-
公开(公告)号：CN116383587A
公开(公告)日：2023-07-04
申请号：CN202310361147.2
申请日：2023-04-07
Applicant: 宁波大学
IPC: G06F17/16 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种基于正交自编码神经网络的工业过程监测方法，可在自编码神经网络的训练过程中，在保证解码误差最小化的同时将编码特征的正交性统计条件考虑进来，从而构建一个正交自编码神经网络对工业过程实施过程监测。本发明方法巧妙的将正交性目标和重构目标融合进一个由正交编码网络和解码重构网络组成的正交自编码神经网络中，通过依次训练正交编码网络和解码重构网络实现了提取正交特征和生成重构误差的目的，从而可通过监测正交特征和重构误差的变化情况来反映工业过程运行是否正常。与传统方法相比，本发明方法不仅可以如多变量统计过程监测方法一样分析提取出非线性的正交特征成分，也可以像自编码器那样生成重构误差。
-
公开(公告)号：CN111400996B
公开(公告)日：2023-06-06
申请号：CN202010133546.X
申请日：2020-02-28
Applicant: 宁波大学
IPC: G06F30/398 , G06N3/006 , G06F111/06
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：CN108491878B
公开(公告)日：2022-02-11
申请号：CN201810233507.X
申请日：2018-03-06
Applicant: 宁波大学
Abstract: 本发明公开一种基于多个误差生成模型的故障分类诊断方法，通过多个单分类的模型实施故障诊断。首先，本发明方法将每种故障类型可用训练数据转换成能体现变量间相互关系特征的误差，然后对各个故障训练数据转换后误差分别建立单分类匹配模型。在线故障类型识别时，先将在线故障样本按不同故障类型对应的误差生成模型转换为误差后，在计算相应的统计指标数值，并依据统计指标最小数值识别故障类型。与传统方法相比，本发明方法针对各测量变量单独建立一个偏最小二乘模型以生成误差，体现出了分散式建模的特点。此外，本发明方法将故障分类诊断的多分类问题转换成了多个单分类模型实施故障分类。因此，本发明方法是一种更为优选的故障分类诊断方法。
-
公开(公告)号：CN109376778B
公开(公告)日：2021-06-15
申请号：CN201811213324.8
申请日：2018-10-09
Applicant: 宁波大学
IPC: G06K9/62
Abstract: 本发明公开一种基于特征变量加权的故障分类诊断方法，旨在为各参考故障实施特征变量选择与加权，并建立特征变量加权主成分分析模型，从而实施在线故障分类诊断。具体来讲，本发明方法利用近邻成分分析算法，逐个为各参考故障类型区分出特征变量及其异常程度。然后，利用主成分分析算法为各个故障类型加权后的特征变量建立单分类模型。最后，利用这些单分类模型实施在线故障数据所对应的故障类型的诊断。本发明方法利用各故障的特征变量实施故障分类诊断不仅能消除非特征变量的干扰影响，而且在建立单分类模型时通过加权处理还能凸显各个特征变量的差异。因此，本发明方法是一种更为优选的故障分类诊断方法。
-
公开(公告)号：CN109407649B
公开(公告)日：2021-01-05
申请号：CN201811213323.3
申请日：2018-10-09
Applicant: 宁波大学
IPC: G05B23/02
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。
-
Patent Agency Ranking
公开(公告)号：CN108845546B
公开(公告)日：2020-10-27
申请号：CN201810658889.0
申请日：2018-06-11
Applicant: 宁波大学
IPC: G05B19/418 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于BP神经网络自回归模型的动态过程监测方法，旨在利用BP神经网络建立非线性的自回归模型，并在此基础上实施动态过程监测。本发明方法的主要核心首先在于利用BP神经网络识别出被监测对象采样数据的自相关模型，其次在于利用BP神经网络自回归模型过滤后的误差实施过程监测。本发明方法的主要优势首先在于利用BP神经网络的非线性拟合能力建立非线性的自回归模型，以达到剔除了测量变量中的非线性自相关特征的目的；其次，本发明方法不仅利用了误差具备能够反映非线性自相关特征异常变化情况的能力，而且误差数据不再存在自相关性同样为后续故障检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：CN108388234B
公开(公告)日：2020-06-16
申请号：CN201810280186.9
申请日：2018-03-19
Applicant: 宁波大学
IPC: G05B23/02
Abstract: 本发明公开一种基于相关性划分多变量块PCA模型的故障监测方法，旨在从变量同等重要性角度出发，在考虑测量变量间相关性显著与不显著问题的基础上实施分布式建模，从而提高传统PCA算法用于故障监测的效果。本发明方法首先针对各个测量变量，将原测量变量集区分成与该变量相关性显著与不显著的两个变量子块；然后，分别对这个两个变量子块实施基于PCA算法的建模与故障监测；最后，将所有测量变量对应的故障监测结果通过概率形式融合在一起以方便是否发生故障的最终决策。与传统方法相比，本发明方法不仅等同地对待了所有测量变量，而且还利用了多模型的分布式建模优势，理应取得更好的故障检测效果。
-
公开(公告)号：CN108508865B
公开(公告)日：2019-09-06
申请号：CN201810233506.5
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OSC‑PLS回归模型的故障检测方法，旨在从同等对待各测量变量的角度出发，建立行之有效的故障检测模型实施更可靠的故障检测。具体来讲，本发明方法借鉴分散式建模的策略，在剔除每个测量变量与其他测量变量之间正交不相关信号后，再利用PLS回归算法建立两者之间的回归模型，然后利用每个测量变量的估计误差实施故障检测。相比于传统方法，本发明方法在利用分散式建模的基础上同等的为每个测量变量建立其各自的回归模型，并且将各个回归模型中的正交不相关信号剔除，最大程度地保障了回归模型的软测量精度从而保证了后续的故障检测性能。可以说，本发明方法是一种更为优选的数据驱动故障检测方法。
-
公开(公告)号：CN109376778A
公开(公告)日：2019-02-22
申请号：CN201811213324.8
申请日：2018-10-09
Applicant: 宁波大学
IPC: G06K9/62
Abstract: 本发明公开一种基于特征变量加权的故障分类诊断方法，旨在为各参考故障实施特征变量选择与加权，并建立特征变量加权主成分分析模型，从而实施在线故障分类诊断。具体来讲，本发明方法利用近邻成分分析算法，逐个为各参考故障类型区分出特征变量及其异常程度。然后，利用主成分分析算法为各个故障类型加权后的特征变量建立单分类模型。最后，利用这些单分类模型实施在线故障数据所对应的故障类型的诊断。本发明方法利用各故障的特征变量实施故障分类诊断不仅能消除非特征变量的干扰影响，而且在建立单分类模型时通过加权处理还能凸显各个特征变量的差异。因此，本发明方法是一种更为优选的故障分类诊断方法。
-
公开(公告)号：CN109376337A
公开(公告)日：2019-02-22
申请号：CN201811213322.9
申请日：2018-10-09
Applicant: 宁波大学
Abstract: 本发明公开一种基于Girvan-Newman算法的集散软测量方法，旨在解决如何从数据角度对大规模生产过程实施过程分解，以建立分散式的软测量模型，以及如何集成利用分散式的软测量结果来得到产品质量数据估计值的问题。本发明发法首次利用Girvan-Newman算法实现了过程对象的分解，从而为建立分散式软测量模型奠定了前期基础。其次，本发明方法利用偏最小二乘算法集成分散式软测量结果，完成了由分散式建模到集成软测量的实施过程。可以说，本发明方法是一种新颖的集散软测量方法，能适应于大规模生产过程对象产品质量指标的软测量。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.028 seconds)
