-
公开(公告)号：CN104123475A
公开(公告)日：2014-10-29
申请号：CN201410383948.X
申请日：2014-08-06
Applicant: 清华大学
IPC: G06F19/00
Abstract: 本发明涉及一种选矿工业数质量平衡计算方法，其步骤：1)依据实际选矿工业流程总输入质量与总输出质量相等列出质量平衡方程；2)依据先验知识作为约束条件，将质量平衡方程转化为非线性优化问题；3)求解步骤2)中的非线性优化方程，得到的可测量作为可测量的修正值，得到的所求量作为所求量的推算值，进而解决了数质量平衡问题。本发明由于充分利用先验知识，通过先验知识将单纯的质量平衡方程改写为非线性优化问题进行求解，从而对现场测量的误差有非常大的容忍性，即使在测量存在较大误差的情况下，也能够自动修复不合理的测量值，推算出合理可信的结果，可广泛在选矿工业领域中应用。
-
公开(公告)号：CN101839892B
公开(公告)日：2011-10-26
申请号：CN201010147566.9
申请日：2010-04-14
Applicant: 清华大学
Abstract: 本发明涉及一种湿法球磨机的磨矿浓度监测方法，其包括以下步骤：1)在球磨机的筒壁上安装振动传感器和数据采集装置；2)通过振动传感器采集球磨机筒壁的振动信号，并传送给数据采集装置，由数据采集装置绘制振动信号的统计直方图；3)根据统计直方图，采用零均值的拉普拉斯分布作为球磨机筒壁振动信号分布的最优近似，根据拉普拉斯分布的极大似然估计，得到振动信号统计参数的估计值；4)改变球磨机内的磨矿浓度，得到对应的参数估计值5)将球磨机内的磨矿浓度Cw表示成磨矿浓度估计值的二次多项式确定式中的待定参数a0，a1，a2；6)采集不同情况下筒壁的振动信号，计算统计参数的估计值带入步骤5)中确定的二次多项式，计算得到对应的磨矿浓度的估计值。
-
公开(公告)号：CN101374381B
公开(公告)日：2011-07-27
申请号：CN200710120494.7
申请日：2007-08-20
Applicant: 清华大学 , 北京北方微电子基地设备工艺研究中心有限责任公司
CPC classification number: H03H7/40
Abstract: 本发明公开了一种实现射频阻抗匹配的方法及射频阻抗匹配系统，将匹配网络的输入导纳与射频源的输出导纳进行比较，并根据比较的结果对所述匹配网络的输入阻抗进行调整，实现阻抗匹配控制。阻抗检测器检测匹配网络的输入导纳，控制器采用导纳实部和虚部误差来控制调谐元件的调整，利用匹配网络输入导纳的实部和虚部与调谐元件间的特殊关系，串联支路的调谐元件不受并联支路调谐元件的影响，可以分别进行调整，可通过解耦控制算法实现系统阻抗匹配，算法简单、容易实现，匹配过程迅速、匹配系统可靠。
-
公开(公告)号：CN116664903A
公开(公告)日：2023-08-29
申请号：CN202211415201.9
申请日：2022-11-11
Applicant: 清华大学 , 北方集成电路技术创新中心(北京)有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/40
Abstract: 本公开公开了质量检测的局部密度对比抽检方法及装置、介质，包括以下步骤：S1、对采集到的半导体生产刻蚀过程的批次数据进行特征提取；S2、对特征提取后的数据进行数据标准化；S3、对标准化后的特征数据进行特征选择；S4、将特征选择后的数据进行聚类，得到每个类的中心样本；S5、将特征选择后的数据进行评分，采用局部密度对比算法计算每个样本的离群分数，将离群分数由大到小进行排序，得到离群分数排序表；S6、对样本进行抽检，抽取步骤S4中得到的中心样本和步骤S5中得到的排序表中离群分数最高的k个样本进行质量检测。本公开数据分析过程简单高效，采用的抽检方法有针对性地抽取最能够代表各个类的中心样本和最离群的可疑样本。
-
公开(公告)号：CN115859079A
公开(公告)日：2023-03-28
申请号：CN202211423511.5
申请日：2022-11-15
Applicant: 清华大学 , 北方集成电路技术创新中心(北京)有限公司
IPC: G06F18/213 , G06F18/214 , G06F30/20
Abstract: 本发明属于设备故障处理技术领域，涉及一种基于图网络优化的集束型设备故障响应方法和系统，包括以下步骤：采集集束型设备的加工状态，若某一设备发生故障，则根据加工状态，确定该设备的动态特征fd和静态特征fs；根据该设备的动态特征fd和静态特征fs，将设备与图模型中的节点对应，并标出节点；将标出节点的图模型输入经过预训练的策略模型，生成故障响应策略；基于故障响应策略，对集束型设备进行控制，以实现对其故障的响应。其能够对集束型设备调度过程中的故障进行响应，可以得到质量较高的故障响应策略，并且对集束型设备不同运作模式的适用范围更广。
-
Patent Agency Ranking
公开(公告)号：CN103439933B
公开(公告)日：2015-09-30
申请号：CN201310350588.9
