基于图半监督代价敏感的工业大数据早期故障检测方法

    公开(公告)号:CN107918379B

    公开(公告)日:2020-03-31

    申请号:CN201711223159.X

    申请日:2017-11-29

    Applicant: 东北大学

    Abstract: 本发明提供一种基于图半监督代价敏感的工业大数据早期故障检测方法,涉及故障检测与诊断技术领域。该方法首先采集工业过程的数据,采用图半监督的标签传播方法对未标记数据的标签进行一次更新,并圈定疑似早期故障;然后针对疑似早期故障点进行代价敏感的贝叶斯分类,完成对疑似早期故障数据点标签的二次更新;最后建立EDC‑SVM分类器,对工业过程进行在线故障诊断。本发明提供的基于图半监督代价敏感的工业大数据早期故障检测方法,以诊断代价最小化为故障诊断目标,划分出疑似早期故障,解决了工业故障检测误分类代价高的问题。同时在保证分类准确性的情况之下,降低了故障检测中的误判代价,提高了工业过程的安全性。

    一种超临界电站锅炉过热器管道化学清洗方案的设计方法

    公开(公告)号:CN107844863B

    公开(公告)日:2019-12-31

    申请号:CN201711127658.9

    申请日:2017-11-15

    Applicant: 东北大学

    Inventor: 张颖伟 王洋

    Abstract: 本发明提供一种超临界电站锅炉过热器管道化学清洗方案的设计方法,包括:确定即氧化皮生长的数学模型;在不同温度及浓度下进行静态试验,确定氧化皮与酸液完全反应所需要的时间、单位时间单位面积上酸液的反应量,确定不同温度及浓度下酸液的化学反应速度;针对过热器管道的运行状况预测过热器管道的爆管概率,基于过热器管道的爆管概率确定过热器管道开始酸洗的时刻;在化学反应速度不变的情况下确定氧化皮酸洗的理论时间;进行酸液的配置,至此确定出超临界电站锅炉过热器管道化学清洗方案。本发明为电厂过热器管道的清理提供了新思路,选取管道开始酸洗的最佳时间,增强过热器管道的运行时间,减少管道爆管造成的经济损失。

    基于工业大数据图半监督新类挖掘的故障诊断方法

    公开(公告)号:CN107861481B

    公开(公告)日:2019-12-10

    申请号:CN201711053861.6

    申请日:2017-10-31

    Applicant: 东北大学

    Abstract: 本发明提供一种基于工业大数据图半监督新类挖掘的故障诊断方法,涉及故障监测与诊断技术领域。基于工业大数据图半监督新类挖掘的故障诊断方法,首先采集工业生产过程的数据,并对其进行降维处理;然后对数据点按已标记数据点和未标记数据点进行初始标签标记,并计算软标签矩阵,通过软标签矩阵对故障数据的类别进行诊断;最后对新故障类型重新进行诊断,直到发现所有新的故障类型。本发明的基于工业大数据图半监督新类挖掘的故障诊断方法,实现了对原有故障类型的识别以及未知故障类型的发现,大大降低了故障类型的误报警率,同时提高了故障检测的准确性。

    一种基于并发偏最小二乘的过程故障检测方法

    公开(公告)号:CN107817784B

    公开(公告)日:2019-07-23

    申请号:CN201711013418.6

    申请日:2017-10-26

    Applicant: 东北大学

    CPC classification number: G05B23/0243 G05B2219/24065

    Abstract: 本发明提供一种基于并发偏最小二乘的过程故障检测方法,包括利用基于并发偏最小二乘的青霉素发酵过程故障检测模型处理输入变量数据和输出变量数据;计算输入变量数据在完全输出相关空间中的霍特林统计量、输出不相关空间的主元空间中的霍特林统计量及残差空间中的SPE统计量、输出变量数据在输入不相关空间的主元空间中的霍特林统计量和残差空间中的SPE统计量;计算组合统计量;进行过程故障判断。本发明方法利用正交偏最小二乘提取输入变量数据的输出相关信息,降低了计算负载数目,利用完全正交分解彻底地分离输出相关信息和输出不相关信息,准确地检测故障、清晰地识别故障是否与输出相关,从而更好的操作设备来降低成本、提高产量和质量。

    基于相似性度量共享子空间多视角电熔镁炉故障监测方法

    公开(公告)号:CN109961027A

    公开(公告)日:2019-07-02

    申请号:CN201910189244.1

    申请日:2019-03-13

    Applicant: 东北大学

    Inventor: 杨结生 张颖伟

    Abstract: 本发明提出一种基于相似性度量共享子空间多视角电熔镁炉故障监测方法,包括:采集数据并提取特征;构造系数矩阵,求得邻域权重系数矩阵;建立目标函数;修改已经建立的目标函数,求解得投影矩阵;基于投影矩阵和多个视角的近似表达X*,求得X*的SPE和N2值,以及基于各个视角累加SPE1N;得到控制线SPE99、N299、SPE1N99;采集测试视频,得到测试视频公共特征矩阵;计算Xtest*的SPEtest和N2test值以及基于各个视角的SPE1Ntest;若SPEtesti、N2testi、SPE1Ntesti的值高出控制线,则可判断发生故障;本发明主要解决多视角视频数据联合建模的问题,利用多个视角视频数据的一致性和互补性,可以避免由于单视角没有捕捉到异常工况点而产生的漏报,避免没有及时对异常工况进行及时处理,从而导致生命财产损失,能够提高故障监测效率和准确性。

