-
公开(公告)号：CN101964021B
公开(公告)日：2012-12-19
申请号：CN201010295493.8
申请日：2010-09-29
Applicant: 东北大学
IPC: G06F19/10
Abstract: 一种基于递归核主元分析的青霉素发酵过程故障监测方法，属于故障监测与诊断技术领域，包括：采集通风率，搅拌器功率，基质进给速率，基质进给温度，生成的热量，溶解氧浓度，pH值和二氧化碳浓度；用步骤1标准化后的前N个采样样本，建立初始的监测模型，用RKPCA方法更新模型，并计算特征向量对连续退火工艺的过程进行故障检测与诊断，当T2统计和SPE统计超出各自的控制限时，认为有故障发生，反之，整个过程正常，本发明方法主要解决数据的非线性和时变性问题，RKPCA通过递归计算训练数据协方差的特征值和特征向量对模型进行更新，结果表明，该方法不仅能大大降低误报警，还提高了故障检测的准确性。
-
公开(公告)号：CN101158693B
公开(公告)日：2011-08-17
申请号：CN200710012956.3
申请日：2007-09-26
Applicant: 东北大学
IPC: G05B19/418 , G06F17/00
CPC classification number: Y02P90/02
Abstract: 一种基于多核独立元分析的批量生产过程故障检测方法，包括采集数据、数据处理、利用核主元分析对数据进行白化、利用修正ICA提取独立元及利用T2和SPE统计量进行故障检测步骤。本发明首次提出一种基于MKICA的批量生产过程监测方法，实现对复杂过程进行监测。能较早的检测到故障，从而减少工业生产过程中的损失。
-
公开(公告)号：CN101446828A
公开(公告)日：2009-06-03
申请号：CN200810246926.3
申请日：2008-12-30
Applicant: 东北大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 本发明涉及一种非线性过程质量预报方法，包括以下步骤：步骤一数据采集，采集的数据包括过程中相关的变量数据，对于每个故障，均产生两组数据，即训练数据和实时工况数据；步骤二利用独立元分析ICA提取独立元；将输入矩阵X和输出矩阵Y分解成独立成分矩阵和残差矩阵表示的线性关系；步骤三对输入矩阵X和输出矩阵Y之间建立的关系模型进行RMSE评估；步骤四比较观测的数据Y和回归模型得出的数据，得出质量预报效果。本发明的优点是提高了质量预报的能力和精确度，降低了高价统计的依赖关系，能够有效的去除非依赖信息，且不需要非线性优化过程，计算量简单。
-
公开(公告)号：CN100387901C
公开(公告)日：2008-05-14
申请号：CN200510047030.9
申请日：2005-08-10
Applicant: 东北大学
Abstract: 一种基于Internet网的锅炉传感器故障诊断和容错一体化方法及装置，该控制方法应用三层的神经元网络。通过采集传感器测量的数据对应的电压值，并对数据分组，确定输入输出模式对，将分组的数据用于训练模糊小脑模型关节控制器神经网络，进行故障诊断和容错处理。为实现该方法本发明还对应提供一种控制装置。本发明通过对Internet网络环境下的传感器故障诊断及智能容错控制一体化这一关键技术的研究，实现对复杂过程进行实时监测。既考虑了传感器可能应用的场合，又考虑了一些实际过程中众多传感器信息的冗余性，因而本发明还可以应用到基于Internet网的水下机器人、化工等工业领域。
-
公开(公告)号：CN101169623A
公开(公告)日：2008-04-30
申请号：CN200710158468.3
申请日：2007-11-22
Applicant: 东北大学
IPC: G05B13/04
CPC classification number: G06K9/6284 , G06K9/6248
Abstract: 一种基于核主元分析贡献图的非线性故障辨识方法，包括采集数据、提取特征空间的基、提取非线性主元、故障检测和故障辨识五个步骤，本发明提出了一种新的特征空间基的提取方法，通过基的提取来减少了数据映射到特征空间后的线性冗余，以及在训练样本数量很大的时候减少KPCA的计算量。本发明方法采用贡献图进行故障辨识，对过程的每个变量计算其贡献图和控制限，通过贡献图和控制限的关系判断出各变量失控对故障的发生所承担的责任，此辨识方法克服了输入空间和特征空间不能自由转换所带来的故障辨识的困难。
