-
公开(公告)号：CN108520111A
公开(公告)日：2018-09-11
申请号：CN201810233559.7
申请日：2018-03-06
Applicant: 宁波大学
IPC: G06F17/50
Abstract: 本发明公开一种基于正交成分最优选择与最优回归的软测量方法，旨在通过最优选择对预测质量指标有益的正交成分，并利用选择的正交成分建立最优化回归的软测量模型。具体来讲，本发明方法首先分别利用首先并行利用主成分分析(PCA)、独立成分分析(ICA)、和偏最小二乘(PLSR)算法得到相应的正交成分，然后利用基于遗传算法近邻成分分析最优选择正交成分，最有利用选择的正交成分实施基于粒子群算法的最优回归建模。与传统方法相比，本发明方法通过最优化的方式选择对预测质量指标有益的特征成分且通过最优回归向量得到最终的质量指标预测值。因此，本发明方法的软测量性能得到了充分保证，是一种更为优选的软测量方法。
-
公开(公告)号：CN108508865A
公开(公告)日：2018-09-07
申请号：CN201810233506.5
申请日：2018-03-06
Applicant: 宁波大学
IPC: G05B23/02
Abstract: 本发明公开一种基于分散式OSC-PLS回归模型的故障检测方法，旨在从同等对待各测量变量的角度出发，建立行之有效的故障检测模型实施更可靠的故障检测。具体来讲，本发明方法借鉴分散式建模的策略，在剔除每个测量变量与其他测量变量之间正交不相关信号后，再利用PLS回归算法建立两者之间的回归模型，然后利用每个测量变量的估计误差实施故障检测。相比于传统方法，本发明方法在利用分散式建模的基础上同等的为每个测量变量建立其各自的回归模型，并且将各个回归模型中的正交不相关信号剔除，最大程度地保障了回归模型的软测量精度从而保证了后续的故障检测性能。可以说，本发明方法是一种更为优选的数据驱动故障检测方法。
-
公开(公告)号：CN108445867A
公开(公告)日：2018-08-24
申请号：CN201810233556.3
申请日：2018-03-06
Applicant: 宁波大学
IPC: G05B23/02
Abstract: 本发明公开一种基于分散式ICR模型的非高斯过程监测方法，旨在解决如何利用非高斯数据建模算法，通过数据模型将采样数据转换成误差，并以误差作为被监测对象实施非高斯过程监测的问题。具体来讲，本发明方法首先针对每个测量变量，利用独立成分回归(ICR)算法建立各变量与其他变量之间的软测量模型。然后，利用软测量模型的估计误差作为被监测对象，建立基于独立成分分析(ICA)的过程监测模型实施非高斯过程监测。可以看出本发明方法利用了分散式建模的优势，而且采用多种非高斯数据分析算法相结合的实施方式，是一种更为优选的适于非高斯过程的数据驱动的过程监测方法。
-
公开(公告)号：CN108375965A
公开(公告)日：2018-08-07
申请号：CN201810280156.8
申请日：2018-03-19
Applicant: 宁波大学
IPC: G05B19/418
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。
-
公开(公告)号：CN101714176B
公开(公告)日：2011-09-21
申请号：CN200910157163.X
申请日：2009-12-21
Applicant: 宁波大学
Abstract: 本发明公开了一种模拟运算放大器集成电路优化方法，优点在于根据待设计的模拟集成电路的原理和要求，可以不受设计参数及优化目标个数的影响，应用Q-变异免疫网络的智能优化搜索方法自动设计工艺参数及电路参数，能够自动在设定值范围内搜索得到满足模拟电路性能指标要求的最佳工艺参数和电路参数，即满足高直流增益、单位增益带宽、转换速率和低功耗要求，为高性能模拟集成电路工艺设计提供了良好的基础和依据。此外，本发明方法适用于各类模拟电路设计，易于移植，有着广泛的适应性和较强的通用性。
-
Patent Agency Ranking
公开(公告)号：CN111400982B
公开(公告)日：2023-06-06
申请号：CN202010126493.9
申请日：2020-02-28
Applicant: 宁波大学
IPC: G06F30/337 , G06F30/25 , G06N3/006 , G06F119/06 , G06F111/06
