-
公开(公告)号：CN119247921A
公开(公告)日：2025-01-03
申请号：CN202411286815.0
申请日：2024-09-13
Applicant: 北京科技大学
IPC: G05B23/02
Abstract: 本发明提供一种针对缺失数据的工业过程故障检测方法及系统，涉及工业过程故障检测技术领域，方法包括：获取正常工况下含缺失值的数据作为训练数据；将所述训练数据中的缺失值进行填充处理；通过最小化检测指标，确定填充处理后的训练数据的最优解；根据填充处理后的训练数据的最优解，计算变元的统计量；根据训练数据的变元的统计量以及置信度水平，确定控制限；获取含缺失值的实时数据；将所述实时数据中的缺失值进行填充处理；通过最小化检测指标，确定填充处理后的完整数据的最优解；根据填充处理后的完整数据的最优解，计算变元的统计量；根据实时数据的变元的统计量，计算检测指标；在所述检测指标大于所述控制限的情况下，判定为异常工况。
-
公开(公告)号：CN118364398A
公开(公告)日：2024-07-19
申请号：CN202410429518.0
申请日：2024-04-10
Applicant: 北京科技大学
IPC: G06F18/2433 , G06F18/214 , G06F18/2415 , G06N3/0442 , G06N3/084 , G06Q50/04
Abstract: 本发明公开了一种基于元学习浮法玻璃生产过程变工况故障诊断方法及装置，涉及工业过程故障诊断技术领域。包括：获取待诊断浮法玻璃生产过程的历史数据以及实时生产数据；根据待诊断浮法玻璃生产过程的历史数据以及构建好的训练模型，得到基于元学习浮法玻璃生产过程变工况故障诊断模型；根据实时生产数据以及基于元学习浮法玻璃生产过程变工况故障诊断模型，得到浮法玻璃生产过程的变工况故障诊断结果。本发明能有效解决工业过程有效标签缺乏和数据不平衡问题，并且能够在变工况条件下实现快速精准的故障诊断。
-
公开(公告)号：CN116894186A
公开(公告)日：2023-10-17
申请号：CN202310833953.5
申请日：2023-07-07
Applicant: 北京科技大学
IPC: G06F18/214 , G06N3/0475 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06N3/098
Abstract: 本发明提供一种工业过程时序数据生成方法及系统，涉及数据生成技术领域，包括：获取待扩充的工业过程时序数据作为训练数据；将训练数据输入优化的时序生成对抗网络模型中，以生成新的时序数据；其中，优化的时序生成对抗网络模型由生成器网络、鉴别器网络、孪生神经网络构成。本发明增强了传统生成对抗网络的数据时序提取性能，并缓解避免了模式崩溃现象的产生。采用本发明能有效地解决工业过程中样本不足问题。通过将MSR应用于隐空间中，对生成器进行约束迫使其生成更加多样的数据从而缓解其模式崩溃现象；从鉴别器角度引入孪生网络与鉴别器进行联合训练，提高鉴别器的鉴别能力；鉴别器采用BiLSTM网路模型，捕捉数据的双向时序依赖性。
-
公开(公告)号：CN116842402A
公开(公告)日：2023-10-03
申请号：CN202311119324.2
申请日：2023-09-01
Applicant: 北京科技大学
IPC: G06F18/22 , G06N3/045 , G06F18/2132 , G06F18/214
Abstract: 本发明提供一种基于孪生神经网络提取平稳特征的高炉异常炉况检测方法，属于自动检测技术领域。所述方法包括：建立基于孪生神经网络的平稳特征提取模型以及损失函数；离线训练，根据损失函数对构建的平稳特征提取模型进行训练，计算训练集的平稳分量，建立平稳分量的凸包；在线检测，根据训练后的平稳特征提取模型，计算出测试集的平稳分量，进行凸包检测，当样本位于凸包的外侧，认为炉况异常。与传统的基于高斯混合分布的平稳子空间分析方法相比，本发明方法考虑了高炉数据的非线性，减少了误报率，提前了故障检测时间，更符合高炉数据特征且更为高效。
-
公开(公告)号：CN118644134B
公开(公告)日：2025-03-14
申请号：CN202410709992.9
申请日：2024-06-03
Applicant: 北京科技大学
IPC: G06Q10/0639 , G06Q50/04 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种烧结过程质量异常溯源方法，涉及烧结工艺技术领域。所述方法包括建立提取烧结过程质量的平稳特征模块，通过收集的正常的烧结过程数据作为训练集，对提取烧结过程质量的平稳特征模块进行训练得到训练集的平稳分量及其协方差矩阵，FeO含量预测子模块根据训练集的平稳分量得到FeO含量的预测值；将在线监测的烧结过程数据作为样本集，根据基于孪生神经网络的平稳特征提取子模块对样本集进行处理，得到样本集的平稳分量；根据样本集的平稳分量及协方差矩阵，判断样本集是否存在异常数据，若存在异常数据，则绘制贡献图，本发明考虑了烧结过程数据的非平稳性、非线性以及非高斯性，提取出与FeO含量相关的平稳特征，改善了故障检测性能。
