-
公开(公告)号：CN109389313A
公开(公告)日：2019-02-26
申请号：CN201811212377.8
申请日：2018-10-09
Applicant: 宁波大学
IPC: G06Q10/06 , G06F16/2458 , G06K9/62
Abstract: 本发明公开一种基于加权近邻决策的故障分类诊断方法，旨在利用近邻成分分析算法对各类故障实施变量加权，并在此基础上通过加权近邻距离诊断故障类型。具体来讲，本发明方法首先利用近邻成分分析算法逐个为各参考故障类型优化出相应的加权向量。然后，计算加权后的样本之间的加权近邻距离，从而实时诊断出在线故障数据所属的故障类型。与传统方法相比，本发明方法无论是寻找各故障的加权向量还是在线诊断故障类型，都是基于近邻关系的，不需要较为充足的可用训练样本数。此外，本发明方法的主体思路是为各个故障类型优选出其对应的各变量的加权系数，从而突显出各故障的特征变量的变化情况。因此，本发明方法是一种更为优选的故障分类诊断方法。
-
公开(公告)号：CN109634240A
公开(公告)日：2019-04-16
申请号：CN201811577508.2
申请日：2018-12-13
Applicant: 宁波大学
IPC: G05B19/418
Abstract: 本发明公开一种基于新型动态主元分析的动态过程监测方法，旨在同时挖掘出训练数据中的方差特征与自相关性特征，并以此为基础实施动态过程监测。具体来讲，本发明方法重新定义了传统主元分析算法的目标函数，使本发明中所涉及的新型主元分析算法的目标函数同时涵盖有方差特征与自相关性特征。由于本发明方法在数据特征挖掘时，同时考虑了数据的方差特征与时间序列上的自相关性特征。因此。本发明方法中涉及的新型主元分析算法不仅是一种全新的特征提取算法，而且还能够挖掘更加全面的特征。可以说，本发明方法是一种更为优选的动态过程监测方法。
-
公开(公告)号：CN109376778B
公开(公告)日：2021-06-15
申请号：CN201811213324.8
申请日：2018-10-09
Applicant: 宁波大学
IPC: G06K9/62
Abstract: 本发明公开一种基于特征变量加权的故障分类诊断方法，旨在为各参考故障实施特征变量选择与加权，并建立特征变量加权主成分分析模型，从而实施在线故障分类诊断。具体来讲，本发明方法利用近邻成分分析算法，逐个为各参考故障类型区分出特征变量及其异常程度。然后，利用主成分分析算法为各个故障类型加权后的特征变量建立单分类模型。最后，利用这些单分类模型实施在线故障数据所对应的故障类型的诊断。本发明方法利用各故障的特征变量实施故障分类诊断不仅能消除非特征变量的干扰影响，而且在建立单分类模型时通过加权处理还能凸显各个特征变量的差异。因此，本发明方法是一种更为优选的故障分类诊断方法。
-
公开(公告)号：CN109407649B
公开(公告)日：2021-01-05
申请号：CN201811213323.3
申请日：2018-10-09
Applicant: 宁波大学
IPC: G05B23/02
Abstract: 本发明公开一种基于故障特征变量选择的故障类型匹配方法，旨在解决如何在各故障类型训练样本数据量有限的前提下，针对历史数据库中各故障类型实施故障特征变量选择，并利用该特征变量实施故障类型匹配的问题。具体来讲，本发明方法首先利用近邻成分分析逐个找出各故障类型可用数据对比正常工况数据之间出现异常变化的特征变量。然后，利用故障特征变量实施窗口矩阵之间的相似度计算。最后，通过最大相似度判别故障类型。本发明方法利用各故障的特征变量实施故障类型匹配不仅能消除非特征变量的干扰影响，而且还能直接降低变量维数，从而使样本数有限的问题不显得那么突出。因此，本发明方法是一种更为优选的故障诊断方法。
-
公开(公告)号：CN109669414A
公开(公告)日：2019-04-23
申请号：CN201811577506.3
申请日：2018-12-13
Applicant: 宁波大学
IPC: G05B19/418
CPC classification number: G05B19/4185 , G05B2219/31088
Abstract: 本发明公开一种基于自相关特征分解的动态过程监测方法，旨在从数据中分解出自相关特征成分，并基于此实施动态过程监测。本发明方法首先利用一种全新的自相关特征分解算法提取出潜藏的自相关特征；然后，将自相关特征成分中的自相关性过滤掉；最后，利用自相关特征成分误差以及模型误差实施动态过程监测。本发明方法的优势在于，首先本发明方法涉及的自相关分解算法是一种全新的特征提取算法，旨在挖掘出潜在特征成分的时间序列回归关系。其次，本发明方法在分解出训练数据中的自相关特征后，对各个特征成分逐一实施自相关性消除，并利用不包含显著自相关特征的残差实施动态过程监测。因此，本发明方法更适合于动态过程监测。
