-
公开(公告)号：CN115169832A
公开(公告)日：2022-10-11
申请号：CN202210693186.8
申请日：2022-06-17
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于曲线形态变化的敏感性分析方法及系统，所述方法包括：获取待分析的工艺参数和质量指标数据，构建原始样本数据集；构建工艺参数与质量指标数据的关系模型；基于关系模型在原始样本数据集中进行基准样本的选择；对基准样本中的工艺参数进行变换，利用关系模型分别预测变换前后的基准样本的质量类别，得到工艺参数变化过程中相应质量类别概率变化结果；利用工艺参数均值变化和质量类别概率变化间的梯度关系度量工艺参数的敏感性，基于敏感性的度量结果得到影响产品质量波动的关键性工艺参数。本发明解决了工业控制过程中引起产品质量产生波动的关键因素的识别问题。
-
公开(公告)号：CN118296530B
公开(公告)日：2025-02-28
申请号：CN202410470492.4
申请日：2024-04-18
Applicant: 北京科技大学
IPC: G06F18/2433 , G06F18/213 , G06Q10/0635 , G06Q50/04
Abstract: 本发明提供一种基于趋势累计和的帘线钢开轧温度趋势预警方法及装置，涉及流程工业质量管控技术领域。所述方法包括：采集帘线钢轧制过程中开轧温度的时序数据；对时序数据进行预处理，形成分析数据集；基于双重指数加权平均算法对分析数据集进行平滑处理，提取开轧温度在不同批次间的趋势项；基于改进的趋势累计和控制图计算开轧温度的趋势累计和；对双重指数加权平均算法中的平滑系数以及趋势累计和控制图中的允许漂移参数进行优化，建立在线趋势预警模型；利用在线趋势预警模型在线监控开轧温度异常趋势，并量化评价趋势偏差程度。本发明能够提高帘线钢开轧温度趋势预警的准确性和全面性。
-
公开(公告)号：CN112001596B
公开(公告)日：2023-10-31
申请号：CN202010734092.1
申请日：2020-07-27
Applicant: 北京科技大学
IPC: G06Q10/0633 , G06Q10/04 , G06Q50/04 , G06N7/01
Abstract: 本发明公开了一种时间序列数据异常点检测方法及系统，该方法包括：获取待检测的时间序列数据；利用相关向量机计算当前观测数据的预测概率分布；基于计算出的预测概率分布，利用贝叶斯框架判断当前观测数据是否为异常点，以得到时间序列数据中异常点位置和异常点概率值；对各段子时间序列中的异常点位置和异常点概率值分别进行合并处理，得到异常点检测结果。本发明解决了工业控制过程产生的非稳态时序数据异常检测问题，可有效监控流程工业过程中工艺控制数据可能异常的情况，并且可利用异常点概率值表征数据异常的严重程度，提高了流程工业生产过程中数据异常监控的信息多样性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN111898903A
公开(公告)日：2020-11-06
申请号：CN202010739592.4
申请日：2020-07-28
Applicant: 北京科技大学
Abstract: 本发明公开了一种钢铁产品均匀性和综合质量评估方法及系统，该方法包括：获取待评估数据集；其中，每一批次包括多条温度曲线和多个质量指标；计算每一批次的温度曲线与规格区域的相对体积，以及每一批次温度曲线与目标温度值的相对距离；将相对体积和相对距离与对应批次数据中的质量指标组合，形成质量指标数据集并进行标准化处理，以消除量纲影响；计算每一批次与最优方案的相对接近程度，作为评价当前批次优劣的依据。本发明利用核密度估计的方法解决了非正态工艺数据的均匀性评估问题；将优劣解距离法分为训练和评估两个过程，从而给新批次一个客观的相似度作为多质量指标的综合评价指标。
-
公开(公告)号：CN118296530A
公开(公告)日：2024-07-05
申请号：CN202410470492.4
申请日：2024-04-18
Applicant: 北京科技大学
IPC: G06F18/2433 , G06F18/213 , G06Q10/0635 , G06Q50/04
Abstract: 本发明提供一种基于趋势累计和的帘线钢开轧温度趋势预警方法及装置，涉及流程工业质量管控技术领域。所述方法包括：采集帘线钢轧制过程中开轧温度的时序数据；对时序数据进行预处理，形成分析数据集；基于双重指数加权平均算法对分析数据集进行平滑处理，提取开轧温度在不同批次间的趋势项；基于改进的趋势累计和控制图计算开轧温度的趋势累计和；对双重指数加权平均算法中的平滑系数以及趋势累计和控制图中的允许漂移参数进行优化，建立在线趋势预警模型；利用在线趋势预警模型在线监控开轧温度异常趋势，并量化评价趋势偏差程度。本发明能够提高帘线钢开轧温度趋势预警的准确性和全面性。
-
公开(公告)号：CN111260201B
公开(公告)日：2023-04-28
申请号：CN202010030606.5
申请日：2020-01-13
Applicant: 北京科技大学
IPC: G06Q10/0639 , G06F18/214 , G06N20/00
Abstract: 本发明提供一种基于分层随机森林的变量重要性分析方法，包括以下步骤：获取待处理数据集，所述待处理数据集中的每个样本具有多个变量；对所述待处理数据集进行预处理，剔除异常样本和空值；对预处理后的数据集，将其中的变量按照加工工序进行分组；有放回随机抽样生成多个训练集，为每一个训练集建立分层决策树；将多棵分层决策树融合形成分层随机森林模型；利用Morris筛选法或Gini指数法结合分层随机森林模型进行变量重要性分析，生成变量重要性排序。本发明方法解决了现有技术中的常规质量建模方法不考虑多工序生产过程的问题，能够很好地体现多工序加工过程的先后作用，提高了模型的准确性和可解释性。
-
公开(公告)号：CN111260201A
公开(公告)日：2020-06-09
申请号：CN202010030606.5
申请日：2020-01-13
Applicant: 北京科技大学
Abstract: 本发明提供一种基于分层随机森林的变量重要性分析方法，包括以下步骤：获取待处理数据集，所述待处理数据集中的每个样本具有多个变量；对所述待处理数据集进行预处理，剔除异常样本和空值；对预处理后的数据集，将其中的变量按照加工工序进行分组；有放回随机抽样生成多个训练集，为每一个训练集建立分层决策树；将多棵分层决策树融合形成分层随机森林模型；利用Morris筛选法或Gini指数法结合分层随机森林模型进行变量重要性分析，生成变量重要性排序。本发明方法解决了现有技术中的常规质量建模方法不考虑多工序生产过程的问题，能够很好地体现多工序加工过程的先后作用，提高了模型的准确性和可解释性。
-
公开(公告)号：CN112001596A
公开(公告)日：2020-11-27
申请号：CN202010734092.1
申请日：2020-07-27
Applicant: 北京科技大学
Abstract: 本发明公开了一种时间序列数据异常点检测方法及系统，该方法包括：获取待检测的时间序列数据；利用相关向量机计算当前观测数据的预测概率分布；基于计算出的预测概率分布，利用贝叶斯框架判断当前观测数据是否为异常点，以得到时间序列数据中异常点位置和异常点概率值；对各段子时间序列中的异常点位置和异常点概率值分别进行合并处理，得到异常点检测结果。本发明解决了工业控制过程产生的非稳态时序数据异常检测问题，可有效监控流程工业过程中工艺控制数据可能异常的情况，并且可利用异常点概率值表征数据异常的严重程度，提高了流程工业生产过程中数据异常监控的信息多样性和准确性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
