-
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。
-
Patent Agency Ranking
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：CN117571037B
公开(公告)日：2024-08-16
申请号：CN202311603293.8
申请日：2023-11-28
Applicant: 兰州理工大学
IPC: G01D18/00 , G06N3/0455 , G06F18/213 , G06N7/01
Abstract: 本发明提供了工业传感器故障自诊断方法，当系统内的传感器之间具有冗余信息时，建立统计相关二进制数据的高斯Copula模型，并利用基于梯度的HMC算法改进高斯Copula模型的收敛性；选取系统中至少5个传感器，利用自编码器所获得系统内传感器相关二进制数，将二进制数带入到高斯Copula模型中进行参数学习，得到似然函数；利用HMC采样器对模型参数进行采样，得到传感器故障检测概率PODi和传感器误检概率PFAi后验分布；最后判断处传感器是否处于故障状态。本发明为实现在无参考值情况下的传感器自诊断，本发明在统计独立或统计相关的不同情况下，通过建立传感器检测数据的统计模型，实现传感器的自主诊断。
-
公开(公告)号：CN117571037A
公开(公告)日：2024-02-20
申请号：CN202311603293.8
申请日：2023-11-28
Applicant: 兰州理工大学
IPC: G01D18/00 , G06N3/0455 , G06F18/213 , G06N7/01
Abstract: 本发明提供了工业传感器故障自诊断方法，当系统内的传感器之间具有冗余信息时，建立统计相关二进制数据的高斯Copula模型，并利用基于梯度的HMC算法改进高斯Copula模型的收敛性；选取系统中至少5个传感器，利用自编码器所获得系统内传感器相关二进制数，将二进制数带入到高斯Copula模型中进行参数学习，得到似然函数；利用HMC采样器对模型参数进行采样，得到传感器故障检测概率PODi和传感器误检概率PFAi后验分布；最后判断处传感器是否处于故障状态。本发明为实现在无参考值情况下的传感器自诊断，本发明在统计独立或统计相关的不同情况下，通过建立传感器检测数据的统计模型，实现传感器的自主诊断。
-
公开(公告)号：CN116719797A
公开(公告)日：2023-09-08
申请号：CN202310851986.2
申请日：2023-07-12
Applicant: 兰州理工大学
IPC: G06F16/21 , G06F18/22 , G06F18/10 , G06F16/901 , G06F17/18
Abstract: 本发明提供了基于IF‑DDPM的闪速炉缺失数据生成及填补方法，包括以下步骤，采用异常点检测法检测出传感器在一个连续时间段内的数据缺失信息，所述数据缺失信息包括数据缺失区域以及缺失数据数量；构建DDPM模型，将连续时间段内带有缺失的传感器检测数据作为训练数据，送入DDPM模型中生成符合原始数据分布的数据，根据缺失区域信息，使用采样器从生成符合原始数据分布的数据中依据数据密度分布采样出每个缺失区域对应数量的生成数据，填补进缺失区域内，构建完整数据集。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
