一种过渡模态操作故障检测方法和系统

    公开(公告)号:CN113435106A

    公开(公告)日:2021-09-24

    申请号:CN202110611003.9

    申请日:2021-06-01

    Abstract: 本发明公开了一种过渡模态操作故障检测方法和系统,属于工业过程异常监测领域。本发明提出一种新的过渡过程操作阶段划分方法,在每个阶段内采用非平稳过程向平稳投影的思想进行离线建模,在线监测阶段采用即时学习的思想,先判断在线数据所属操作阶段,然后按照离线规则特征提取并求出检验统计量,进一步故障检测。本方法中过渡模态操作阶段划分策略具有很强的可解释性,建模和监控中填补了同类方法中不考虑非同阶差分平稳变量的空缺,在线监测时采用即时学习的思想进一步收紧控制限,相比于传统的监测方法,细化了监测过程,丰富了监测信息,提高了监测准确度。

    一种基于数字水印的高清视频加密传输方法及系统

    公开(公告)号:CN102014266A

    公开(公告)日:2011-04-13

    申请号:CN201010566786.5

    申请日:2010-12-01

    Abstract: 本发明公开了一种基于视频水印的高清视频加密传输方法,用随机数生成器生成随机数作为视频加扰密钥,采用RSA算法对视频加扰密钥进行加密,从而保证其在传输的过程不被截获,然后使用LSB算法将加密后的视频加扰密钥作为水印嵌入到加密的视频中,从而实现高清视频的安全加密。本发明既具有较高的安全性又有较低的计算复杂性,并保证高清视频内容在安全传输的前提下的传输质量。

    一种基于局部密度峰值聚类的模态辨识方法

    公开(公告)号:CN110348488A

    公开(公告)日:2019-10-18

    申请号:CN201910529229.7

    申请日:2019-06-19

    Abstract: 本发明公开了一种基于局部密度峰值聚类的模态辨识方法,属于多模态工业过程模态辨识领域,所述方法包括:采集多模态工业过程不同模态下的数据,构成待辨识的模态数据集;计算数据集中每个样本点之间的欧氏距离,并确定每个样本点的k近邻集;计算每个样本点在k近邻集下的局部密度值,并确定每个样本点到高于自身局部密度值的样本点的最小欧式距离;确定作为聚类中心的样本点;分配剩余样本点,得到初步聚类结果;对数据集进行窗口划分,并更新每个模态所包含的样本点,得到最终的模态辨识结果。本发明方法能够避免过渡模态的聚类中心丢失,同时实现过渡模态起点和终点的精准识别。

    基于时间约束的核稀疏表示的多模态过程监控方法及系统

    公开(公告)号:CN112541554B

    公开(公告)日:2024-03-22

    申请号:CN202011508456.0

    申请日:2020-12-18

    Abstract: 本发明公开了一种基于时间约束的核稀疏表示的多模态过程监控方法及系统,属于多模态过程监控领域,所述方法包括:根据待识别模态的训练样本集,选取窗口大小,计算时间加权矩阵;求解训练样本集的稀疏系数矩阵;对稀疏系数矩阵进行模态划分,得到训练样本集的模态辨识结果;从每个模态中选择具有代表性的样本,组成新的字典矩阵;计算在线新样本的稀疏系数向量,判断在线新样本所属模态;判断在线新样本是否为故障。本发明考虑了工业过程变量之间的时间相关性,得到更为准确的模态辨识结果;选取每个模态具有代表性的样本,得到更为准确的故障检测结果。

    一种过渡模态操作故障检测方法和系统

    公开(公告)号:CN113435106B

    公开(公告)日:2023-12-05

    申请号:CN202110611003.9

    申请日:2021-06-01

    Abstract: 本发明公开了一种过渡模态操作故障检测方法和系统,属于工业过程异常监测领域。本发明提出一种新的过渡过程操作阶段划分方法,在每个阶段内采用非平稳过程向平稳投影的思想进行离线建模,在线监测阶段采用即时学习的思想,先判断在线数据所属操作阶段,然后按照离线规则特征提取并求出检验统计量,进一步故障检测。本方法中过渡模态操作阶段划分策略具有很强的可解释性,建模和监控中填补了同类方法中不考虑非同阶差分平稳变量的空缺,在线监测时采用即时学习的思想进一步收紧控制限,相比于传统的监测方法,细化了监测过程,丰富了监测信息,提高了监测准确度。

