-
公开(公告)号：CN114326486B
公开(公告)日：2024-01-19
申请号：CN202111514254.1
申请日：2021-12-13
Applicant: 山东科技大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于概率慢特征分析和弹性权重巩固的过程监控方法，属于工业监测和故障诊断领域，包括：依次采集工业系统正常工况下的过程数据构成训练集；利用概率慢特征分析和弹性权重巩固方法进行训练，计算模型参数和参数的重要性衡量矩阵；构建监测统计量并计算阈值；采集系统实时运行下的数据作为测试样本，利用当前训练模型计算该样本的统计量，判断系统运行状态。本发明利用单模型实现对多工况动态过程的有效监测，具有持续学习能力；可处理噪声和缺失数据，模型可解释性强，算法简单，易于实现，可广泛应用于化工、加工制造、大型火力发电厂等领域。
-
公开(公告)号：CN112598030A
公开(公告)日：2021-04-02
申请号：CN202011440358.8
申请日：2020-12-08
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于递归协整分析和弹性权重巩固的非平稳过程监测方法，属于工业监测和故障诊断领域。该方法包括：依次采集工业系统正常工况下的过程数据构成训练集；利用协整分析和主成分分析进行训练，计算初始投影矩阵等参数；构建监测统计量并计算阈值；采集系统实时工况下的过程数据作为测试样本，利用当前训练模型计算该样本的统计量，并与当前阈值比较，判断系统运行状态。若系统正常则仍处于当前工况，更新递归协整分析和递归主成分分析的参数；若系统进入新的工况，利用新工况数据重新建立模型，并用弹性权重巩固来增强以前工况的信息；否则系统可能出现故障。本发明可广泛应用于化工、加工制造、大型火力发电厂等领域。
-
Patent Agency Ranking
公开(公告)号：CN109522948A
公开(公告)日：2019-03-26
申请号：CN201811310917.6
申请日：2018-11-06
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于正交局部保持投影的故障检测方法，属于工业监测和故障诊断领域，该方法包括：采集工业系统正常工况下的过程数据构成训练集；利用最大似然估计方法确定本征维数；利用正交局部保持投影方法计算投影矩阵，并构建监控统计量；利用核密度估计方法确定其阈值；采集系统实时工况下的过程数据作为测试样本，计算该样本的统计量，并与阈值比较，判断是否有故障发生。本发明方法基于数据建模，无需精确的解析模型，能够保持数据间的拓扑结构和局部信息，算法简单，易于实现，可广泛应用于高铁、化工、加工制造等领域。
-
公开(公告)号：CN112598030B
公开(公告)日：2023-03-24
申请号：CN202011440358.8
申请日：2020-12-08
Applicant: 山东科技大学
IPC: G06F18/2135 , G06Q50/06
Abstract: 本发明公开了一种基于递归协整分析和弹性权重巩固的非平稳过程监测方法，属于工业监测和故障诊断领域。该方法包括：依次采集工业系统正常工况下的过程数据构成训练集；利用协整分析和主成分分析进行训练，计算初始投影矩阵等参数；构建监测统计量并计算阈值；采集系统实时工况下的过程数据作为测试样本，利用当前训练模型计算该样本的统计量，并与当前阈值比较，判断系统运行状态。若系统正常则仍处于当前工况，更新递归协整分析和递归主成分分析的参数；若系统进入新的工况，利用新工况数据重新建立模型，并用弹性权重巩固来增强以前工况的信息；否则系统可能出现故障。本发明可广泛应用于化工、加工制造、大型火力发电厂等领域。
-
公开(公告)号：CN111752147B
公开(公告)日：2022-04-22
申请号：CN202010464703.5
申请日：2020-05-28
Applicant: 山东科技大学
Abstract: 本发明公开了一种具有持续学习能力改进PCA的多工况过程监测方法，涉及工业监测和故障诊断领域。该方法包括：依次采集工业系统正常工况下的过程数据构成训练集；利用主成分分析对初始工况进行训练，计算初始投影矩阵；根据弹性权重巩固方法和主成分分析原理，构造优化函数，对后续工况进行训练，得到最优投影矩阵；构建监测统计量并计算阈值；采集系统实时工况下的过程数据作为测试样本，利用当前训练模型计算该样本的统计量，并与阈值比较，判断是否有故障发生。本发明方法结合系统原理和先验知识确定权重矩阵，提高方法的可解释性，算法简单，计算量小，易于实现，可广泛应用于化工、加工制造、大型火力发电厂等领域。
-
公开(公告)号：CN114326486A
公开(公告)日：2022-04-12
申请号：CN202111514254.1
申请日：2021-12-13
Applicant: 山东科技大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于概率慢特征分析和弹性权重巩固的过程监控方法，属于工业监测和故障诊断领域，包括：依次采集工业系统正常工况下的过程数据构成训练集；利用概率慢特征分析和弹性权重巩固方法进行训练，计算模型参数和参数的重要性衡量矩阵；构建监测统计量并计算阈值；采集系统实时运行下的数据作为测试样本，利用当前训练模型计算该样本的统计量，判断系统运行状态。本发明利用单模型实现对多工况动态过程的有效监测，具有持续学习能力；可处理噪声和缺失数据，模型可解释性强，算法简单，易于实现，可广泛应用于化工、加工制造、大型火力发电厂等领域。
-
公开(公告)号：CN111752147A
公开(公告)日：2020-10-09
申请号：CN202010464703.5
申请日：2020-05-28
Applicant: 山东科技大学
Abstract: 本发明公开了一种具有持续学习能力改进PCA的多工况过程监测方法，涉及工业监测和故障诊断领域。该方法包括：依次采集工业系统正常工况下的过程数据构成训练集；利用主成分分析对初始工况进行训练，计算初始投影矩阵；根据弹性权重巩固方法和主成分分析原理，构造优化函数，对后续工况进行训练，得到最优投影矩阵；构建监测统计量并计算阈值；采集系统实时工况下的过程数据作为测试样本，利用当前训练模型计算该样本的统计量，并与阈值比较，判断是否有故障发生。本发明方法结合系统原理和先验知识确定权重矩阵，提高方法的可解释性，算法简单，计算量小，易于实现，可广泛应用于化工、加工制造、大型火力发电厂等领域。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
