一种基于两变量块的质量相关故障检测方法

    公开(公告)号:CN108345284A

    公开(公告)日:2018-07-31

    申请号:CN201810233560.X

    申请日:2018-03-06

    Applicant: 宁波大学

    Abstract: 本发明公开一种基于两变量块的质量相关故障检测方法,本发明方法将遗传算法与近邻成分分析算法相结合,将输入变量分成与质量相关与不相关的两个变量块。然后建立质量相关变量块与输出之间的偏最小二乘(PLS)模型实施质量相关故障检测,而质量不相关变量块则与PLS模型输入残差合并以实施质量不相关故障检测。相比于传统动方法,本发明方法利用遗传算法结合NCA的方式最优化的区分出质量相关与不相关的测量变量。其次,本发明方法将质量相关变量的PLS模型输入残差与质量不相关测量变量组合在一起实施与质量不相关的故障检测,较全面的利用了所有的与质量不相关成分信息。因此,本发明方法理应给出更准确的质量相关故障检测结果。

    一种基于Girvan-Newman算法的集散软测量方法

    公开(公告)号:CN109376337B

    公开(公告)日:2021-10-01

    申请号:CN201811213322.9

    申请日:2018-10-09

    Applicant: 宁波大学

    Abstract: 本发明公开一种基于Girvan‑Newman算法的集散软测量方法,旨在解决如何从数据角度对大规模生产过程实施过程分解,以建立分散式的软测量模型,以及如何集成利用分散式的软测量结果来得到产品质量数据估计值的问题。本发明发法首次利用Girvan‑Newman算法实现了过程对象的分解,从而为建立分散式软测量模型奠定了前期基础。其次,本发明方法利用偏最小二乘算法集成分散式软测量结果,完成了由分散式建模到集成软测量的实施过程。可以说,本发明方法是一种新颖的集散软测量方法,能适应于大规模生产过程对象产品质量指标的软测量。

    一种基于动态性最优选择的分散式动态过程监测方法

    公开(公告)号:CN108469805B

    公开(公告)日:2020-10-23

    申请号:CN201810233508.4

    申请日:2018-03-06

    Applicant: 宁波大学

    Abstract: 本发明公开一种基于动态性最优选择的分散式动态过程监测方法,本发明方法首先为各测量变量引入在采样时间上的多个延时测量值,然后利用遗传算法最优选择对应于各个测量变量的动态性特征,最后利用回归模型的预测误差实施对动态过程的在线监测。相比于传统方法,本发明方法首先单独地为每个测量变量最优的挑选出了动态性特征。其次,本发明方法只模型预测误差实施过程监测,而误差是回归模型中剔除了自相关性与交叉相关性后的结果,通过这种思路巧妙地避免了动态过程监测中自相关性问题。再者,本发明方法给出的监测结果更单一而不会因多个统计指标组合出现多种过程监测结果。可以说,本发明方法是一种更为优选的动态过程监测方法。

    一种基于多变量块交叉相关性剔除的非高斯过程监测方法

    公开(公告)号:CN108375965B

    公开(公告)日:2020-06-30

    申请号:CN201810280156.8

    申请日:2018-03-19

    Applicant: 宁波大学

    Abstract: 本发明公开一种基于多变量块交叉相关性剔除的非高斯过程监测方法,旨在将多变量块之间的交叉相关性考虑进分布式过程建模与过程监测中,从而实施更加可靠而有效的分布式非高斯过程监测。本发明方法首先初步根据各生产单元测量变量的归属,将所有测量变量划分成多个变量子块;其次,利用回归模型将每个变量子块中与其他变量子块之间的交叉相关信息剔除出去;最后,利用剔除交叉相关性后的误差实施基于独立成分分析算法的建模与非高斯过程监测。相比于传统方法,本发明方法的主要创新在于利用回归模型将不同多变量子块之间的交叉相关性考虑进来,以交叉相关性剔除后的误差做为新的监测对象。

    一种基于分散式非线性动态关系模型的故障检测方法

    公开(公告)号:CN108897286B

    公开(公告)日:2020-06-16

    申请号:CN201810658917.9

    申请日:2018-06-11

    Applicant: 宁波大学

    Abstract: 本发明公开一种基于分散式非线性动态关系模型的故障检测方法,旨在为各个测量变量建立分散式的非线性动态关系模型,并基于此分散模型实施故障检测。本发明方法的主要核心在于利用RBF神经网络为各个测量变量建立其各自的非线性动态关系模型,考虑了变量自身体现在不同采样时刻上的自相关性及其与其他变量体现在不同采样时刻上的交叉相关性。相比于传统方法,本发明方法利用RBF神经网络算法为各测量变量构建体现在不同采样时刻上的非线性动态关系模型,体现出了分散式建模的优势与特点。其次,本发明方法将误差作为被监测对象,对于后续利用主成分分析算法建立故障检测模型是有很大助益的。因此,本发明方法更适合于动态过程的故障检测。

