公开(公告)号：CN117872761B

公开(公告)日：2024-11-22

申请号：CN202410047072.5

申请日：2024-01-12

Applicant: 中南大学

Inventor： 黄科科 ,  陈梓炫 ,  阳春华 ,  吴德浩 ,  刘一顺 ,  孙备 ,  桂卫华 ,  张新星

IPC: G05B13/04

Abstract: 本发明公开了一种面向多变工况的字典监测模型构建、智能监测方法及系统，首先，构建一种面向多变工况的字典监测模型，利用所述面向多变工况的字典监测模型获取工业系统运行过程中通过传感器采集到的在线数据的重构误差，并利用重构误差与设定的控制限进行比较从而判断工业系统运行故障的发生，实现智能监测。通过构建两种工况下的基于全局信息的终身字典学习优化函数，得到用于监测两种工况的字典；基于最大后验估计对两种工况下的字典的全局信息权重矩阵进行线性叠加构建多工况的更新表达式，进而对字典进行持续更新，同步更新监测控制限，进而得到面向多变工况的字典监测模型。持续学习能力强，更新无需存储历史工况数据，克服了灾难性遗忘。

公开(公告)号：CN117953274A

公开(公告)日：2024-04-30

申请号：CN202311842188.X

申请日：2023-12-29

Applicant: 中南大学

Inventor： 桂卫华 ,  刘泽一 ,  黄科科 ,  阳春华 ,  张新星 ,  吴德浩 ,  刘一顺

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06F18/214 ,  G06F18/2433

Abstract: 本发明公开了一种基于多中心深度度量学习的轮型识别方法与智能运维系统，方法包括：搭建多中心深度度量学习模型框架，包括特征提取模块、异常检测模块、分类模块；特征提取模块提取轮型图像的特征；分类模块根据特征分类和构建分类损失；异常检测模块根据聚合特征构建多中心损失及计算各中心的控制限；基于分类损失和多中心损失训练多中心深度度量学习模型；要对轮型测试样本进行识别时：异常检测模块进行异常检测，分类模块进行已知类别的分类预测，综合异常检测和分类预测的结果输出决策向量。本发明方法可提高轮型识别精度，运维系统可以根据每日生产计划的进行小批量类别模型的动态部署与实时迭代，实现轻量级高精度轮型识别服务。

公开(公告)号：CN117872761A

公开(公告)日：2024-04-12

申请号：CN202410047072.5

申请日：2024-01-12

Applicant: 中南大学

Inventor： 黄科科 ,  陈梓炫 ,  阳春华 ,  吴德浩 ,  刘一顺 ,  孙备 ,  桂卫华 ,  张新星

IPC: G05B13/04

Abstract: 本发明公开了一种面向多变工况的字典监测模型构建、智能监测方法及系统，首先，构建一种面向多变工况的字典监测模型，利用所述面向多变工况的字典监测模型获取工业系统运行过程中通过传感器采集到的在线数据的重构误差，并利用重构误差与设定的控制限进行比较从而判断工业系统运行故障的发生，实现智能监测。通过构建两种工况下的基于全局信息的终身字典学习优化函数，得到用于监测两种工况的字典；基于最大后验估计对两种工况下的字典的全局信息权重矩阵进行线性叠加构建多工况的更新表达式，进而对字典进行持续更新，同步更新监测控制限，进而得到面向多变工况的字典监测模型。持续学习能力强，更新无需存储历史工况数据，克服了灾难性遗忘。