-
公开(公告)号：CN110673470A
公开(公告)日：2020-01-10
申请号：CN201910828593.3
申请日：2019-09-03
Applicant: 中国计量大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于局部加权因子模型的工业非平稳过程软测量建模方法。本发明引入滑动窗口，在每个滑动窗口中建立因子分析模型，将在线查询样本输入到各个滑动窗口中得到查询样本与训练样本的局部相似度以及查询样本在滑动窗口中的局部置信度，再综合所有滑动窗口的结果得到每个训练本的全局权重，根据全局权重计算训练样本集的加权平均值，在加权平均值的基础上对查询样本进行预测得到查询样本的丁烷含量预测值。本发明通过建立在线测量样本与训练样本之间的权重关系，提高了预测结果的准确性。
-
公开(公告)号：CN110243934A
公开(公告)日：2019-09-17
申请号：CN201910461584.5
申请日：2019-05-30
Applicant: 中国计量大学上虞高等研究院有限公司
Abstract: 本发明公开了一种基于小波卷积神经网络的超声波焊缝检测方法，包括以下步骤：步骤一：获取焊缝数据；步骤二：焊缝数据预处理；步骤三：训练小波卷积神经网络；步骤四：获取待检测焊缝数据；步骤五：待检测焊缝数据预处理；步骤六：计算检测结果；步骤七；判断待检测焊件是否合格。本发明针对现有技术中不同缺陷类型的焊缝检测时不能精确的进行分类，检测时没有考虑到信号的不同尺度对检测结果的影响，检测的准确率低等技术问题进行改进，本发明具有针对不同缺陷类型的焊缝进行检测时可以精确的分类、针对不同的信号尺度进行检测、检测的准确率高等优点。
-
公开(公告)号：CN119441806A
公开(公告)日：2025-02-14
申请号：CN202411482574.7
申请日：2024-10-22
Applicant: 中国计量大学
IPC: G06F18/21 , G06F18/15 , G06F18/25 , G06F18/27 , G06N3/0455 , G06N3/0442 , G06N3/09 , G16B5/00 , G16B40/00 , G06F123/02 , G06N3/048
Abstract: 本发明公开了一种基于去噪注意力网络的工业过程软测量方法，通过从包含噪声的不均匀采样工业数据中提取去噪特征，并将去噪特征送入注意力网络进行建模：通过堆叠监督重构输入降噪自编码器在输出层同时重构过程数据和质量数据，旨在减少信息损失和提取质量相关去噪特征。然后将去噪后的特征输入到区间注意力网络中，调整不规则采样数据中不同历史样本对当前样本的影响，以捕获长期的时序特征，对融合后的过程特征进行软测量，结合与质量变量真值的误差损失函数不断优化模型；最后，将训练好的模型应用于在线过程数据中，实现对该过程的质量变量软测量。
-
公开(公告)号：CN118468062A
公开(公告)日：2024-08-09
申请号：CN202410599118.4
申请日：2024-05-15
Applicant: 中国计量大学
IPC: G06F18/23 , B60L53/31 , G06N3/0464 , G06N3/0455 , G06N3/06 , G06N3/0895 , G06N3/047 , G06Q50/06
Abstract: 本发明公开了一种基于分布式内嵌物理信息神经网络的电动汽车充电桩及其输电系统的参数求解算法。采集电车充电时电池管理系统(BMS)的报文数据和对应充电订单数据，以及对应计量周期内台区变压器下1级电表的电能用量。利用卷积池化运算与可学习的全连接拟合充电数据特性与订单数据之间的非线性关系，构建订单至其充电特性的映射矩阵；采用分布式结构构建多个并行的预测模型，利用类间最大的聚类指标实现不同充电阶段数据的划分；将物理信息内嵌入神经网络并构建联合损失函数，完成电车充电系统双参数的最优求解。本发明在输电系统参数求解中优于其他传统方法，即充分考虑电动汽车在充电过程中作为动态负载，与输电系统线损率之间具有多种动态非线性关系；同时采用双参数同步求解缓解了输电系统线损率和充电桩工作误差之间的耦合关系。
-
公开(公告)号：CN115795966A
公开(公告)日：2023-03-14
申请号：CN202211550388.3
申请日：2022-12-05
Applicant: 中国计量大学
Abstract: 本发明公开了一种提升齿轮有限元仿真准确性的方法及装置。其中，该方法包括：获取第一仿真实验对象信息；根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差；根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型；将第二仿真实验对象输入至所述神经网络仿真模型中，得到第二仿真强度。本发明解决了现有技术中在进行有限元仿真后的结果与实际实验结果偏差较大，从而导致了需要多次试生产才能得到最终的生产期望效果，浪费了大量的人力和财力的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN109523195B