    一种数据处理器抗控制流攻击方法

    公开(公告)号:CN110543766A

    公开(公告)日:2019-12-06

    申请号:CN201910734385.7

    申请日:2019-08-09

    Applicant: 宁波大学

    Abstract: 本发明公开了一种数据处理器抗控制流攻击方法,当数据处理器响应中断服务程序时,将返回地址和二进制密钥输入加密电路中进行加密处理得到加密返回地址,将得到的加密返回地址同时写入数据处理器的堆栈和内置安全寄存器组中,当数据处理器对中断服务程序的响应结束时,分别从数据处理器的堆栈和内置安全寄存器组中读取加密返回地址,然后分别采用第一解密电路和第二解密电路对读取的两个加密返回地址进行解密处理后得到两个解密返回地址,通过地址比较器对两个解密返回地址比较后得出是否受到控制流攻击的结论,数据处理器根据结论判定继续程序还是终止程序;优点是可以实现数据处理器的抗控制流攻击,提高数据处理器的安全性。

    一种基于动态潜独立变量的动态非高斯过程监测方法

    公开(公告)号:CN109669413A

    公开(公告)日:2019-04-23

    申请号:CN201811577428.7

    申请日:2018-12-13

    Applicant: 宁波大学

    CPC classification number: G05B19/41885 G05B2219/32339

    Abstract: 本发明公开一种基于动态潜独立变量的动态非高斯过程监测方法,旨在结合可处理动态性数据的动态潜变量模型与可处理非高斯数据的独立成分分析模型的优势。具体来讲,本发明方法首先利用动态潜变量算法分别提取出自相关的动态特征成分与交叉相关的静态特征成分。其次,在对特征成分进行白化处理后,利用合并后的白化特征成分作为初始独立成分迭代求取动态潜独立变量模型。最后,基于动态潜独立变量实施动态非高斯过程监测。可以说,本发明方法利用了动态潜变量算法分开提取动态成分与静态成分的能力,再进一步结合能提取非高斯特征成分的独立成分分析算法。因此,本发明方法是一种可行动态非高斯的过程监测方法。

    一种基于多变量互信息优选的质量预测与监测方法

    公开(公告)号:CN109165878A

    公开(公告)日:2019-01-08

    申请号:CN201811220918.1

    申请日:2018-10-09

    Applicant: 宁波大学

    Abstract: 本发明公开一种基于多变量互信息优选的质量预测与监测方法,旨在解决如何基于多变量互信息,从整体层面最优选择与质量指标相关的过程测量变量,并基于此建立相应的质量指标预测与监测模型。本发明方法通过穷举输入变量所有的可能组合形式,绝对能保证选择出了最优的与输出相关的输入变量,能避免变量优选陷入局部最优的问题。此外,本发明方法利用优选后的输入变量建立软测量模型,能剔除与质量指标不相关测量数据的干扰影响。由于本发明方法不仅实施了对质量指标的软测量,而且还能依据软测量值实施对质量指标的实时监测,并将故障区分为与质量相关以及与质量不相关。因此,本发明方法能较好地解决与质量相关的软测量与监测问题。

    一种基于分散式非线性动态关系模型的故障检测方法

    公开(公告)号:CN108897286A

    公开(公告)日:2018-11-27

    申请号:CN201810658917.9

    申请日:2018-06-11

    Applicant: 宁波大学

    Abstract: 本发明公开一种基于分散式非线性动态关系模型的故障检测方法,旨在为各个测量变量建立分散式的非线性动态关系模型,并基于此分散模型实施故障检测。本发明方法的主要核心在于利用RBF神经网络为各个测量变量建立其各自的非线性动态关系模型,考虑了变量自身体现在不同采样时刻上的自相关性及其与其他变量体现在不同采样时刻上的交叉相关性。相比于传统方法,本发明方法利用RBF神经网络算法为各测量变量构建体现在不同采样时刻上的非线性动态关系模型,体现出了分散式建模的优势与特点。其次,本发明方法将误差作为被监测对象,对于后续利用主成分分析算法建立故障检测模型是有很大助益的。因此,本发明方法更适合于动态过程的故障检测。

    一种基于多块典型相关分析模型的分布式故障检测方法

    公开(公告)号:CN108762242A

    公开(公告)日:2018-11-06

    申请号:CN201810658918.3

    申请日:2018-06-11

    Applicant: 宁波大学

    Abstract: 本发明公开一种基于多块典型相关分析模型的分布式故障检测方法,在多块故障模型建立过程中将各子块之间的相关性考虑进来,并在此基础上实施分布式的故障检测。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多个变量子块;其次,针对每个变量子块,利用典型相关分析算法挖掘出该子块与其他子块之间最体现相关性特征的典型成分;最后,利用典型成分实施分布式的故障检测。相比于传统方法,由于本发明方法考虑了各子块与其他子块之间的相关性,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。

Patent Agency Ranking