-
公开(公告)号：CN117428011A
公开(公告)日：2024-01-23
申请号：CN202311381737.8
申请日：2023-10-23
Applicant: 北京科技大学顺德创新学院 , 北京科技大学
Abstract: 本发明公开了一种轧制过程精轧机组的分布式数据驱动故障检测方法及系统，涉及工业轧钢过程的故障检测技术领域，该方法包括：对精轧机正常运行时的过程变量进行采集并存储；获取由精轧机各机架的压磁传感器组成的传感器网络通信拓扑结构；考虑相邻传感器节点间的数据传输，应用改良后的平均一致性算法来实现最优的分布式故障检测；其中，所述改良后的平均一致性算法包括分布式训练阶段和分布式检测阶段；所述改良后的平均一致性算法通过在分布式训练阶段确定分布式检测阶段所需执行一致性算法迭代的步数，减小检测阶段的检测延迟。采用本发明可有效解决轧钢过程精轧阶段分布式故障检测由于检测延迟而带来的检测性能下降问题。
-
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。
-
公开(公告)号：CN118797274B
公开(公告)日：2024-11-15
申请号：CN202411263330.X
申请日：2024-09-10
Applicant: 鞍钢集团自动化有限公司 , 北京科技大学
IPC: G06F18/20 , G06N3/0464 , G06F18/243 , G06F18/2433 , G06N3/049
Abstract: 本发明公开了一种云边协同的带钢热轧过程数据治理及性能预测方法及装置，方法包括：获取带钢热轧生产过程数据进行异常值快速检测；对云侧数据进行非理想数据扩充；采用六维数据模型的多源异构数据描述范式建立带钢热轧过程元数据全局视图；结合带钢热轧过程机理知识和mRMR对性能相关辅助变量进行筛选；构建实体嵌入模型实现所述多源异构数据的交互和融合；在边侧构建时间‑空间卷积网络软传感器模型；在云侧利用基于熵权法的多性能指标综合评价描述方法融合局部预测结果，完成带钢热轧全流程性能评估。解决了现有技术无法实现对带钢热轧生产过程数据治理，也无法有效实现性能高精度预测与全流程评估的技术问题。
-
公开(公告)号：CN117891214B
公开(公告)日：2024-07-09
申请号：CN202311842331.5
申请日：2023-12-28
Applicant: 北京科技大学
IPC: G05B19/418
Abstract: 本发明涉及工业过程监测技术领域，特别是指一种云边端协同下热连轧过程监测与故障诊断方法及装置，方法包括：在端侧平台上完成实时数据的采集、预处理与关键变量筛选；在边侧平台上，利用各工序对应的多维完备数据构建质量监测模型，实现对各批次过程的实时质量监测；在云侧平台上，充分利用边侧质量监测模型、各工序知识和能耗计算机理，构建各采样时刻能耗监测和单批次能耗预测模型；通过云边协同技术和联邦学习等方法，实现层次化的多性能指标协同统一，完成质量与能耗协同下动态性能实时监测、预测与时空诊断。本发明更好地了解生产过程中的问题，并及时采取相应的措施进行改进和优化。也为生产过程中的能效管理和质量控制提供了有力的支持。
-
公开(公告)号：CN117707062B
公开(公告)日：2024-06-21
申请号：CN202311640795.8
申请日：2023-12-01
Applicant: 北京科技大学
IPC: G05B19/418
Abstract: 本发明提供一种带钢热轧过程的故障检测方法和装置，应用于工业过程故障诊断技术领域，包括:获取带钢热轧过程中关联的#imgabs0#相关的过程变量，基于混合相关系数，得到#imgabs1#相关的过程变量，并基于综合故障检测指数和诊断指标进行故障的检测，得到故障数据和故障类型。本发明能解决能耗信息利用率低、时空相关性强、数据不平衡等复杂特性并存的带钢热轧过程故障检测与诊断问题，实现可及时、准确地对生产过程发生的故障进行有效的监控和判断。
-
Patent Agency Ranking
公开(公告)号：CN118194122A
公开(公告)日：2024-06-14
申请号：CN202410322045.4
申请日：2024-03-20
Applicant: 北京科技大学
IPC: G06F18/241 , G06F18/2135 , G06F18/27 , G06F18/15 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q50/04
Abstract: 本发明涉及工业过程监测技术领域，特别是指一种带钢热连轧多采样率过程监测方法及装置。带钢热连轧多采样率过程监测方法包括：收集带钢热连轧生产线的多采样率的历史数据，获得训练数据；根据多尺度卷积神经网络结构以及多向核主成分分析模型结构进行模型构建，获得待训练MCNN‑MKPCA模型；采用训练数据，对待训练MCNN‑MKPCA模型进行训练，获得MCNN‑MKPCA模型；基于训练数据，根据MCNN‑MKPCA模型进行计算，得到控制限；获取带钢热连轧生产线的在线数据；将在线数据输入所述MCNN‑MKPCA模型进行计算，得到统计量；根据统计量以及控制限进行校验，发出故障警报。本发明是一种直接利用采样率不均一数据且变量非线性的高效、精确的过程监测方法。
-
公开(公告)号：CN111724126B
公开(公告)日：2024-03-12
申请号：CN202010535022.3
申请日：2020-06-12
Applicant: 北京科技大学顺德研究生院
IPC: G06Q10/0639 , G06Q10/10 , G06Q50/04
Abstract: 本发明公开了一种工艺流程质量异常精准追溯方法及系统，该方法包括：在质量流约束下对工艺流程进行分解，将全流程划分为多个子系统；构建各子系统中对全流程质量波动敏感的质量指标集和质量指标逆映射模型；基于质量指标逆映射模型，结合系统层级信息，构建融合层级信息的子系统质量异常监测模型，实现各子系统的质量异常监测；将不同子系统的质量异常监测信息进行融合，实现融合局部关联信息的工艺流程全流程质量异常监测；构建质量相关故障传播网络，并基于质量相关故障传播网络，根据工艺流程全流程质量异常监测信息，实现质量相关故障追溯。本发明可及时、准确的对生产过程的质量异常进行有效的监控和判断，具有重要的实际应用与推广价值。
-
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：CN113835411B
公开(公告)日：2023-10-27
申请号：CN202111045843.X
申请日：2021-09-07
Applicant: 北京科技大学顺德研究生院
IPC: G05B23/02
Abstract: 本发明提供一种轧钢工艺流程质量异常综合诊断方法，属于生产过程的控制和监测技术领域。所述方法包括：构建融合层级质量信息的层次化故障传播网络；根据构建的层次化故障传播网络，识别变工况下故障传播路径；根据变工况下故障传播路径识别结果，对质量异常相关故障进行在线诊断。采用本发明，能够对轧钢工艺流程的质量异常进行在线综合诊断。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.024 seconds)
