炉传感器因果发现模型，然后将学习后的顶吹炉传感器因果发现模型转换为因果有向无环图DAG，建立因果空间(Causal‑Spatial)Transformer模型，将因果有向无环图DAG输入至因果空间(Causal‑Spatial)Transformer模型中，得到顶吹炉传感器的标准化预测数值#imgabs0#，并收集顶吹炉传感器的实际值#imgabs1#，计算标准化预测值#imgabs2#与实际值#imgabs3#之间的标准化残差，通过与阈值对比判断传感器是否故障。
-
公开(公告)号：CN119002458A
公开(公告)日：2024-11-22
申请号：CN202411100515.9
申请日：2024-08-12
Applicant: 兰州理工大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于多传感源特征选择的工业过程故障诊断方法及系统，包括：S1.获取各个传感器采集的过程数据；S2.在不同的特征视图下对各传感器采集的数据进行特征提取，并统一映射至一个公共信息度量空间中，得到各个特征视图下的数据特征集合；S3.在公共信息度量空间内，整合来自多个角度的视图，分析特征并识别显著差异的故障特征，计算并获取多视图特征的权重矩阵来优化特征集合；S4.引入故障模式识别器结合优化后的故障特征，得到故障特征对应的预测类别，并转换为概率分布，来识别和诊断工业设备的故障；本发明引入多视图特征选择和类别边界扩展方法，有效降低了特征维度，减少了信息冗余，同时提高分类结果准确性。
-
公开(公告)号：CN119377669A
公开(公告)日：2025-01-28
申请号：CN202411416211.3
申请日：2024-10-11
Applicant: 兰州理工大学
Inventor： 蒋栋年 , 何琛贤 , 王斋文 , 曹慧超 , 申富媛 , 褚天锐 , 张帅 , 冉欢欢 , 李俊宽 , 张伟栋 , 林靖和 , 杜洪鹤 , 杨浩文 , 左亚丽 , 赵锦江 , 章贯文
IPC: G06F18/214 , G01D18/00 , G06F18/24 , G06N3/0475 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/094
Abstract: 本发明公开了基于不确定性引导对抗增强域下单域泛化的传感器故障诊断方法，包括：获取目标传感器的运行数据；将运行数据输入至训练好的传感器故障诊断模型中，输出运行数据对应的故障类别；传感器故障诊断模型的训练过程包括：在前向传播过程中，基于传感器的单一源域生成对抗源域和虚构域；在反向传播过程中，对对抗源域和虚构域进行不确定性估计，生成增强域；通过增强域训练传感器故障诊断模型学习类决策边界。该方法只需基于单一源域便可实现对传感器故障诊断模型的训练，解除了对故障诊断模型训练过程中多源域的严苛要求，确保在未知工况下可以识别已知故障与未知故障；该方法还通过引入不确定性估计，监督增强域的构造，保证其有效性。
-
公开(公告)号：CN117575027A
公开(公告)日：2024-02-20
申请号：CN202311692220.0
申请日：2023-12-11
Applicant: 兰州理工大学
Abstract: 本发明提供了一种利用知识增强时空因果的顶吹炉传感器故障诊断方法，收集顶吹炉中传感器数据，结合故障数据专家领域库训练有向无环图DAG学习器，并构件顶吹炉传感器因果发现模型，使用顶吹炉传感器数据学习顶吹炉传感器因果发现模型，然后将学习后的顶吹炉传感器因果发现模型转换为因果有向无环图DAG，建立因果空间(Causal‑Spatial)Transformer模型，将因果有向无环图DAG输入至因果空间(Causal‑Spatial)Transformer模型中，得到顶吹炉传感器的标准化预测数值#imgabs0#，并收集顶吹炉传感器的实际值#imgabs1#，计算标准化预测值#imgabs2#与实际值#imgabs3#之间的标准化残差，通过与阈值对比判断传感器是否故障。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