-
Patent Agency Ranking
-
公开(公告)号：CN119740702A
公开(公告)日：2025-04-01
申请号：CN202411827042.2
申请日：2024-12-12
Applicant: 东北大学
IPC: G06Q10/04 , G06Q10/063 , G06Q50/26 , G06N3/0464 , G06N3/045 , G06V10/44 , G06V10/82 , G06V10/77 , G06F17/11 , G06N20/20 , G06N5/01 , G06N3/047 , G06N3/006
Abstract: 本发明提出了一种基于数字孪生的高炉碳排放浓度预测方法，涉及数字孪生技术领域，本发明采用多源数据融合，使用简单的机理模型构建高炉温度场，通过将运行参数与高炉顶部热成像图的图像关键特征相结合，并补充温度场特征，建立共享矩阵；进而利用ResNet50和自编码器提取图像特征，并建立随机森林(RF)模型。基于共享矩阵，构建随机权神经网络算法(RVFLNs)模型，并采用粒子群优化(PSO)算法组合随机森林(RF)模型和随机权神经网络算法(RVFLNs)模型的预测结果，从而提高预测精度。
-
公开(公告)号：CN119626359A
公开(公告)日：2025-03-14
申请号：CN202411827050.7
申请日：2024-12-12
Applicant: 东北大学
IPC: G16C20/10 , G16C10/00 , G06F30/28 , G06F30/23 , G06F17/10 , G06F17/13 , G06F113/08 , G06F111/10 , G06F119/14
Abstract: 本发明提供一种基于数字孪生的高炉一氧化碳成分场计算方法，涉及高炉碳排放技术领域，研究了高炉内部化学成分的分布，采用纳维‑斯托克斯方程模拟气体流动，并利用基于网格的有限差分算法求解二维高炉流体模型，得到气体速度场、温度场和固体温度场。同时，建立了化学动力学模型，考虑了焦炭燃烧、碳溶解损失和氧化铁还原反应。高炉被划分为五个子空间，并计算了相应的反应速率场。最后，通过炉顶气体数据的迭代得到了一氧化碳浓度场。这种方法能够实时开发出符合工业要求的一氧化碳浓度场模型。
-
公开(公告)号：CN118567315A
公开(公告)日：2024-08-30
申请号：CN202410611504.0
申请日：2024-05-16
Applicant: 东北大学
IPC: G05B19/418 , G06F17/10
Abstract: 本发明提供一种基于多结构保持投影的故障检测方法，涉及故障监测与诊断技术领域。该方法包括离线建模和在线检测两个阶段；离线建模阶段首先收集工业过程在正常工作状态下的数据，获得训练数据集；然后捕获样本数据的局部结构信息，并保持样本数据的全局结构信息，进而建立目标函数；再对目标函数进行求解，得到投影矩阵和样本数据的近邻概率矩阵，进而将训练数据集投影特征空间和残差空间，然后在两个空间分别建立检测统计量，进而得到联合检测统计量，根据联合检测统计量的控制限进行故障检测；在离线建模完成后，进行在线检测阶段。该方法能够在降低数据维度的同时最大程度地保留数据的内在结构，从而可以提高故障检测的有效性。
-
公开(公告)号：CN117908383A
公开(公告)日：2024-04-19
申请号：CN202410245233.1
申请日：2024-03-05
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明提供一种具有故障的非线性系统的扩展神经网络事件触发控制方法，涉及自适应控制技术领域，本发明通过引入一个扩展神经网络技术逼近了所考虑系统的未知非线性函数。与传统的忽略逼近误差的神经网络相比，所提出的扩展神经网络进一步处理了逼近误差，降低了算法的保守性。然后，在反步法的框架下，将事件触发机制和边界估计方法相结合，提出了一种新的自适应控制策略，保证了系统状态的渐近收敛的同时，减少了不必要信息的传输，从而提高了通信资源的利用率。同时，所设计的控制器消除了执行器故障和系统非线性项的不利影响。最后，给出了一个单链机器人系统的仿真实例，证明了所开发的控制策略能够保证所有信号都有界，系统状态渐近收敛。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.026 seconds)
