-
公开(公告)号:CN116821819A
公开(公告)日:2023-09-29
申请号:CN202310809870.2
申请日:2023-07-04
Applicant: 杭州电子科技大学
IPC: G06F18/243 , G06F18/214 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/084 , G06Q10/063 , G06Q50/04
Abstract: 本发明公开了一种基于深度学习的工业过程性能评估方法。本发明首先标记数据集样本并对其进行规范化,划分数据集为训练集和测试集;将预处理后的数据输入至两层残差卷积网络中,经所述两层残差卷积网络后,再输入至多尺度残差卷积模块进行提取特征;其次提取的特征融合并输入至时空胶囊网络,用于提取时间和空间特征;然后模型训练参数更新,保存训练参数。将模型性能最好时提取的特征输入XGBoost分类器。最后将测试集输入至胶囊网络模型中,通过分类器优化模型参数,并输出用于性能评估的分类结果。本发明能充分识别故障数据与数据之间的关系,更充分地提取有效特征,且分类器的嵌入式提高诊断准确性的同时提高了诊断效率。
-
公开(公告)号:CN116700009A
公开(公告)日:2023-09-05
申请号:CN202310846155.6
申请日:2023-07-11
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种流程工业过程的扰动优化补偿方法。本发明是在传统控制方法基础之上,结合完全抗干扰理论,提出一种新的扰动补偿结构。对于工业过程中的一阶时滞过程,根据输入输出之间的关系得出系统的闭环传递函数,然后将传统控制算法和完全抗干扰理论有机的结合,得到扰动优化补偿方案。本发明结合完全抗干扰技术,通过一个预估器补偿被控过程中的滞后,然后通过扰动优化补偿器来抵御外界扰动。当存在外部扰动时,本发明也能够比较明显的抵御外界扰动对输入信号的干扰,使得在同等工况下的控制效果更佳。
-
-
公开(公告)号:CN111061155B
公开(公告)日:2022-03-29
申请号:CN202010031326.6
申请日:2020-01-13
Abstract: 一种基于遗传算法优化的间歇过程2D模型预测控制方法,属于工业过程的控制领域,所述方法包括如下步骤:步骤一:建立多阶段具有不确定性的间歇过程模型,并构建2D等价预测控制模型;步骤二:设计模型预测跟踪控制器及切换律。本发明实现了间歇过程在在干扰最坏情况下的优化控制,解决了干扰所带来的控制性能影响,实现了很好的跟踪。同时实现了在未知扰动下维持系统的稳定性和保证系统性能,实现了高精度控制。
-
公开(公告)号:CN107831662B
公开(公告)日:2022-01-04
申请号:CN201711115051.9
申请日:2017-11-13
IPC: G05B13/04
Abstract: 本发明提供一种针对存在执行器故障的间歇过程随机2D控制器设计方法,属于工业过程的先进控制领域,具体包括以下步骤:A、构建二维状态空间模型,即建立具有执行器故障的间歇过程模型;B、将构建的二维状态空间模型转化为二维随机系统模型;C、根据构建的二维状态空间模型设计出满足概率条件的控制律;D、采用线性矩阵不等式的形式对控制器增益进行求解。本发明的有益效果为:本发明可以针对系统故障概率的大小自由切换控制器,对于故障频发的系统,使用可靠控制器,保证系统稳定运行;对于精密程度较高的系统,发生故障概率较低,则根据不同情况选择相应控制器,即仅在故障发生时切换为可靠控制器即可,极大地节约了资源,降低了控制成本。
-
公开(公告)号:CN113705661A
公开(公告)日:2021-11-26
申请号:CN202110987515.5
申请日:2021-08-26
Applicant: 杭州电子科技大学
Abstract: 本发明属于自动化过程控制领域,公开了一种混合深度残差收缩网络与XGBoost算法的工业过程性能评估方法。本发明开发了一种新的混合XGBoost算法与DRSN的故障诊断方法。其中,DRSN中的残差学习能有效避免模型退化问题,软阈值操作能够有效降低噪声和冗余信息对特征学习的影响。此外,使用效果更好的Nadam优化算法来更新网络参数,而不是传统的Adam算法。在最后的分类阶段,采用XGBoost分类算法对提取到的特征信息进行故障识别和分类,而不是传统的softmax分类器。实验结果表明,XGBoost具有更好的分类性能。
-
公开(公告)号:CN111123894B
公开(公告)日:2021-09-07
申请号:CN201911392603.X
申请日:2019-12-30
Applicant: 杭州电子科技大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于LSTM和MLP结合的化工过程故障诊断方法。本发明首先将原始一维数据通过降维,去掉部分冗余数据点。其次将得到的一维数据输入堆叠的LSTM,提取得到具有时间特性的特征信息。然后通过Flatten层将LSTM的输出数据展开,输入到由全连接层堆叠而成的MLP中。最后由最后一层全连接层中的Softmax分类器进行故障类别的分类。本发明充分利用了LSTM与MLP网络在时间与空间方面特征提取的优势,在两层LSTM后使用MLP网络去进行整体的特征提取与学习,本发明运用于非线性、高耦合、时变以及多特征点的化工过程数据,诊断效果较好。
-
-
公开(公告)号:CN108388112B
公开(公告)日:2021-02-05
申请号:CN201810107795.4
申请日:2018-02-02
Applicant: 杭州电子科技大学
Inventor: 张日东
IPC: G05B13/04
Abstract: 本发明公开了一种批次过程二维模型预测控制方法。本发明的技术方案是通过数据采集、模型建立、预测机理、优化等手段,确立了一种批次过程二维模型预测控制方法,本发明使用误差补偿策略来提高系统的控制性能,以提高批次生产过程的控制性能。在新的状态模型结构中,提出了一个新的状态空间模型。利用本发明可有效改善批次过程中控制方法的跟踪性能和抗干扰性,利用本发明可有效提高控制的精度,提高控制平稳度。
-
公开(公告)号:CN112270363A
公开(公告)日:2021-01-26
申请号:CN202011202608.4
申请日:2020-11-02
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于局部近邻方法在线建模的工业过程性能绩效指标确定方法。本发明通过步骤1中的步骤1.3确定建模所需要的训练数据,相比于传统的方法中使用固定的训练数据,本发明通过距离法确定最近的训练数据,一方面保证了局部结构,另一方面根据非线性数据的局部线性规律使得方法可以更好的处理非线性数据。本发明步骤3中的步骤3.4和步骤3.5不断地更新了训练数据,即增加了训练样本的容量,也提高了算法建模的适应能力。
-
-
-
-
-
-
-
-
-