-
公开(公告)号：CN117709185B
公开(公告)日：2024-07-30
申请号：CN202311481268.7
申请日：2023-11-08
Applicant: 浙江大学
IPC: G06F30/27 , G06F30/10 , G16C20/20 , G16C20/70 , G06Q10/10 , G06F111/04 , G06F111/20 , G06F113/08 , G06F119/08 , G06F119/02
Abstract: 本发明公开了一种面向流程工业的数字孪生架构设计方法。数字孪生系统是一个可视化的虚拟生产系统，可实现与现场物理实体的平行运行，为实体的安全高效生产提供模拟优化、监测诊断、智能运维等赋能技术。现存的数字孪生系统无法满足流程工业亟需的质量指标感知能力、优化控制赋能功效、故障诊断赋能功效等核心功能。针对这一弊端，本发明提出一种面向流程工业的数字孪生架构设计方法，在数据感知、几何建模、连接交互等数字孪生基本架构的基础上，补充了基于Adaptive DiASSA算法的故障检测模块、基于SF‑Transformer算法的质量指标软测量模块、基于QST‑MPC算法的混合整数决策优化模块，保障流程工业数字孪生系统的真正落地应用。
-
公开(公告)号：CN114879612A
公开(公告)日：2022-08-09
申请号：CN202210400654.8
申请日：2022-04-17
Applicant: 浙江大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于Local‑DBKSSA的高炉炼铁过程监测方法，以提高高炉炼铁过程的监控性能，包括离线建模和在线监测两部分；离线建模包括正则化原始数据，构造时间拓展矩阵，特征提取，SPS&NPS分解，统计量与阈值计算；在线监测包括正则化测试样本，时间拓展样本，特征重构，SPS部分构造，局部统计量，过程状态判断。本发明接受了基于时移和多核投影构造了动态宽非线性特征，以从更多角度探索过程特征。随后，将上述特征集成到稳态子空间分析（SSA）中，以根据时变数据准确估计稳态投影。并且，为了减少过程中大幅度波动的影响和提高故障检测能力，本发明进一步提出了基于局部策略的统计量。
-
Patent Agency Ranking
公开(公告)号：CN114237202A
公开(公告)日：2022-03-25
申请号：CN202111496925.6
申请日：2021-12-08
Applicant: 浙江大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于FIA‑CVA与迭代增强框架的过程监测方法。在建模阶段旨在通过利用故障信息来获得更有效的故障检测结果，从而提出了FIA‑CVA建模方法。首先通过典型变量分析方法将原始数据空间分解为状态子空间和残差子空间。根据一定的故障数据，分析故障从正常到故障的变化，进一步将残差子空间分解为故障相关状态子空间、故障无关状态子空间、故障相关残差和故障无关子空间四个子空间，并建立相应的基于FIA‑CVA的监控统计和阈值。随后通过所提出的故障信息辅助集成增强监测框架（FIA‑IEMS）进行过程监测。在这个框架中首先依据工业现场采集到了多种类故障数据，建立一系列FIA‑CVA子模型，然后采用贝叶斯推理综合考虑不同模型的监测概率从而进行更为广泛的故障监测。
-
公开(公告)号：CN114237202B
公开(公告)日：2024-04-05
申请号：CN202111496925.6
申请日：2021-12-08
Applicant: 浙江大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于FIA‑CVA与迭代增强框架的过程监测方法。在建模阶段旨在通过利用故障信息来获得更有效的故障检测结果，从而提出了FIA‑CVA建模方法。首先通过典型变量分析方法将原始数据空间分解为状态子空间和残差子空间。根据一定的故障数据，分析故障从正常到故障的变化，进一步将残差子空间分解为故障相关状态子空间、故障无关状态子空间、故障相关残差和故障无关子空间四个子空间，并建立相应的基于FIA‑CVA的监控统计和阈值。随后通过所提出的故障信息辅助集成增强监测框架（FIA‑IEMS）进行过程监测。在这个框架中首先依据工业现场采集到了多种类故障数据，建立一系列FIA‑CVA子模型，然后采用贝叶斯推理综合考虑不同模型的监测概率从而进行更为广泛的故障监测。
-
公开(公告)号：CN117709185A
公开(公告)日：2024-03-15
申请号：CN202311481268.7
申请日：2023-11-08
Applicant: 浙江大学
IPC: G06F30/27 , G06F30/10 , G16C20/20 , G16C20/70 , G06Q10/10 , G06F111/04 , G06F111/20 , G06F113/08 , G06F119/08 , G06F119/02
Abstract: 本发明公开了一种面向流程工业的数字孪生架构设计方法。数字孪生系统是一个可视化的虚拟生产系统，可实现与现场物理实体的平行运行，为实体的安全高效生产提供模拟优化、监测诊断、智能运维等赋能技术。现存的数字孪生系统无法满足流程工业亟需的质量指标感知能力、优化控制赋能功效、故障诊断赋能功效等核心功能。针对这一弊端，本发明提出一种面向流程工业的数字孪生架构设计方法，在数据感知、几何建模、连接交互等数字孪生基本架构的基础上，补充了基于Adaptive DiASSA算法的故障检测模块、基于SF‑Transformer算法的质量指标软测量模块、基于QST‑MPC算法的混合整数决策优化模块，保障流程工业数字孪生系统的真正落地应用。
-
公开(公告)号：CN115586722B
公开(公告)日：2025-02-11
申请号：CN202211253803.9
申请日：2022-10-13
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于深度辅助典型变量分析的高炉炼铁预测与控制方法，步骤包括确定模型输入、状态估计、目标函数建立以及预测控制策略；其中，确定模型输入，利用偏最小二乘回归（PLSR）确定有影响力的可控变量作为模型输入；针对非线性BFIP，提出了一个非线性状态空间模型，并利用基于深度学习辅助的典型变量分析DLaCVA方法进行状态估计；利用深度学习方法在辅助状态空间建模，得出了相应的优化目标和学习梯度；设计了一个基于二次性能指数的预测控制策略，以实现最佳的铁水质量控制性能。在实际高炉炼铁过程上的实验表明，与其他方法相比，DLaCVA提供了更好的建模精度和卓越的控制效果。
-
公开(公告)号：CN115586722A
公开(公告)日：2023-01-10
申请号：CN202211253803.9
申请日：2022-10-13
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于深度辅助典型变量分析的高炉炼铁预测与控制方法，步骤包括确定模型输入、状态估计、目标函数建立以及预测控制策略；其中，确定模型输入，利用偏最小二乘回归（PLSR）确定有影响力的可控变量作为模型输入；针对非线性BFIP，提出了一个非线性状态空间模型，并利用基于深度学习辅助的典型变量分析DLaCVA方法进行状态估计；利用深度学习方法在辅助状态空间建模，得出了相应的优化目标和学习梯度；设计了一个基于二次性能指数的预测控制策略，以实现最佳的铁水质量控制性能。在实际高炉炼铁过程上的实验表明，与其他方法相比，DLaCVA提供了更好的建模精度和卓越的控制效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