申请日：2013-08-13
Applicant: 清华大学
IPC: G05B19/418 , G06F19/00 , G06Q50/04
Abstract: 本发明涉及一种应用OCSVM的生产过程自适应监控系统及方法，其特征在于：监控系统包括数据采集模块、过程监控模块、OCSVM模型在线更新模块和报警模块；数据采集模块将工业生产过程中的历史过程变量和实时过程变量数字化为历史过程数据和实时过程数据，并传送给过程监控模块；过程监控模块利用历史过程数据建立原始OCSVM监控模型，并通过处理实时过程数据得到有效更新样本，有效更新样本和OCSVM监控模型一起传送给OCSVM模型在线更新模块；OCSVM模型在线更新模块对OCSVM监控模型进行更新后，传送给过程监控模块；过程监控模块得到异常样本时产生报警信号，并传送给报警模块进行报警。本发明可以广泛用于实际工业生产过程的监控中。
-
公开(公告)号：CN101825523B
公开(公告)日：2012-05-23
申请号：CN201010161250.5
申请日：2010-04-28
Applicant: 清华大学
Abstract: 本发明涉及一种湿法球磨机涨肚故障预测装置及方法，其特征在于：它包括一设置在球磨机筒壁表面的具有无线通讯功能的振动信号检测装置，一设置在球磨机附近的具有无线通讯功能的监控计算机；振动信号检测装置内预置有加速度传感器、模拟数字转换单元、中央处理器、数据存储单元和无线数据发送单元；监控计算机内预置有无线数据接收单元、球磨机涨肚故障模型训练单元和球磨机涨肚故障预测单元；中央处理器控制模拟数字转换单元将加速度传感器采集到的振动加速度信号进行数模转换，并存储至数据存储单元，中央处理器将数据存储单元中存储的数据进行计算，通过无线数据发送单元发送给无线数据接收单元，无线数据接收单元将收到的数据传送给涨肚故障模型训练单元和故障预测单元。
-
公开(公告)号：CN102157412A
公开(公告)日：2011-08-17
申请号：CN201110002823.4
申请日：2011-01-07
Applicant: 清华大学 , 北京北方微电子基地设备工艺研究中心有限责任公司
Abstract: 本发明涉及一种基于光学发射谱信号的等离子刻蚀过程故障检测方法，其包括以下步骤：1)设置包括等离子刻蚀腔体、OES信号采集设备和监控计算机的故障检测装置；所述监控计算机内预置有先验知识模块、数据预处理模块、训练模块和故障检测模块；2)依据当前所要分析的等离子刻蚀过程的某个刻蚀步骤，将对应的先验知识输入先验知识模块；3)离线读取n个正常训练样本组成的训练样本集，结合步骤2)中的先验知识，调用数据预处理模块对各训练样本进行预处理；4)将步骤3)中预处理后的训练样本集送入训练模块，训练得到正常刻蚀过程的OES信号模板，送入故障检测模块；5)数据预处理模块接收来自OES数据采集设备的实时信号，预处理后输入到故障检测模块，并与OES信号模板进行比较，得到故障检测结果，进行显示和储存。
-
公开(公告)号：CN101963814A
公开(公告)日：2011-02-02
申请号：CN201010277574.5
申请日：2010-09-08
Applicant: 清华大学
IPC: G05D9/12 , G05B19/418
Abstract: 本发明涉及一种缓冲槽的协调控制方法，其包括以下步骤：1)设置一协调控制系统；2)对工业控制计算机进行初始化设置；3)启动驱动电机，离心泵工作，缓冲槽不断通过入口管道输入料浆，同时通过出口管道输出料浆；4)数据采集设备每隔一个采样周期采集一次液位检测设备和转速检测设备的检测值，并将得到的液位检测值h和此时对应的离心泵转速，传送给工业控制计算机；5)工业控制计算机根据步骤2)～4)中的设置及得到的参数和数据，通过工作状态判定模块、恒速控制模块和PI控制模块对缓冲槽进行协调控制；6)重复步骤4)和步骤5)，直至系统停止工作。本发明构思巧妙，精确实用，可以广泛用于实际生产的协调控制过程中。
-
公开(公告)号：CN101916394A
公开(公告)日：2010-12-15
申请号：CN201010263100.5
申请日：2010-08-25
Applicant: 清华大学
IPC: G06N99/00
Abstract: 本发明涉及一种基于知识融合的在线软测量方法，其包括以下步骤：1)设置一测量系统；2)选定经验公式作为先验知识表达式；3)将先验知识表达式输入先验知识计算模块，经过处理后，作为初始预测模型输入软测量模型预测模块；4)初始时刻，软测量模型预测模块直接使用初始预测模型对难测关键变量进行预测，并将预测结果输入控制器；5)软测量模型预测模块根据采集到的易测变量测量值预测难测关键变量值，并输入控制器和判定模块；6)判定模块根据实际的难测变量值，判断预测值的准确性；如果预测误差没有超出不敏感误差带，返回步骤5)；否则进行下一步；7)在线学习模型维护模块利用上步得到的新样本，对现有预测模型进行维护更新，并替换软测量模型预测模块中的软测量模型，返回步骤5)。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.02 seconds)
