-
公开(公告)号：CN117007302B
公开(公告)日：2025-03-04
申请号：CN202210424154.8
申请日：2022-04-21
Applicant: 中国矿业大学 , 江苏锐策智能科技有限公司
IPC: G01M13/003 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于云理论的气动调节阀故障诊断系统，包括故障信号采集模块、云特征提取模块、动态特征提取模块、故障特征融合模块、云化采样模块、基模型训练模块、集成决策诊断模块，基于上述模块，本发明统计相同测试样本下各增量式随机权神经网络基模型的诊断结果，取诊断结果的众数作为集成模型的最终诊断结果。本发明不仅以较高的诊断准确率实现了对气动调节阀的故障诊断，有效避免了阀门带故障运行；而且考虑到在实际应用中阀门故障数据匮乏的问题，通过构造样本和集成的方法解决了模型在小样本数据下诊断精度不高的问题。除此之外，本发明无需熟悉阀门机理与繁杂的经验知识即可完成故障诊断，具有较好的实用性。
-
公开(公告)号：CN116992260B
公开(公告)日：2024-03-22
申请号：CN202210425403.5
申请日：2022-04-21
Applicant: 中国矿业大学 , 江苏锐策智能科技有限公司
IPC: G06F18/213 , G06F18/24 , G06F18/214 , G06F18/2135 , G01M13/003 , G06F18/15
Abstract: 本发明公开了一种基于云理论的气动调节阀故障诊断方法，本发明采用云模型理论与动态内部主成分分析方法分别进行特征提取并融合，提出一种基于云化采样的集成随机配置网络模型进行故障诊断。本发明不仅以较高的诊断准确率实现了对气动调节阀的故障诊断，有效避免了阀门带故障运行；而且考虑到在实际应用中阀门故障数据匮乏的问题，通过构造样本和集成的方法解决了模型在小样本数据下诊断精度不高的问题。除此之外，本发明无需熟悉阀门机理与繁杂的经验知识即可完成故障诊断，具有较好的实用性。
-
公开(公告)号：CN116976444A
公开(公告)日：2023-10-31
申请号：CN202310946727.8
申请日：2023-07-28
Applicant: 东北大学 , 中国矿业大学 , 江苏锐策智能科技有限公司
Inventor： 王殿辉
Abstract: 本发明属于模糊规则提取技术领域，公开了一种可解释型的随机配置模糊推理系统、构建方法及终端，利用随机配置理论构建模糊推理系统，随机配置模糊规则中心点及模糊规则激发强度系数；通过随机配置算法的不等式约束条件筛选出最优的模糊规则中心点和模糊规则激发强度系数更新随机配置模糊推理系统结构；利用最小二乘算法得到数据相对于不同规则的结论权重，通过最大容许模糊规则数和最大期望容许输出误差判断系统是否构建完毕；针对构建完毕的可解释型的随机配置模糊推理系统，验证每个模糊规则对于数据是否均存在影响作用进而判断模型是否构建完毕。本发明可以高效应用于大规模的高维度工业背景，前景良好。
-
公开(公告)号：CN116992935A
公开(公告)日：2023-11-03
申请号：CN202310993679.8
申请日：2023-08-07
Applicant: 东北大学 , 中国矿业大学 , 江苏锐策智能科技有限公司
IPC: G06N3/08
Abstract: 本发明属于神经网络模型训练技术领域，公开了一种基于改进随机配置算法的神经网络模型训练方法及系统，包括：在满足神经网络模型输出均方根误差减小的条件下，通过随机配置算法的不等式约束条件筛选合适神经元作为候选隐层节点；从所述候选隐层节点中筛选令训练误差下降最快的K个神经元，从选出的K个神经元中选择与前L‑1个隐层节点最不相关的神经元作为最优隐层节点；通过最小二乘法计算得到输出权重，并更新随机配置网络的结构；利用通过隐层最大容许节点数和最大容许输出误差判断网络结构是否构建完毕。本发明能够在保证预测精度的同时，降低算法的整体计算量，适用于对实时性要求高的应用场景。
-
公开(公告)号：CN116992260A
公开(公告)日：2023-11-03
申请号：CN202210425403.5
申请日：2022-04-21
Applicant: 中国矿业大学 , 江苏锐策智能科技有限公司
IPC: G06F18/213 , G06F18/24 , G06F18/214 , G06F18/2135 , G01M13/003 , G06F18/15
Abstract: 本发明公开了一种基于云理论的气动调节阀故障诊断方法，本发明采用云模型理论与动态内部主成分分析方法分别进行特征提取并融合，提出一种基于云化采样的集成随机配置网络模型进行故障诊断。本发明不仅以较高的诊断准确率实现了对气动调节阀的故障诊断，有效避免了阀门带故障运行；而且考虑到在实际应用中阀门故障数据匮乏的问题，通过构造样本和集成的方法解决了模型在小样本数据下诊断精度不高的问题。除此之外，本发明无需熟悉阀门机理与繁杂的经验知识即可完成故障诊断，具有较好的实用性。
-
Patent Agency Ranking
