基于时间差分模型的软测量建模方法

    公开(公告)号:CN108595892A

    公开(公告)日:2018-09-28

    申请号:CN201810448540.4

    申请日:2018-05-11

    Inventor: 刘鸿斌 宋留 杨冲

    Abstract: 本发明公开了一种基于时间差分模型的软测量建模方法,该方法可用于存在着非线性、时滞性、时变性、多变量耦合及其他特点的复杂工业过程。首先对输入输出数据的时间差分进行训练学习,得到差分重组数据作为软测量模型的输入进行数据预测;之后构建基于时间差分的软测量模型对响应变量进行预测,并对模型的预测能力进行评价。通过对实际污水处理数据进行建模预测,时间差模型能够很好地处理过程输入输出变量的漂移,获得数据中隐含的变量时滞信息与动态信息,基于时间差分的软测量模型能够提高模型的预测与泛化能力,更加适用于复杂多变的废水处理过程。

    基于偏最小二乘的高斯回归软测量建模方法

    公开(公告)号:CN108197380A

    公开(公告)日:2018-06-22

    申请号:CN201711476291.1

    申请日:2017-12-29

    Inventor: 刘鸿斌 杨冲

    Abstract: 本发明公开了一种基于偏最小二乘的高斯回归软测量建模方法,该方法可用于存在较强的时变性、耦合性、非线性、滞后性以及其他复杂特性的工业过程。首先,基于偏最小二乘的方法对多元输入数据进行降维,并选取合适的得分向量作为高斯过程回归模型的输入;之后,通过对协方差函数的选取与组合,构建不同种类的高斯过程回归软测量模型对输出数据进行预测;最后,使用测试集数据对模型的预测能力进行评价。造纸废水处理过程数据的建模结果表明,基于偏最小二乘对被测变量的降维技术可以提高高斯过程回归模型的预测能力;由不同协方差函数构建的高斯过程回归模型为出水指标的预测提供了多种选择,更加适合复杂多变的造纸废水处理环境。

    基于动态贝叶斯网络的模糊PLS建模方法

    公开(公告)号:CN111027611B

    公开(公告)日:2024-08-02

    申请号:CN201911225604.5

    申请日:2019-12-04

    Abstract: 本发明公开了一种基于动态贝叶斯网络的模糊PLS建模方法,该方法可用于存在较强的非线性、时变性及不确定性的工业过程建模。首先采用模糊偏最小二乘建立潜变量模型,使得模型具备非线性建模能力;其次对潜变量模型中提取的得分矩阵进行增广矩阵扩展,使得模型可以较好地适应数据的动态特征;最后结合贝叶斯网络,使得模型可以较好地描述实际工业过程中存在的不确定性;为验证模型预测的准确性,该方法用于废水处理过程的软测量建模。实验结果表明,模糊偏最小二乘与动态贝叶斯网络应用可明显提高模型预测的准确性,更适用于复杂工业过程的软测量建模。

    一种基于近邻成分损失优化多尺度卷积神经网络的工业过程故障诊断方法

    公开(公告)号:CN114897103A

    公开(公告)日:2022-08-12

    申请号:CN202210663734.2

    申请日:2022-06-13

    Abstract: 本发明公开了一种基于近邻成分损失优化多尺度卷积神经网络的工业过程故障诊断方法,该方法可用于特征复杂的工业过程故障诊断。首先,采用多尺度卷积神经网络框架,分别从大尺度范围和小尺度范围提取故障数据之间的不同尺度时空特征,并将多尺度特征融合后训练模型;随后,使用代理近邻成分损失函数训练,使得模型在训练过程中不仅受到正样本的影响,同时引入负样本使不同故障类别之间的距离扩大,相同故障类别之间的距离缩小;为验证模型故障诊断性能的准确性,将其用于废水处理过程的故障诊断。实验结果表明,多尺度卷积神经网络特征提取方法与代理近邻成分损失函数的结合可以明显提高模型故障诊断的准确性,更适用于复杂工业过程的故障诊断。

