-
公开(公告)号：CN119673323A
公开(公告)日：2025-03-21
申请号：CN202411693469.8
申请日：2024-11-25
Applicant: 江南大学
IPC: G16C20/70 , G16C20/20 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06N5/01 , G06F18/213 , G06F123/02
Abstract: 本发明公开了一种基于多采样率的TTPA‑LSTM软测量方法，属于现代工业过程软测量建模和应用领域。所述方法包括：通过构建TTPA‑LSTM模型实现对脱丁烷塔工业过程塔底丁烷浓度的准确预测。本发明通过时间感知模块中时间间隔相关的非递增启发式函数，对短期记忆加权处理，模拟了降采样率方法的同时保留更多信息，解决了高低采样率带来的特征提取困难问题；另一方面，引入时间模式注意力模块，通过二维卷积滤波器对所得特征实现跨时间步整合，解决了多元时序时间滞后问题，同时提升了模型的预测能力，解决实际工业生产中存在的此类问题。
-
公开(公告)号：CN118643320B
公开(公告)日：2025-02-28
申请号：CN202410667643.5
申请日：2024-05-28
Applicant: 江南大学
IPC: G06F17/16 , G06F17/18 , G06F18/2135
Abstract: 本发明公开了一种基于动态正交子空间的质量相关微小故障检测方法，属于复杂工业过程建模和故障诊断领域。该方法通过输入时滞值对数据进行动态增广，使当前时刻样本中对微小故障影响较大的变量能多次出现，放大了微小故障对当前时刻样本的影响，通过OSA对过程数据和质量相关数据进行分解，有效分离质量相关成分与质量无关成分，使得该方法在检测出微小故障后能进一步判断此微小故障是否会影响过程输出的产品质量；同时，该方法根据两组不同正常过程数据计算KL散度，以提取正常数据的共同特征，区分微小故障，针对微小故障低幅值特点，根据计算得到的得分向量之间的KL散度来构建对微小故障更敏感的故障检测统计量，提高对微小故障的报警率。
-
公开(公告)号：CN118468021A
公开(公告)日：2024-08-09
申请号：CN202410549293.2
申请日：2024-05-06
Applicant: 江南大学
IPC: G06F18/214 , G06F18/25 , G06F18/241 , G06F18/27 , G16C20/70 , G16C20/10 , G16C20/20
Abstract: 本发明公开了一种基于改进Tri‑training GPR的半监督软测量方法，属于化工生产过程软测量技术领域。该方法通过对Tri‑training算法中三个模型进行协同训练，协同训练过程中，每个分类器都会根据某种规则对样本的标记置信度进行估计，并且选择置信度最高的样本添加伪标签，然后作为已标记的训练样本传递给另一个分类器，以更新对方模型，从而可以选择足够数量的有标签数据，使得模型精度得到提升，而且提出了一种新的置信度计算方式，即以初始回归模型与添加新样本之后的新回归模型的均方根误差差值作为置信度计算基础，从而使得所选出的新样本尽可能是最优样本，一定程度上也提升了模型预测精度。
-
公开(公告)号：CN113779790B
公开(公告)日：2024-07-16
申请号：CN202111041934.6
申请日：2021-09-08
Applicant: 江南大学
IPC: G06F30/20
Abstract: 本申请关于一种基于自编码器误差重构的故障监测方法、装置及介质，涉及复杂工业过程建模和故障诊断领域，该方法包括：获取待测工况样本数据集；将待测工况样本数据集输入自编码器模型；确定待测工况重构误差信息子块；确定待测工况误差统计量；评价与待测工况样本数据集对应的TE过程的故障情况。在获取待测工况样本数据集后，在通过自编码器模型对于待测工况样本数据集进行特征提取时，对于其重构误差进行提取，并基于重构误差数据集进行信息子块的构建以及待测工况误差统计量的确定，并最终确定TE过程的误差情况。在对于TE数据集进行故障判断的过程中，提取了隐含的有效信息，进而提高了对于进行检测的准确率。
-
公开(公告)号：CN114741969B
公开(公告)日：2023-10-31
申请号：CN202210456916.2
申请日：2022-04-27
Applicant: 江南大学
IPC: G06F30/27 , G06N3/0464 , G06N3/084 , G01D21/02 , G06F111/10
Abstract: 本发明公开了基于FIR‑NMA模型的硫回收软测量建模方法，包括：采集硫回收数据，并对其进行数据预处理；将FIR滤波层和NMA模型互补，搭建动态模型；以最小化预测误差建立目标函数，优化FIR滤波层参数和NMA模型参数，从而优化所述动态模型；将预处理过的数据输入至优化后的动态模型，输出预测结果；本发明可以滤除数据噪声，并消除由于传感器老化造成的零漂噪声，识别出过程的时间滞后，能够稳定工作在带有大滞后、强测量噪声的硫回收工业过程，可提高软测量预测的精确性与可靠性。
