公开(公告)号：CN109901553A

公开(公告)日：2019-06-18

申请号：CN201910189221.0

申请日：2019-03-13

Applicant: 东北大学

Inventor： 杨德胜 ,  张颖伟 ,  孙荣荣

IPC: G05B23/02

Abstract: 本发明属于故障监测与诊断技术领域，提出了一种基于多视角的异构工业大数据协同建模过程故障监测方法，包括：1)采集工业生产过程的图像数据；2)根据具体的工业生产选择合适的相似性函数；3)计算每个视角的判别信息学习项；4)构造优化函数并求解得到优投影矩阵Wk，特征空间重构矩阵Pk和特征空间中的特征向量T；5)通过SVM分类器对提取的新数据的特征进行在线故障监测和诊断。本发明采用全监督的学习方式，通过对每个工业数据的各个视角的数据进行统一建模，挖掘各个视角数据的内在一致性与联系性，避免了单一数据建模在故障诊断出现的偶然性与不确定性，提高了故障诊断准确率，降低了误报率。

公开(公告)号：CN108038493A

公开(公告)日：2018-05-15

申请号：CN201711188839.2

申请日：2017-11-24

Applicant: 东北大学

Inventor： 张颖伟 ,  杨德胜 ,  王建辉

IPC: G06K9/62 ,  G06F17/16 ,  G06F17/18

CPC classification number: G06K9/6269 ,  G06F17/16 ,  G06F17/18 ,  G06K9/6232 ,  G06K9/6256 ,  G06K9/6276

Abstract: 本发明提供一种基于回归智能判别嵌入的工业大数据过程故障监测方法，涉及故障监测与诊断技术领域。该方法首先采集工业过程中的数据，建立基于图理论的采样数据的各类图矩阵，构造非线性低维嵌入子空间，对原始数据空间做线性投影变换，然后构造优化函数并求解，构建在线特征提取公式，对工业生产过程采集的新数据进行特征提取，通过两个SVM分类器对提取的新数据的特征进行故障监测和诊断。本发明在半监督判别嵌入的基础上，结合半监督灵活流形嵌入的特点，可以在传统数据与多媒体流数据统一建模的情况下，对非线性与时变性的数据进行有效的特征提取，提高故障检测的准确率，以达到故障监测和诊断的目的。

公开(公告)号：CN109901553B

公开(公告)日：2020-09-01

申请号：CN201910189221.0

申请日：2019-03-13

Applicant: 东北大学

Inventor： 杨德胜 ,  张颖伟 ,  孙荣荣

IPC: G05B23/02

Abstract: 本发明属于故障监测与诊断技术领域，提出了一种基于多视角的异构工业大数据协同建模过程故障监测方法，包括：1)采集工业生产过程的图像数据；2)根据具体的工业生产选择合适的相似性函数；3)计算每个视角的判别信息学习项；4)构造优化函数并求解得到优投影矩阵Wk，特征空间重构矩阵Pk和特征空间中的特征向量T；5)通过SVM分类器对提取的新数据的特征进行在线故障监测和诊断。本发明采用全监督的学习方式，通过对每个工业数据的各个视角的数据进行统一建模，挖掘各个视角数据的内在一致性与联系性，避免了单一数据建模在故障诊断出现的偶然性与不确定性，提高了故障诊断准确率，降低了误报率。