    基于流形假设的多源工业异构大数据的故障诊断方法

    公开(公告)号:CN109948688A

    公开(公告)日:2019-06-28

    申请号:CN201910189224.4

    申请日:2019-03-13

    Applicant: 东北大学

    Abstract: 本发明属于故障监测与诊断技术领域,提出了一种基于流形假设的多源工业异构大数据的故障诊断方法,包括:1)采集镁炉熔炼的工业过程中的图像信息,从而得到图像样本,并进行标记;2)定义标签距离与电流距离,构建初始优化目标函数;3)在所述初始优化目标函数中添加正则项以及流形保持项,构建最终优化目标函数;4)对新的采样xnew进行特征提取,求解映射矩阵W;5)由W对接下来采集到的数据点进行特征提取,检测映射后特征提取效果;6)由W对采集到的数据进行投影,使用SVM方法对投影后的数据进行故障诊断。本发明用于解决数据集过大以及数据维数过高的问题,使故障诊断更加快速准确。

    基于共享子空间多视角非负矩阵分解的工业故障检测方法

    公开(公告)号:CN109948503A

    公开(公告)日:2019-06-28

    申请号:CN201910189258.3

    申请日:2019-03-13

    Applicant: 东北大学

    Inventor: 马川 张颖伟

    Abstract: 本发明涉及故障监测与诊断技术领域,提供一种基于共享子空间多视角非负矩阵分解的工业故障检测方法,首先使用多个摄像头对电熔镁炉的炉面图像数据进行采集,通过灰度化、归一化处理后,得到各视角的炉面图像矩阵;然后,采用非负矩阵分解方法建立并训练炉面图像矩阵在低维空间的目标函数模型;接着,通过各视角的公共映射矩阵及公共投影矩阵对验证样本的炉面图像矩阵进行降维,并计算各视角的低维表示矩阵与公共特征矩阵的差异性,通过核密度估计得到各视角的99%控制线值;最后,实时采集与处理炉面图像数据,比较待测样本中各视角的差异性与99%控制线值,判断工业故障是否发生。本发明能够提高工业故障检测的准确率。

    基于独立子空间的多方向KICA间歇过程故障监测方法

    公开(公告)号:CN107065843B

    公开(公告)日:2019-04-05

    申请号:CN201710434406.4

    申请日:2017-06-09

    Applicant: 东北大学

    Abstract: 本发明涉及一种基于独立子空间的多方向KICA间歇过程故障监测方法,包括以下步骤:采集间歇过程三维数据X(I×J×K),应用多向KICA,将三维数据按批次展开成二维数据进行处理;其中I为批次数目,J为变量数目,K为采样点数目;对按批次展开的二维数据进行离线建模,在ICA的基础上加入核技巧,将非线性数据映射到高维特征空间,然后在高维空间进行线性处理;应用T2和SPE统计量对过程进行在线监测;将每一子数据得到的故障信息进行汇总,计算统计量是否超限。本发明对传统KICA整体处理的方法改进,对初始数据划分为多个子空间进行详细的KICA分析,建立多模型的KICA同时监测,将隐藏信息放大,有效的掌握局部信息,提高故障的监测率。

    基于修改聚类半监督核主元分析的早期故障检测方法

    公开(公告)号:CN108182302A

    公开(公告)日:2018-06-19

    申请号:CN201711324889.9

    申请日:2017-12-13

    Applicant: 东北大学

    Abstract: 本发明提供一种基于修改聚类半监督核主元分析的早期故障检测方法,涉及故障监测与诊断技术领域。该方法通过离线建模与在线监测,同时考虑数据的本身分布信息和数据类别标签信息,并采用修改的聚类假设,运用改进的半监督KPCA方法,先找到早期故障数据,进而进行二次建模,得到偏向于主元的分解函数,找到划分故障与正常的分界,运用该分解函数判定新采集的数据是否属于故障类数据。本发明针对于工业早期故障难以发现和判定的问题,不仅能大大降低误报警,还提高了故障检测的准确性。

    基于智能核主元分析的工业大数据故障诊断方法

    公开(公告)号:CN108181891A

    公开(公告)日:2018-06-19

    申请号:CN201711325147.8

    申请日:2017-12-13

    Applicant: 东北大学

    Abstract: 本发明提供一种基于智能核主元分析的工业大数据故障诊断方法,涉及故障监测与诊断技术领域。该方法通过采集电熔镁炉熔炼过程中的图像、电流等数据,异构建模大数据池,对数据池中的样本进行智能核主元分析,得到分类器判别矩阵的最优解,建立初始监测分类器模型,采用平均即使风险逼近批量学习的批量风险的方法更新初始监测分类器模型,由更新后的监测分类器对新采集到的异构后的数据进行分类标记,求得结果图,通过结果图即可判断新采集的数据是否发生故障。本发明建立了生产流程的物理化学变量和图像声音视频的大数据池,实现结合多个信息源的互补信息,发现数据源之间的关联关系,以达到降低误报警率、提高故障检测的准确性的目的。

Patent Agency Ranking