-
Patent Agency Ranking
公开(公告)号：CN116904673B
公开(公告)日：2024-02-13
申请号：CN202310721580.2
申请日：2023-06-16
Applicant: 北京科技大学
IPC: G06F18/213 , G06F18/214 , C21B5/00 , C21B7/24 , G06F123/02
Abstract: 本发明提供一种基于平稳特征提取的高炉异常炉况检测方法，属于高炉冶炼技术领域。所述方法包括：建立不同时间段正常炉况下的历史数据的高斯混合模型；基于建立的高斯混合模型，通过最小化不同时间段特征分布的差异性，构造特征提取矩阵提取平稳特征；建立平稳特征的高斯混合模型，并分别在每个组分下构造基于Mahalanobis距离的检测统计量；根据置信度水平利用正常炉况下的历史数据确定每个组分下检测统计量的阈值；利用特征提取矩阵计算待检测样本的平稳特征；判断所述平稳特征所属高斯混合模型的组分，并计算相应的检测统计量；若检测统计量大于对应组分下检测统计量的阈值，则判定为异常炉况。采用本发明，能够有效检测出高炉异常炉况。
-
公开(公告)号：CN116842402B
公开(公告)日：2024-02-13
申请号：CN202311119324.2
申请日：2023-09-01
Applicant: 北京科技大学
IPC: G06F18/22 , G06N3/045 , G06F18/2132 , G06F18/214
Abstract: 本发明提供一种基于孪生神经网络提取平稳特征的高炉异常炉况检测方法，属于自动检测技术领域。所述方法包括：建立基于孪生神经网络的平稳特征提取模型以及损失函数；离线训练，根据损失函数对构建的平稳特征提取模型进行训练，计算训练集的平稳分量，建立平稳分量的凸包；在线检测，根据训练后的平稳特征提取模型，计算出测试集的平稳分量，进行凸包检测，当样本位于凸包的外侧，认为炉况异常。与传统的基于高斯混合分布的平稳子空间分析方法相比，本发明方法考虑了高炉数据的非线性，减少了误报率，提前了故障检测时间，更符合高炉数据特征且更为高效。
-
公开(公告)号：CN115905974A
公开(公告)日：2023-04-04
申请号：CN202211377826.0
申请日：2022-11-04
Applicant: 北京科技大学
IPC: G06F18/2415 , G06F18/214 , G06F17/18 , G06F17/16
Abstract: 本发明提供一种高炉异常炉况检测方法，属于高炉冶炼技术领域。所述方法包括：S101，建立基于GMM的平稳投影矩阵求取模型，其中，GMM表示高斯混合模型；S102，获取非平稳高炉正常的历史过程数据作为训练集，根据建立的平稳投影矩阵求取模型求取训练集的平稳投影矩阵和平稳分量，建立平稳分量的凸包；S103，根据S102求出的平稳投影矩阵计算在线测试样本的平稳分量，基于得到的平稳分量进行凸包检测，当测试样本位于凸包的外侧，判定炉况异常。采用本发明，能够降低炉况异常误报率。
-
公开(公告)号：CN118520759A
公开(公告)日：2024-08-20
申请号：CN202410413148.1
申请日：2024-04-07
Applicant: 北京科技大学
IPC: G06F30/27 , G06F18/214 , G06N3/0442 , G06N3/09 , G06N3/094
Abstract: 本发明提供一种工业过程小样本数据生成方法及系统，涉及数据生成技术领域，包括:获取正常样本量的工业过程数据作为训练数据；构建有监督的信息最大化生成对抗网络模型；基于训练数据训练有监督的信息最大化生成对抗网络模型，获得小样本数据生成模型；获取小样本数据，将小样本数据输入至小样本生成模型进行参数微调并生成对应的目标数据，完成工业过程小样本数据生成。本发明有效解决了工业过程中的工业数据小样本问题，同时在小样本数据扩充过程中有效继承原始数据时序特征并且提高其可解释性。本方法在模型层面，将时序监督与信息最大化生成对抗网络结合；在算法策略层面，将元学习策略引入上述模型中，赋予其解决小样本问题的能力。
-
公开(公告)号：CN115905974B
公开(公告)日：2024-02-27
申请号：CN202211377826.0
申请日：2022-11-04
Applicant: 北京科技大学
IPC: G06F18/2415 , G06F18/214 , G06F17/18 , G06F17/16
Abstract: 本发明提供一种高炉异常炉况检测方法，属于高炉冶炼技术领域。所述方法包括：S101，建立基于GMM的平稳投影矩阵求取模型，其中，GMM表示高斯混合模型；S102，获取非平稳高炉正常的历史过程数据作为训练集，根据建立的平稳投影矩阵求取模型求取训练集的平稳投影矩阵和平稳分量，建立平稳分量的凸包；S103，根据S102求出的平稳投影矩阵计算在线测试样本的平稳分量，基于得到的平稳分量进行凸包检测，当测试样本位于凸包的外侧，判定炉况异常。采用本发明，能够降低炉况异常误报率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
