-
公开(公告)号：CN112731372B
公开(公告)日：2024-05-31
申请号：CN202011513729.0
申请日：2020-12-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于加性潜变量扩维卡尔曼滤波的状态估计方法，本发明首先将状态模型中的非线性函数项的分量定义为潜变量，据此将状态模型扩维成基于系统原始变量和相应潜变量相结合的伪线性形式；其次建立潜变量的动态关联模型，并与上述伪线性模型相结合形成扩维状态后的线性状态模型；再次基于引入的潜变量和扩维状态，将观测模型等价改写为扩维状态后的线性模型；最后基于扩维后的状态线性模型和观测线性模型，设计含有潜变量的新型扩维卡尔曼滤波器。潜变量的引入将非线性的状态模型转化成线性形式，避免了传统扩展卡尔曼滤波由于泰勒展开式产生的截断误差，从而有效地提高了滤波效果。
-
Patent Agency Ranking
公开(公告)号：CN111985550B
公开(公告)日：2024-02-27
申请号：CN202010813199.5
申请日：2020-08-13
Applicant: 杭州电子科技大学
IPC: G06F18/2413 , G06F18/2135
Abstract: 本发明公开了一种基于Gap度量下的工业化工数据预处理的分类方法。本发明的核心思想是将从工业化工系统采集到的Wine数据集构造成多维变量系统矩阵。然后通过Gap度量算法投影到黎曼球上，计算每个样本距离样本中心的Gap度量。变换后的数据矩阵再利用主成分分析(PCA)进行特征提取与降维，之后再运用机器学习中K近邻算法对降维后的数据进行分类。通过运用上述所提出方法进行仿真实现，具有较好的数据分类效果和分类准确率，从而验证了本发明的有效性。
-
公开(公告)号：CN111983994B
公开(公告)日：2021-08-20
申请号：CN202010813193.8
申请日：2020-08-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于复杂工业化工过程的V‑PCA故障诊断方法。由于传统主元分析(PCA)特征提取不准确，在用于故障诊断时常存在误报率和漏报率较高的现象。为此，本发明采用一种新的数据预处理方法以改进PCA在故障诊断中的性能指标。相较于传统PCA方法的欧氏距离预处理方法，并不能够精确地反应数据之间的相关性。因此，提出了一种基于变化率预处理方法，有效的改善了PCA在故障诊断中的误报率和漏报率较高的情况。最后，通过仿真例子验证了传统PCA方法、基于变化率预处理的PCA方法。实验仿真结果表明，本发明方法具有较好的检测性能。
-
公开(公告)号：CN112731372A
公开(公告)日：2021-04-30
申请号：CN202011513729.0
申请日：2020-12-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于加性潜变量扩维卡尔曼滤波的状态估计方法，本发明首先将状态模型中的非线性函数项的分量定义为潜变量，据此将状态模型扩维成基于系统原始变量和相应潜变量相结合的伪线性形式；其次建立潜变量的动态关联模型，并与上述伪线性模型相结合形成扩维状态后的线性状态模型；再次基于引入的潜变量和扩维状态，将观测模型等价改写为扩维状态后的线性模型；最后基于扩维后的状态线性模型和观测线性模型，设计含有潜变量的新型扩维卡尔曼滤波器。潜变量的引入将非线性的状态模型转化成线性形式，避免了传统扩展卡尔曼滤波由于泰勒展开式产生的截断误差，从而有效地提高了滤波效果。
-
公开(公告)号：CN111985550A
公开(公告)日：2020-11-24
申请号：CN202010813199.5
申请日：2020-08-13
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于Gap度量下的工业化工数据预处理的分类方法。本发明的核心思想是将从工业化工系统采集到的Wine数据集构造成多维变量系统矩阵。然后通过Gap度量算法投影到黎曼球上，计算每个样本距离样本中心的Gap度量。变换后的数据矩阵再利用主成分分析(PCA)进行特征提取与降维，之后再运用机器学习中K近邻算法对降维后的数据进行分类。通过运用上述所提出方法进行仿真实现，具有较好的数据分类效果和分类准确率，从而验证了本发明的有效性。
-
公开(公告)号：CN111983994A
公开(公告)日：2020-11-24
申请号：CN202010813193.8
申请日：2020-08-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于复杂工业化工过程的V-PCA故障诊断方法。由于传统主元分析(PCA)特征提取不准确，在用于故障诊断时常存在误报率和漏报率较高的现象。为此，本发明采用一种新的数据预处理方法以改进PCA在故障诊断中的性能指标。相较于传统PCA方法的欧氏距离预处理方法，并不能够精确地反应数据之间的相关性。因此，提出了一种基于变化率预处理方法，有效的改善了PCA在故障诊断中的误报率和漏报率较高的情况。最后，通过仿真例子验证了传统PCA方法、基于变化率预处理的PCA方法。实验仿真结果表明，本发明方法具有较好的检测性能。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