-
Patent Agency Ranking
公开(公告)号：CN116186572A
公开(公告)日：2023-05-30
申请号：CN202310197295.5
申请日：2023-03-03
Applicant: 江南大学
IPC: G06F18/2337 , G06F18/27 , G06F17/18 , G06N3/096 , G06Q10/0639 , G06Q50/04 , G06F123/02
Abstract: 本发明公开了基于改进测地线流式核的多相间歇过程软测量建模方法包括，采集云服务端的平台参数；对源域和目标域数据用基于线性局部切空间排列的测地线流式核方法投影到公共流形子空间，减小源域和目标域的数据分布差异；用基于时序的模糊聚类方法对源域数据进行相位划分，得到相位划分点；根据不同相位的特征，采用不同的建模方法，建立子相位软测量模型，在过程特性变化缓慢的相位采用偏最小二乘回归建立软测量模型，在过程特性变化较快的相位采用基于即时学习的偏最小二乘回归建立软测量模型；建立多相位间歇过程的子相位软测量模型，实现了难测变量的估计，提升了软测量模型在变工况下的性能。
-
公开(公告)号：CN116048022A
公开(公告)日：2023-05-02
申请号：CN202310048299.7
申请日：2023-01-31
Applicant: 江南大学
IPC: G05B19/418 , G06N3/006
Abstract: 本申请涉及一种基于多目标麻雀算法的污水处理过程优化控制方法，包括以下步骤：采用最小二乘支持向量机建立总能耗和出水水质的软测量模型，并将其作为优化目标函数；从种群初始化、发现者位置更新、警戒者位置更新、最优位置扰动策略以及外部存档更新机制五个方面对麻雀算法进行改进得到多目标麻雀算法，利用改进后多目标麻雀算法对优化目标函数进行优化，得到帕累托解集，对溶解氧浓度和硝态氮浓度的设定值进行寻优，本方案针对麻雀算法进行改进，并将其应用于污水处理过程对溶解氧浓度和硝态氮浓度的设定值进行寻优，以达到提升出水水质和降低能耗的目的。
-
公开(公告)号：CN112099354B
公开(公告)日：2022-07-29
申请号：CN202010961064.3
申请日：2020-09-14
Applicant: 江南大学
IPC: G05B13/04
Abstract: 本发明公开了一种面向污水处理过程的智能多目标优化控制方法，包括，基于LSSVM构建控制器设定值与能耗、出水水质之间的软测量模型；将所述软测量模型作为目标函数、所述总能耗和所述出水水质作为优化目标，结合多策略自适应差分进化算法寻优，获得各跟踪控制器的设定值；利用PID控制器对所述设定值进行跟踪控制。本发明方法能够有效地提升算法的收敛性和pareto解的多样性，为跟踪控制器提供优质的设定值，并且控制器的跟踪性优良，实现了大幅降低能耗、提升水质的目标，为实际污水厂的优化运行提供了一种新的参考方法。
-
公开(公告)号：CN114509939A
公开(公告)日：2022-05-17
申请号：CN202210033657.2
申请日：2022-01-12
Applicant: 江南大学
IPC: G05B13/04
Abstract: 本发明公开了一种I‑MOEAD算法的污水处理过程优化控制方法，包括：利用最小二乘支持向量机对第五分区溶解氧浓度SO5、第二分区硝态氮浓度SNO2与出水总能耗OCI、出水水质EQI建立多目标优化模型；基于多邻域策略优化所述多目标优化模型，通优化后的多目标优化模型对第五分区溶解氧浓度SO5、第二分区硝态氮浓度SNO2的设定值进行寻优，达到出水总能耗OCI和出水水质EQI之间的最佳平衡；通过PID控制器对第五分区溶解氧浓度SO5、第二分区硝态氮浓度SNO2的最优值进行实时跟踪控制；本发明针对传统MOEA/D算法进行改进，并将其应用于污水处理过程对SO5和SNO2进行寻优，提升了出水水质和降低了能耗。
-
公开(公告)号：CN111736567B
公开(公告)日：2021-10-26
申请号：CN202010397236.9
申请日：2020-05-12
Applicant: 江南大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于故障敏感慢特征的多块故障监测方法，包括，采集工业生产系统中的数据，并将所得数据划分为训练集和测试集；对训练集进行慢特征分析，计算出慢特征变换矩阵；定义故障敏感程度系数，并由慢特征变换矩阵中的系数得出各慢特征对故障的敏感程度；定义故障敏感程度阈值，对训练集每一维变量进行故障敏感慢特征的选取，并作为训练子块；本发明通过对统计量计算公式的分析，定义故障敏感程度系数，对慢特征进行重新排序，选择变量方向上对故障最敏感的慢特征，并对每一维变量进行敏感慢特征的选择并进行并行监测，能够有效实现多个维度动态及大规模过程上有效的监测。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.028 seconds)