公开(公告)日：2023-01-06
申请号：CN201811556444.8
申请日：2018-12-19
Applicant: 中国计量大学
IPC: G06Q10/06 , G06F16/2458
Abstract: 本发明公开了一种基于样本多模态分类的分层式非高斯算法的故障检测方法。针对工业生产过程，采集获得样本训练数据和样本待检测数据，通过循环迭代的方式将样本数据投影到DLNGM模型，然后利用DLNGM算法计算相应的预测残差，最后根据残差将多模态过程进行分类，进行故障检测。本发明同时考虑变量之间的相关性和样本之间的相关性，提高了噪声故障检测的效果。
-
公开(公告)号：CN115509205A
公开(公告)日：2022-12-23
申请号：CN202211169839.9
申请日：2022-09-22
Applicant: 中国计量大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于并发式非平稳过程分析模型的故障检测方法。方法为：由在化工无故障运行过程中采集的过程变量和质量变量组成训练样本集并进行归一化处理；结合归一化后的训练样本集，利用特定算法构建并训练分析模型；通过分析模型求解特征统计量，并确定特征统计量的控制限；在线收集待测化工运行过程中的过程变量和质量变量，并进行归一化处理；结合归一化后的待测变量集利用分析模型求解待测化工运行过程中的特征统计量，然后根据待测化工运行过程中的特征统计量判断待测化工运行过程中是否存在故障。本发明为工业过程故障检测提供了一个完整的监控框架，有效提取非平稳过程的质量变量，更适用于监测具有质量特性的非平稳工业过程。
-
公开(公告)号：CN111507003A
公开(公告)日：2020-08-07
申请号：CN202010309729.2
申请日：2020-04-20
Applicant: 中国计量大学
IPC: G06F30/20 , G16C20/10 , G16C20/70 , G06F111/10
Abstract: 本发明公开了一种基于质量相关动态特性提取的脱丁烷塔关键变量预测方法。本发明建立质量相关动态潜隐结构，通过卡尔曼滤波，卡尔曼平滑和EM算法来求解。模型构造了两种类型的隐变量，一种与X、Y有关，另一种仅与X有关，对于数据与隐变量之间的关系能够更加充分的描述；同时，模型还分别考虑了X和Y各自的动态信息，能够很好的提取数据在时序上的的动态特性，提高了模型预测结果的准确性。
-
公开(公告)号：CN109523195A
公开(公告)日：2019-03-26
申请号：CN201811556444.8
申请日：2018-12-19
Applicant: 中国计量大学
IPC: G06Q10/06 , G06F16/2458
Abstract: 本发明公开了一种基于样本多模态分类的分层式非高斯算法的故障检测方法。针对工业生产过程，采集获得样本训练数据和样本待检测数据，通过循环迭代的方式将样本数据投影到DLNGM模型，然后利用DLNGM算法计算相应的预测残差，最后根据残差将多模态过程进行分类，进行故障检测。本发明同时考虑变量之间的相关性和样本之间的相关性，提高了噪声故障检测的效果。
-
公开(公告)号：CN119090351A
公开(公告)日：2024-12-06
申请号：CN202411225751.3
申请日：2024-09-03
Applicant: 中国计量大学
IPC: G06Q10/0639 , G06Q10/04 , G06Q50/04 , G06F18/24 , G06N5/025 , G06N5/02 , G06N5/045 , G06N3/042 , G06N3/084
Abstract: 本发明公开了一种基于异构因果图注意力网络的大规模定制质量预测方法。本发明针对大规模定制生产模式模块化生产、定制化组装等特点以及数据中多尺度、数据混杂的问题设计质量预测方法。首先，提出了一种PCAM因果发现算法，利用机理和数据联合构建因果骨架，基于加性噪声模型并引入了评分机制获得可靠的因果图结构；然后基于因果图结构，针对多尺度问题，设计了异构因果图注意力网络HCGAT，利用不同的权重参数矩阵，将不同维度的节点特征映射到相同维度上，再通过图注意力网络进行训练。最后，针对大规模定制生产定制化产品的特点，提出了一种适合于大规模定制生产的质量预测框架，通过定制化组装信息设计了定制化编码，并基于此构建了筛选器和判断器对数据进行分类和处理，再利用HCGAT作为子模型对不同种类产品数据进行质量预测。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.073 seconds)