Abstract: 本发明公开了一种MPRM电路面积与功耗的优化方法，将MPRM电路面积和功耗优化问题转换为粒子群寻优问题，通过多目标三值多样性粒子群算法对MPRM电路面积与功耗进行最佳极性搜索，建立基于PDTDPSO算法的粒子与MPRM电路极性之间的参数映射关系，再将MPRM电路面积优化的各参数与的各参数进行关联，构建面积和功耗优化函数，在三值多样性粒子群算法求解MPRM电路面积和功耗综合优化问题的基础上，引入变异算子对粒子施加扰动，对超出定义的速度边界范围和位置边界范围的粒子，执行边界约束处理，并结合支配概念来优化；优点是搜索效率高，且寻优能力强，优化效果好。
-
公开(公告)号：CN110611503B
公开(公告)日：2022-11-18
申请号：CN201910916949.9
申请日：2019-09-26
Applicant: 宁波大学
Abstract: 本发明公开了一种基于同或异或电路反馈的全加器，包括同或异或电路、求和电路、进位电路、第一反相器和第二反相器，同或异或电路包括第一MOS管、第二MOS管、第三MOS管、第四MOS管、第五MOS管、第六MOS管、第七MOS管、第八MOS管、第九MOS管、第十MOS管、第十一MOS管和第十二MOS管，求和电路包括第十三MOS管、第十四MOS管、第十五MOS管和第十六MOS管，进位电路包括第十七MOS管、第十八MOS管、第十九MOS管、第二十MOS管和第三反相器；优点是在具有全摆幅和较低的功耗的基础上，延时较小，运行速度较快。
-
公开(公告)号：CN110672943B
公开(公告)日：2022-11-08
申请号：CN201910917482.X
申请日：2019-09-26
Applicant: 宁波大学
Abstract: 本发明公开了一种基于电压比较的老化检测传感器，控制电路产生老化电压信号VDC、基准电压信号VDD和参考电压信号VREF，老化电压信号VDC经过第一压控振荡器产生老化频率信号B，基准电压信号VDD经过第二压控振荡器产生基准频率信号A，基准频率信号A和老化频率信号B经过老化检测电路后产生频率差信号Y，串行数据检测器产生的电平信号E经拍频器后产生复位信号，8位计数器对老化信息量化，然后经数模转化器得到量化电压信号VAG，该量化电压信号VAG与参考电压信号VREF通过电压比较器进行比较，电压比较器在两者电压重合节点产生跳变信号，生成老化信号输出；优点是面积开销小，灵活性较好，老化检测精度较高。
-
公开(公告)号：CN108520111B
公开(公告)日：2021-11-30
申请号：CN201810233559.7
申请日：2018-03-06
Applicant: 宁波大学
Abstract: 本发明公开一种基于正交成分最优选择与最优回归的软测量方法，旨在通过最优选择对预测质量指标有益的正交成分，并利用选择的正交成分建立最优化回归的软测量模型。具体来讲，本发明方法首先分别利用首先并行利用主成分分析(PCA)、独立成分分析(ICA)、和偏最小二乘(PLSR)算法得到相应的正交成分，然后利用基于遗传算法近邻成分分析最优选择正交成分，最有利用选择的正交成分实施基于粒子群算法的最优回归建模。与传统方法相比，本发明方法通过最优化的方式选择对预测质量指标有益的特征成分且通过最优回归向量得到最终的质量指标预测值。因此，本发明方法的软测量性能得到了充分保证，是一种更为优选的软测量方法。
-
公开(公告)号：CN108960309B
公开(公告)日：2021-11-05
申请号：CN201810658888.6
申请日：2018-06-11
Applicant: 宁波大学
Abstract: 本发明公开一种基于RBF神经网络自相关性剔除的动态过程监测方法，旨在利用RBF神经网络建立非线性的自回归模型，并在此基础上实施动态过程监测。本发明方法的主要核心首先在于利用RBF神经网络构建出被监测对象采样数据的自相关模型，其次在于利用RBF神经网络自回归模型过滤后的误差实施过程监测。相比于传统方法，利用RBF神经网络较强的非线性拟合能力来构建不同采样时刻数据间的自回归模型。其次，本发明方法将误差作为被监测对象，不仅利用了误差具备的能够反映非线性自相关特征异常变化情况的能力，而且误差数据不再出现时间序列上的自相关性。可以说，本发明方法更适合于动态过程监测。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.028 seconds)