    基于时间约束的核稀疏表示的多模态过程监控方法及系统

    公开(公告)号:CN112541554A

    公开(公告)日:2021-03-23

    申请号:CN202011508456.0

    申请日:2020-12-18

    Abstract: 本发明公开了一种基于时间约束的核稀疏表示的多模态过程监控方法及系统,属于多模态过程监控领域,所述方法包括:根据待识别模态的训练样本集,选取窗口大小,计算时间加权矩阵;求解训练样本集的稀疏系数矩阵;对稀疏系数矩阵进行模态划分,得到训练样本集的模态辨识结果;从每个模态中选择具有代表性的样本,组成新的字典矩阵;计算在线新样本的稀疏系数向量,判断在线新样本所属模态;判断在线新样本是否为故障。本发明考虑了工业过程变量之间的时间相关性,得到更为准确的模态辨识结果;选取每个模态具有代表性的样本,得到更为准确的故障检测结果。

    一种基于主元相似性分析的多模态过程模态辨识方法

    公开(公告)号:CN108490912B

    公开(公告)日:2019-08-30

    申请号:CN201810204240.1

    申请日:2018-03-12

    Abstract: 本发明公开了一种基于主元相似性分析的多模态过程模态辨识方法,包括:根据待识别模态的数据集,选取窗口大小、窗口移动的长度和PCA相似性因子的控制限值;将第一个窗口的数据作为初始模态的数据,计算初始模态的相似性指标统计量的控制限值;对于每个窗口,基于主成分分析方法计算两个相似性指标的值;判断当前窗口的模态;当前窗口不属于当前模态时,判断所属新模态类型;当前窗口仍属于当前模态时,把当前窗口的数据并入到当前模态数据内。本发明揭示了不同模态数据之间性质的主要差异在于一阶矩和二阶矩;针对一阶矩的差异,选取T2统计量;针对二阶矩的差异,选取相似性因子。使得本发明的模态辨识方法计算量小,模态辨识的结果准确率高。

    一种基于局部密度峰值聚类的模态辨识方法

    公开(公告)号:CN110348488B

    公开(公告)日:2021-07-27

    申请号:CN201910529229.7

    申请日:2019-06-19

    Abstract: 本发明公开了一种基于局部密度峰值聚类的模态辨识方法,属于多模态工业过程模态辨识领域,所述方法包括:采集多模态工业过程不同模态下的数据,构成待辨识的模态数据集;计算数据集中每个样本点之间的欧氏距离,并确定每个样本点的k近邻集;计算每个样本点在k近邻集下的局部密度值,并确定每个样本点到高于自身局部密度值的样本点的最小欧式距离;确定作为聚类中心的样本点;分配剩余样本点,得到初步聚类结果;对数据集进行窗口划分,并更新每个模态所包含的样本点,得到最终的模态辨识结果。本发明方法能够避免过渡模态的聚类中心丢失,同时实现过渡模态起点和终点的精准识别。

    一种基于主元相似性分析的多模态过程模态辨识方法

    公开(公告)号:CN108490912A

    公开(公告)日:2018-09-04

    申请号:CN201810204240.1

    申请日:2018-03-12

    Abstract: 本发明公开了一种基于主元相似性分析的多模态过程模态辨识方法,包括:根据待识别模态的数据集,选取窗口大小、窗口移动的长度和PCA相似性因子的控制限值;将第一个窗口的数据作为初始模态的数据,计算初始模态的相似性指标统计量的控制限值;对于每个窗口,基于主成分分析方法计算两个相似性指标的值;判断当前窗口的模态;当前窗口不属于当前模态时,判断所属新模态类型;当前窗口仍属于当前模态时,把当前窗口的数据并入到当前模态数据内。本发明揭示了不同模态数据之间性质的主要差异在于一阶矩和二阶矩;针对一阶矩的差异,选取T2统计量;针对二阶矩的差异,选取相似性因子。使得本发明的模态辨识方法计算量小,模态辨识的结果准确率高。

Patent Agency Ranking