-
公开(公告)号：CN116364201A
公开(公告)日：2023-06-30
申请号：CN202310262746.9
申请日：2023-03-17
Applicant: 江南大学
IPC: G16C20/10 , G16C20/70 , G06N3/045 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于卷积ONLSTM与自注意力的发酵过程软测量方法，属于软测量技术领域。该方法考虑发酵过程变量中的冗余信息，提出带自注意力机制的卷积有序神经元长短时记忆网络(ONLSTM)多层时序预测模型，首先利用CNN对发酵过程中的输入变量进行局部特征提取并降维；然后将所提取特征输入多层ONLSTM网络进行时序特征提取，并通过层级判断各输入变量的重要程度，过滤特征变量中的冗余信息；最后结合自注意力机制动态调整特征权重，利用各输入变量间内部依赖关系，对高相关性变量赋予高权重，同时优化全连接层激活函数，实现对于发酵过程主导变量的高精度预测，并以青霉素发酵过程为例，验证了该方法对青霉素浓度的高精度预测。
-
公开(公告)号：CN113095402B
公开(公告)日：2023-06-13
申请号：CN202110387887.4
申请日：2021-04-12
Applicant: 江南大学
IPC: G06F18/214 , G06N3/094
Abstract: 本发明公开了一种基于编码输入的生成对抗网络故障检测方法及系统，包括：获取原始正常工况数据集及待测样本；归一化处理所获得的数据分别的得到正常工况标准数据集、待测标准样本；利用正常工况标准数据集通过最小化重构误差训练自编码器模型，得到编码器，训练对抗网络得到生成器和判别器；分别求取正常工况标准数据集、待测标准样本对应的统计量，基于正常工况标准数据集的统计量利用核密度估计方法计算出控制限；基于待测标准样本统计量与控制限绘制控制图并比较判断是否发生故障，完成故障检测。本发明改善了训练过程缓慢的问题，提升了生成对抗网络的训练效果和检测性能，且本方法大大减少了计算成本，降低了检测延时。
-
公开(公告)号：CN114186732A
公开(公告)日：2022-03-15
申请号：CN202111502375.4
申请日：2021-12-09
Applicant: 江南大学
Abstract: 本申请关于一种助训练框架下的质量变量预测方法、装置、终端及存储介质，涉及复杂工业过程建模和故障诊断领域。该方法包括：获取待测数据集、有标签样本数据集以及无标签样本数据集；建立初始主学习模型以及与初始主学习模型对应的初始辅学习模型；对初始主学习模型以及初始辅学习模型进行训练；建立质量变量预测模型；将待测数据组输入质量变量预测模型。在预测的过程中，通过预先进行的无标签样本数据集以及有标签样本数据集的组合训练，在选取高全局信息含量的无标签样本数据集的基础上，提高了质量变量预测模型的质量，使无标签样本数量较多的场景下，质量变量的预测有了稳定且具体的途径，提高了对于质量变量进行预测的准确率和效率。
-
公开(公告)号：CN113988311A
公开(公告)日：2022-01-28
申请号：CN202111286761.4
申请日：2021-11-01
Applicant: 江南大学
Abstract: 本申请关于一种质量变量的预测方法、装置、终端及存储介质，涉及复杂工业过程建模和故障诊断领域。该方法包括：获取待测数据集；将待测数据集划分为训练集和测试集；基于数据组划分规则将训练集中的至少两个训练数据组划分为样本训练数据组和测试训练数据组；获取与训练数据组对应的样本质量变量数值；基于样本训练数据组与测试训练数据组建立质量变量预测模型；对质量变量预测模型以主动学习的训练方式进行训练；响应于训练完成，输出与待测数据组对应的预测质量变量数值。通过至少两次的数据组划分规则进行样本集的确定，并对应进行机器学习模型的构建，使对于质量变量进行预测的过程中，质量变量的预测结果更加准确。
-
公开(公告)号：CN112385434A
公开(公告)日：2021-02-23
申请号：CN202010157527.0
申请日：2020-03-09
Applicant: 江南大学
Abstract: 本发明公开了一种基于Arduino平台的智能盆栽养护系统，包括有花盆、Arduino主控板、光传感器、温湿度传感器、土壤湿度传感器、土壤温度传感器、WIFI模块和终端，所述花盆包括有顶层和主体部分；所述光传感器和温湿度传感器设置在花盆的顶层；所述主体部分底部为储物层，储物层上方为控制层，控制层上方设置有水槽和营养液槽，水槽与营养液槽上方为花盆存放土壤的空间；所述Arduino主控板和WIFI模块设置在主体部分的控制层内；所述土壤湿度传感器和土壤温度传感器均设置在花盆存放土壤的空间内壁上，本发明中Arduino主控板通过各个传感器收集的数据，调节盆栽内设置的光照系统和灌溉系统，实现对盆栽的自动化养护。
