-
公开(公告)号：CN109165878B
公开(公告)日：2021-09-10
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。
-
公开(公告)号：CN108762242B
公开(公告)日：2020-10-27
申请号：CN201810658918.3
申请日：2018-06-11
Applicant: 宁波大学
IPC: G05B23/02
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。
-
公开(公告)号：CN111400996A
公开(公告)日：2020-07-10
申请号：CN202010133546.X
申请日：2020-02-28
Applicant: 宁波大学
IPC: G06F30/398 , G06N3/00
Abstract: 本发明公开了一种基于帕雷托支配的MPRM电路多目标优化方法，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MOTDPSO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，在多目标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，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：CN111400982A
公开(公告)日：2020-07-10
申请号：CN202010126493.9
申请日：2020-02-28
Applicant: 宁波大学
IPC: G06F30/337 , G06F30/25 , G06N3/00 , 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：CN108572639B
公开(公告)日：2020-06-30
申请号：CN201810280157.2
申请日：2018-03-19
Applicant: 宁波大学
IPC: G05B23/02
Abstract: 本发明公开一种基于主成分自相关性剔除的动态过程监测方法，旨在剔除传统动态主成分分析(DPCA)模型中主成分的自相关性，从而使相应过程监测模型具备更优越的动态过程监测效果。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；其次，建立DPCA模型；然后，利用延时测量值作为回归模型输入估计出对应的主成分信息；最后，利用剔除主成分自相关性的估计误差实施对动态过程的在线监测。相比于传统DPCA过程监测方法，本发明方法利用剔除主成分自相关性后的误差做为被监测对象，不仅不再受到自相关性的负面影响，而且误差的变化直接体现出主成分中自相关特征的异常变化。因此，本发明方法更适合于监测动态过程建模与监测。
-
Patent Agency Ranking
公开(公告)号：CN108803520B
公开(公告)日：2020-06-16
申请号：CN201810658890.3
申请日：2018-06-11
Applicant: 宁波大学
IPC: G05B19/418
Abstract: 本发明公开一种基于变量非线性自相关性剔除的动态过程监测方法，旨在剔除采样数据各测量变量的非线性自相关性，并在此基础上建立非线性的动态过程监测模型。本发明方法首先利用核偏最小二乘算法建立各样本数据与其多个延时测量数据之间的非线性回归模型；然后，将模型误差作为新的被监测对象利用主成分分析算法建立过程监测模型，并实施故障监测。相比于传统方法，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同样为后续基于PCA算法的过程监测模型的建立提供了便利。可以说，本发明方法更适合于动态过程监测。
-
公开(公告)号：CN108427398B
公开(公告)日：2020-06-16
申请号：CN201810233557.8
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AR‑PLS模型的动态过程监测方法，本发明方法首先将各测量变量引入在采样时间上的多个延时测量值，然后针对每个测量变量为之建立该变量与其他测量变量及延时测量值之间的AR‑PLS模型，最后利用模型的预测误差实施对动态过程的在线监测。相比于传统动态过程监测方法，本发明方法首先在建模阶段体现出了分散式建模的特点，因此具备分散式多模型的优势。其次，本发明方法只利用AR模型的预测误差作为被监测对象，而误差是AR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。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：CN110855287A
公开(公告)日：2020-02-28
申请号：CN201910973436.1
申请日：2019-10-14
Applicant: 宁波大学
IPC: H03K19/20
Abstract: 本发明公开了一种基于延迟门控正反馈的高速动态多米诺全加器，包括第一PMOS管、第二PMOS管、第三PMOS管、第四PMOS管、第五PMOS管、第六PMOS管、第七PMOS管、第八PMOS管、第九PMOS管、第一NMOS管、第二NMOS管、第三NMOS管、第四NMOS管、第五NMOS管、第六NMOS管、第七NMOS管、第八NMOS管、第九NMOS管、第十NMOS管、第十一NMOS管、第一反相器、第二反相器、第三反相器和第四反相器；优点是减少正反馈的阻碍作用，从而减少了亚稳态时反相器上拉网络与下拉网络同时弱导通的时长，不仅提升了速度性能，也降低了整体功耗，不但具有较快的运行速度，而且具有较低功耗。
-
公开(公告)号：CN109407649A
公开(公告)日：2019-03-01
申请号：CN201811213323.3
申请日：2018-10-09
Applicant: 宁波大学
IPC: G05B23/02
CPC classification number: G05B23/0245
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：CN108469805A
公开(公告)日：2018-08-31
申请号：CN201810233508.4
申请日：2018-03-06
Applicant: 宁波大学
IPC: G05B23/02
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。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.028 seconds)