    一种基于时空卷积潜变量优化近邻成分分析的工业过程质量预测方法

    公开(公告)号:CN114967625A

    公开(公告)日:2022-08-30

    申请号:CN202210663735.7

    申请日:2022-06-13

    Abstract: 本发明公开了一种基于时空卷积潜变量优化近邻成分分析的质量指标预测方法,该方法适用于具有强非线性、时变性及多工况的工业过程建模。首先采用二维卷积神经网络提取原始过程变量中的时空特征,获取深层时空信息;其次使用偏最小二乘法提取深层特征中的潜变量,使得后续模型建立过程中使用更少的变量来保留数据中的主要方差信息,减少运算复杂度;最后结合近邻成分分析,使得模型可以更好地应对来自于实际工业过程中的多工况引起的数据分布随机化;为验证模型预测的准确性,该方法用于废水处理过程的出水质量指标预测。实验结果表明,时空卷积潜变量与近邻成分分析的结合可明显提高模型预测的准确性,更适用于复杂工业过程的关键质量指标预测。

    基于动态贝叶斯网络的模糊PLS建模方法

    公开(公告)号:CN111027611A

    公开(公告)日:2020-04-17

    申请号:CN201911225604.5

    申请日:2019-12-04

    Abstract: 本发明公开了一种基于动态贝叶斯网络的模糊PLS建模方法,该方法可用于存在较强的非线性、时变性及不确定性的工业过程建模。首先采用模糊偏最小二乘建立潜变量模型,使得模型具备非线性建模能力;其次对潜变量模型中提取的得分矩阵进行增广矩阵扩展,使得模型可以较好地适应数据的动态特征;最后结合贝叶斯网络,使得模型可以较好地描述实际工业过程中存在的不确定性;为验证模型预测的准确性,该方法用于废水处理过程的软测量建模。实验结果表明,模糊偏最小二乘与动态贝叶斯网络应用可明显提高模型预测的准确性,更适用于复杂工业过程的软测量建模。

    一种基于Gammatone滤波器和直方图的多声源定位方法

    公开(公告)号:CN110133572A

    公开(公告)日:2019-08-16

    申请号:CN201910421932.6

    申请日:2019-05-21

    Abstract: 本发明公开了一种基于Gammatone滤波器和直方图的多声源定位方法,用传声器阵列采集声源信号,通过Gammatone滤波器组获得子带信号,做分帧和加窗处理,转换至频域,计算可控响应功率值,绘制直方图,统计主峰方位和次峰方位的数量,估计主次声源方位。本发明在频域相互交叠而不分隔,避免相位缠绕,多个频率分量的空间谱的平均效应抑制了旁瓣,使主瓣突出,阵元间距不严格限于半波长,无需多帧信息,也无需假定声源在连续多帧内静止不动,实现了实时多声源定位,用直方图融合同一帧内的所有子带信息,作为方位估计的判决量,简单易操作,计算量低,显著提高了主声源和次声源的定位成功率,尤其次声源的定位成功率提升更为明显。

    基于高斯过程回归的动态非线性PLS软测量建模方法

    公开(公告)号:CN109492265A

    公开(公告)日:2019-03-19

    申请号:CN201811212785.3

    申请日:2018-10-18

    Inventor: 刘鸿斌 杨冲

    Abstract: 本发明公开了一种基于高斯过程回归的动态非线性PLS软测量建模方法,该方法可用于存在较强的时变性、耦合性以及非线性的工业过程。首先,采用增广矩阵捕捉工业数据的动态特性;之后,采用高斯过程回归替代偏最小二乘建模过程中输入、输出得分向量间的线性关系,使偏最小二乘方法具备非线性建模能力;为验证模型的预测能力,将该方法分别应用于废水处理仿真基准1号模型和某工厂的废水处理过程进行软测量建模。实验结果表明,动态方法与高斯过程回归的应用可明显提高偏最小二乘回归模型的预测能力,更适用于复杂工业过程的软测量建模。

    一种基于变量重要性投影分块的过程监测方法

    公开(公告)号:CN114997316A

    公开(公告)日:2022-09-02

    申请号:CN202210663732.3

    申请日:2022-06-13

    Inventor: 刘鸿斌 杨杰

    Abstract: 本发明公开了一种基于改进变量重要性投影值分块的多元指数加权移动平均核主成分分析过程监测方法,可用于大规模、非线性和时变性复杂工业过程故障检测。首先,根据改进的变量重要性投影值将过程变量划分到质量相关空间和质量独立空间,避免在确定分块数量时引入的主观性;其次,利用多元指数加权移动平均对每个子空间中的数据变量进行预处理,提高模型对过程中微小故障的敏感性;最后,结合核主成分分析建立过程监测模型,使其能够较好地拟合数据中的非线性特征。本发明充分考虑了数据中的非线性和高阶信息,使基于改进变量重要性投影值的子块划分结果更加准确、合理,充分挖掘过程中的局部信息,有效提高故障检测率,降低误检率。

Patent Agency Ranking