-
Patent Agency Ranking
公开(公告)号：CN112000081A
公开(公告)日：2020-11-27
申请号：CN202010897994.7
申请日：2020-08-31
Applicant: 江南大学
IPC: G05B23/02
Abstract: 本发明提供一种基于多块信息提取和马氏距离的故障监测方法及系统，方法包括：获取原始正常工况数据集X0及待测样本x，对X0进行标准化处理得到原始正常工况标准数据集对x进行标准化操作得到待测标准样本xμ；对 进行多块信息提取，得到第一子块信息数据集和第二子块信息数据集，对xμ进行多块信息提取，得到第三子块信息 和第四子块信息 分别求第一子块信息数据集和第二子块信息数据集的统计量及控制限；根据贝叶斯推断，将xμ、 和 的监测结果融合为统计量并判断是否故障。本方案，可提高对微小偏移和脉冲振荡类型故障的检出率，对非线性非高斯数据有一定的监测优势，同时改善了传统kNN故障监测方法的监测性能。
-
公开(公告)号：CN107451102B
公开(公告)日：2020-06-30
申请号：CN201710632197.4
申请日：2017-07-28
Applicant: 江南大学
Abstract: 本发明公开了一种基于改进自训练算法的半监督高斯过程回归软测量建模对脱丁烷塔底丁烷浓度进行预测的方法。用于带有缺失主导变量的训练数据集的化工过程软测量建模。该方法采用自训练算法估计缺失的主导变量样本，并根据得到的估计样本对原有训练数据的影响，筛选出泛化能力强的样本加入到原始样本集中，从而构成新的训练样本集进行建模。该方法一方面实现估计样本的有效筛选，提高半监督模型精度；另一方面筛选准则简单，不需要划分完整数据集，且不受模型结构的限制。该方法可以提高产品质量，降低生产成本。
-
公开(公告)号：CN107423503B
公开(公告)日：2020-06-23
申请号：CN201710599053.3
申请日：2017-07-21
Applicant: 江南大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于核慢特征分析和时滞估计的高斯过程回归建模对脱丁烷塔底部的丁烷浓度进行预测的方法。用于具有时延和非线性的化工过程。该方法首先通过模糊曲线分析充分挖掘工业数据中的时延信息，求出数据中的最优时滞，并进行建模数据的重构；进一步通过核慢特征分析方法对重构数据进行非线性的特征提取；最后，基于提取后的特征建立高斯过程回归模型，实现对关键变量的精确预测，从而提高产品质量，降低生产成本。
-
公开(公告)号：CN108549234B
公开(公告)日：2020-02-11
申请号：CN201810448285.3
申请日：2018-05-11
Applicant: 江南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于动态变值的多目标优化控制方法，属于复杂工业过程建模和优化控制领域。本发明根据污水处理机理模型，通过改进传统的控制方法，设计3个动态变值跟踪控制器，并对每个优化周期内各控制器的设定值进行动态优化，实现第4、5反应单元的溶解氧浓度和第2反应单元的硝态氮浓度的动态变值跟踪控制，解决了传统控制方式跟踪难度大的问题；通过以各控制器的设定值为辅助变量，对能耗和罚款进行软测量建模。最后利用智能决策多目标粒子群算法对控制器设定值进行寻优，得到每个优化周期内最优的设定值组合，达到了均衡能耗和出水水质两个指标的效果，使得在保证出水水质的前提下，能耗和罚款同时保持在一个较低的水平。
-
公开(公告)号：CN108762228A
公开(公告)日：2018-11-06
申请号：CN201810516707.6
申请日：2018-05-25
Applicant: 江南大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于分布式PCA的多工况故障监测方法，属于复杂工业过程建模和故障诊断领域。本发明针对一些复杂工业过程中数据呈多工况特性等问题，对多工况过程数据进行局部邻域标准化处理，消除数据的多分布特性；然后进行PCA分解，并在提取的不同主元方向上选择最相关的变量构建子块，实现对整个过程的自动分解，建立分布式故障监测模型，得到相应的监测统计量；最后采用贝叶斯推断方法，对所得到的各子块监测统计量进行融合，实现故障的在线监测。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.029 seconds)