-
Patent Agency Ranking
公开(公告)号：CN109376778A
公开(公告)日：2019-02-22
申请号：CN201811213324.8
申请日：2018-10-09
Applicant: 宁波大学
IPC: G06K9/62
Abstract: 本发明公开一种基于特征变量加权的故障分类诊断方法，旨在为各参考故障实施特征变量选择与加权，并建立特征变量加权主成分分析模型，从而实施在线故障分类诊断。具体来讲，本发明方法利用近邻成分分析算法，逐个为各参考故障类型区分出特征变量及其异常程度。然后，利用主成分分析算法为各个故障类型加权后的特征变量建立单分类模型。最后，利用这些单分类模型实施在线故障数据所对应的故障类型的诊断。本发明方法利用各故障的特征变量实施故障分类诊断不仅能消除非特征变量的干扰影响，而且在建立单分类模型时通过加权处理还能凸显各个特征变量的差异。因此，本发明方法是一种更为优选的故障分类诊断方法。
-
公开(公告)号：CN108919755A
公开(公告)日：2018-11-30
申请号：CN201810658916.4
申请日：2018-06-11
Applicant: 宁波大学
IPC: G05B19/418
Abstract: 本发明公开一种基于多块非线性交叉关系模型的分布式故障检测方法，旨在建立分布式的多块非线性交叉关系模型，从而实施有效的分布式故障检测。具体来讲，本发明方法首先根据各生产单元测量变量的归属，将所有测量变量划分成不重叠的多个变量子块；其次，利用RBF网络为各个变量子块及其它变量子块之间的非线性交叉关系模型；最后，利用剔除交叉关系影响的误差实施建模与故障检测。与传统方法相比，本发明方法在建模过程中考虑了块与块之间的非线性交叉关系。因此，本发明方法理应具备更优秀的故障检测性能，是一种更为优选的分布式故障检测方法。
-
公开(公告)号：CN109389313B
公开(公告)日：2021-05-04
申请号：CN201811212377.8
申请日：2018-10-09
Applicant: 宁波大学
IPC: G06Q10/06 , G06F16/2458 , G06K9/62
Abstract: 本发明公开一种基于加权近邻决策的故障分类诊断方法，旨在利用近邻成分分析算法对各类故障实施变量加权，并在此基础上通过加权近邻距离诊断故障类型。具体来讲，本发明方法首先利用近邻成分分析算法逐个为各参考故障类型优化出相应的加权向量。然后，计算加权后的样本之间的加权近邻距离，从而实时诊断出在线故障数据所属的故障类型。与传统方法相比，本发明方法无论是寻找各故障的加权向量还是在线诊断故障类型，都是基于近邻关系的，不需要较为充足的可用训练样本数。此外，本发明方法的主体思路是为各个故障类型优选出其对应的各变量的加权系数，从而突显出各故障的特征变量的变化情况。因此，本发明方法是一种更为优选的故障分类诊断方法。
-
公开(公告)号：CN109407640B
公开(公告)日：2021-03-09
申请号：CN201811577429.1
申请日：2018-12-13
Applicant: 宁波大学
IPC: G05B19/418
Abstract: 本发明公开一种基于动态正交成分分析的动态过程监测方法，本发明方法在传统主成分分析算法的基础上，进一步地考虑如何在挖掘潜在特征成分时进一步深入考虑与延时测量数据之间的正交特性。为此，本发明方法先推理出一种动态正交成分分析算法，然后在该算法的基础上实施动态过程监测。相比于传统动态过程监测方法，本发明方法在动态过程的监测效果上取得优越于传统PCA或动态PCA方法的效果。此外，本发明方法的离线建模与在线监测两个阶段都不会增加额外的计算量。可以说，本发明方法是一种更为优选的动态过程监测方法。
-
公开(公告)号：CN109669414B
公开(公告)日：2020-10-09
申请号：CN201811577506.3
申请日：2018-12-13
Applicant: 宁波大学
IPC: G05B19/418
Abstract: 本发明公开一种基于自相关特征分解的动态过程监测方法，旨在从数据中分解出自相关特征成分，并基于此实施动态过程监测。本发明方法首先利用一种全新的自相关特征分解算法提取出潜藏的自相关特征；然后，将自相关特征成分中的自相关性过滤掉；最后，利用自相关特征成分误差以及模型误差实施动态过程监测。本发明方法的优势在于，首先本发明方法涉及的自相关分解算法是一种全新的特征提取算法，旨在挖掘出潜在特征成分的时间序列回归关系。其次，本发明方法在分解出训练数据中的自相关特征后，对各个特征成分逐一实施自相关性消除，并利用不包含显著自相关特征的残差实施动态过程监测。因此，本发明方法更适合于动态过程监测。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.03 seconds)
