公开(公告)号：CN111025910A

公开(公告)日：2020-04-17

申请号：CN201911354480.0

申请日：2019-12-25

Applicant: 南通大学

Inventor： 李俊红 ,  徐珊玲 ,  顾菊平 ,  华亮 ,  杨奕 ,  商亮亮 ,  朱建红 ,  王娟 ,  宗天成

IPC: G05B13/04

Abstract: 本发明提供了一种基于混沌引力搜索迭代的pH中和过程维纳模型辨识方法，属于化工系统辨识领域。解决了pH中和过程非线性动态模型问题。其技术方案为：基于混沌引力搜索迭代的pH中和过程维纳模型辨识方法具体包括以下步骤：步骤1)构建出pH中和过程的维纳非线性系统模型，根据系统模型获得pH中和过程的辨识模型；步骤2)构建混沌引力搜索迭代算法的迭代辨识流程。本发明的有益效果为：本发明计算准确，辨识精度高，适用于pH中和反应维纳非线性系统的参数辨识。

公开(公告)号：CN110824006A

公开(公告)日：2020-02-21

申请号：CN201911088740.4

申请日：2019-11-08

Applicant: 南通大学

Inventor： 华亮 ,  蒋凌 ,  顾菊平 ,  卢成 ,  张堃 ,  曹科才 ,  商亮亮 ,  张齐 ,  王胜锋 ,  葛雨暄 ,  凌子茜 ,  缪嘉伟

IPC: G01N29/04 ,  G01N29/44 ,  G01N29/46

Abstract: 本发明属于机械控制领域，公开了一种基于智能声信息识别的焊后焊缝冲击质量判别方法，包括：控制超声冲击枪枪头以不同的处理压力、处理速度、处理角度和冲击频率对焊后焊缝进行冲击处理，获取冲击处理过程中的声信号，计算声信号的特征值，构建包含多种应力处理情况的声信号样本集；根据焊后焊缝的冲击处理质量测定结果对声信号样本集进行标注；建立多权值神经网络模型，并利用经过标注的声信号样本集对多权值神经网络模型进行训练；获取待判别焊后焊缝冲击处理声信号的特征值，并将特征值输入经过训练的多权值神经网络，输出待判别焊后焊缝冲击处理质量的判断结果。该方法识别准确、监测成本低且不用对焊件造成破坏。

公开(公告)号：CN109491338A

公开(公告)日：2019-03-19

申请号：CN201811331420.2

申请日：2018-11-09

Applicant: 南通大学

Inventor： 卢春红 ,  王杰华 ,  商亮亮 ,  陈晓红

IPC: G05B19/418

Abstract: 本发明公开了一种基于稀疏GMM的多模过程质量相关的故障诊断方法，利用稀疏表示获取高质量的系数权重矩阵，并融合流形结构信息，构建稀疏高斯混合模型，使得高斯成分的概率分布沿着数据流形结构平滑变化，以及高斯成分的局部近邻样本之间相似，自动地获取高斯成分的数目，对噪音和离群点具有鲁棒性，获得质量相关的故障检测，同时依据已检测故障的受控近邻，定位故障发生的根源变量。与高斯混合模型监测方法相比，本发明方法表征了过程数据局部流形结构和数据的稀疏关系，获取了样本之间的局部相似关系，反映多模态过程的变化情况。因此，本发明所涉及的稀疏GMM方法可以取得更好的故障检测效果和准确定位故障发生的根源变量。

公开(公告)号：CN109145256A

公开(公告)日：2019-01-04

申请号：CN201811349678.5

申请日：2018-11-14

Applicant: 南通大学

Inventor： 商亮亮 ,  邱爱兵 ,  李俊红 ,  陈娟 ,  单彪 ,  严泽

IPC: G06F17/16 ,  G06K9/62

CPC classification number: G06F17/16 ,  G06K9/6247

Abstract: 本发明公开了基于规范变量非线性主成分分析的非线性动态过程监测方法，包括如下步骤：获取数据矩阵Y，预先指定p的数值和系统阶数n；依据公式组合过去和未来观侧值的Hankel矩阵；计算过去和未来观测值的协方差和互方差矩阵；对H矩阵进行奇异值分解；计算状态矢量和残差矢量；通过显式二阶多项式映射将状态矢量投影到高维特征空间；通过主成分分析中的特征值分解确定前k主元；最后计算T2统计量、组合统计量Qc以及其相应的控制限。本发明提出的方法用于田纳西伊斯曼化工过程中三种不同类型的故障监测，仿真结果表明，与KPCA、NDPCA对比，提出的CV‑NPCA方法具有较高的故障检测率和相对较低的故障误报率。

公开(公告)号：CN108122006A

公开(公告)日：2018-06-05

申请号：CN201711380265.9

申请日：2017-12-20

Applicant: 南通大学

Inventor： 卢春红 ,  王杰华 ,  商亮亮 ,  文万志

IPC: G06K9/62

CPC classification number: G06K9/6256 ,  G06K9/6215 ,  G06K9/6235 ,  G06K2009/6236

Abstract: 本发明公开了一种基于不等权局部保持嵌入的故障诊断方法，该方法旨在解决的问题是：针对现代工业过程数据的复杂动态特性，如何构建动态的有向图谱结构，既保持原始样本的局部近邻关系，又能保持原始特征变量的局部结构关系，嵌入后的低维数据结构关系与原始空间的保持一致。该发明方法利用图谱的不等权连接边构建有向网络，并计算概率距离引导的样本相似度矩阵，形成不等权局部保持嵌入模型，有效表征动态过程的样本局部近邻关系；同时，将特征变量也纳入图谱构建中，保留特征变量的局部关系信息，选取对过程故障产生重要影响的特征变量，进一步增强诊断模型的分类精度。与邻域保持嵌入方法相比，本发明方法不仅表征了过程数据的拓扑结构关系，而且构建了不等权局部保持的有向图谱，获取了样本之间的近邻关系，更好地表征特征变量的局部流形结构，反映过程的动态变化情况。因此，本发明方法所涉及的不等权局部保持嵌入模型能取得更优越的动态过程的故障诊断效果。

公开(公告)号：CN107632592A

公开(公告)日：2018-01-26

申请号：CN201710777870.3

申请日：2017-09-01

Applicant: 南通大学

Inventor： 商亮亮 ,  李俊红 ,  邱爱兵 ,  张堃 ,  卢春红

IPC: G05B23/02

Abstract: 本发明公开了一种基于高效递推核主元分析的非线性时变过程故障监测方法，属于故障检测与诊断技术领域。首先，在田纳西伊斯曼过程仿真器中采集具有非线性和缓慢时变特性且包含故障的数据，将采集的正常数据利用高斯核函数将其投影到高维特征空间并中心化，建立初始的离线监测模型并采用核密度估计函数来确定控制限。然后，当采集到新的过程数据时，通过引入一阶干扰理论方法在离线模型获取的特征值和特征矢量基础上直接更新模型，并将新数据投影到更新的核空间和残差空间计算T2和SPE统计量。当超出其对应的控制限时，认为监测的故障发生，反之，整个过程正常运行。本发明方法主要解决两个问题：1)核主元分析进行非线性时变过程的故障监测会产生较高的误报率；2)基于特征值分解的递推算法计算负荷较高的问题。