公开(公告)号：CN116976416A
公开(公告)日：2023-10-31
申请号：CN202310942736.X
申请日：2023-07-28
Applicant: 东北大学 , 中国矿业大学 , 江苏锐策智能科技有限公司
Inventor： 王殿辉
Abstract: 本发明属于神经网络模型训练技术领域，公开了一种低比特随机配置网络轻量计算方法、系统、设备及终端，包括：使用量化的随机配置算法训练神经网络模型，随机配置多个三值化输入权重系数产生候选的隐层节点；通过随机配置算法的不等式约束条件筛选最优的候选隐层节点，通过所述最优的候选隐层节点更新随机配置网络的结构；通过最小二乘法得到输出权重，并通过隐层最大容许节点数和最大容许输出误差判断模型是否已经训练好。本发明在工业人工智能、智慧医疗、智慧交通、无人驾驶等计算资源限制的应用环境背景下具有良好的前景。
-
公开(公告)号：CN117007302A
公开(公告)日：2023-11-07
申请号：CN202210424154.8
申请日：2022-04-21
Applicant: 中国矿业大学 , 江苏锐策智能科技有限公司
IPC: G01M13/003 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于云理论的气动调节阀故障诊断系统，包括故障信号采集模块、云特征提取模块、动态特征提取模块、故障特征融合模块、云化采样模块、基模型训练模块、集成决策诊断模块，基于上述模块，本发明统计相同测试样本下各增量式随机权神经网络基模型的诊断结果，取诊断结果的众数作为集成模型的最终诊断结果。本发明不仅以较高的诊断准确率实现了对气动调节阀的故障诊断，有效避免了阀门带故障运行；而且考虑到在实际应用中阀门故障数据匮乏的问题，通过构造样本和集成的方法解决了模型在小样本数据下诊断精度不高的问题。除此之外，本发明无需熟悉阀门机理与繁杂的经验知识即可完成故障诊断，具有较好的实用性。
-
公开(公告)号：CN116952790A
公开(公告)日：2023-10-27
申请号：CN202310946767.2
申请日：2023-07-28
Applicant: 东北大学 , 中国矿业大学 , 江苏锐策智能科技有限公司
IPC: G01N15/02
Abstract: 本发明属于磨矿粒度测量技术领域，公开了一种磨矿粒度软测量方法、系统、介质、设备及终端，将软测量模型的建立分为线性和非线性两部分，使用LASSO算法对时序展开的训练数据进行线性回归，建立线性软测量模型；根据模型权重分析时序特征，选择与输出相关的时序特征作为SCN的输入；使用真实值与LASSO算法预测值的残差作为SCN的输出并训练SCN，建立非线性软测量模型；通过弹性网络同步优化LASSO算法的线性软测量模型权重和SCN模型输出权重，获得最优软测量模型，并利用最优软测量模型实现磨矿粒度的软测量。本发明利用弹性网络在提高软测量模型预测精度的同时降低模型复杂度，使模型的存储成本更低、应用效果更好。
-
公开(公告)号：CN116911370A
公开(公告)日：2023-10-20
申请号：CN202310946757.9
申请日：2023-07-28
Applicant: 东北大学 , 中国矿业大学 , 江苏锐策智能科技有限公司
Inventor： 王殿辉
Abstract: 本发明属于RVFL网络模型构建技术领域，公开了一种随机向量函数链神经网络权重交替迭代更新方法及系统，包括：设定网络模型非线性部分的隐含层节点数、隐层权重和偏置的取值范围；对网络模型的线性和非线性部分输出权重交替迭代更新，直到模型的误差或迭代次数满足预先设定的要求，模型停止更新，得到最终的RVFL网络模型。本发明对随机向量函数链神经网络(RVFL)的线性和非线性部分进行交替建模，使得模型具有物理可解释性，可以更好的预测实际生产过程的变化趋势，提高模型输出精度。因此，本发明设计的数据建模方式适用于化工、冶金等工业生产过程的应用场景，有很高的工业应用价值和很好的应用前景。
-
公开(公告)号：CN115273237B
公开(公告)日：2024-01-30
申请号：CN202210915844.3
申请日：2022-08-01
Applicant: 中国矿业大学
IPC: G06V40/20 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/098
Abstract: 本发明公开了基于集成随机配置神经网络的人体姿态与动作识别方法，基于随机配置神经网络子模型设计基学习器，并将若干个基学习器集成入识别模型中；识别模型基于装袋算法将传感器采集数据划分为若干个子数据集，每个子数据集使用一个基学习器进行识别，最后通过加权均值法对所有基学习器预测结果进行汇总，从而得到最终的识别结果。本发明采用上述人体姿态与动作识别方法，取得了与CNN模型相当的准确率，且计算复杂度和所需时间远低于单个SCN、CNN、LSTM和SVM模型，且不需要使用GPU进行训练，提高了识别效率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.037 seconds)
