-
公开(公告)号：CN104499001B
公开(公告)日：2017-03-29
申请号：CN201510027742.8
申请日：2015-01-20
Applicant: 重庆科技学院
IPC: C25C3/20
Abstract: 一种基于特征子空间优化相对矩阵的铝电解槽况诊断方法，其特征在于：一，采集原始测量样本集，对该原始测量样本集进行预处理后投影到核空间；二，对中心化矩阵K进行相对主元分析，建立铝电解槽况诊断模型，并对铝电解槽况进行诊断；三，通过细菌觅食算法在搜索区域内寻得最优相对转换矩阵；四，按步骤二所述方法，利用最优相对转换矩阵建立铝电解槽况诊断模型，实现对铝电解槽况的准确诊断。本发明充分考虑铝电解槽况非线性的特性，通过核函数，将非线性参数投影到高维线性特征空间，在核空间内借助细菌觅食法优化相对转换矩阵，进行相对主元分析，大大提高了铝电解槽况故障诊断的精确度。
-
公开(公告)号：CN106404712A
公开(公告)日：2017-02-15
申请号：CN201610909278.X
申请日：2016-10-19
Applicant: 重庆城市管理职业学院 , 重庆科技学院
IPC: G01N21/359
CPC classification number: G01N21/359
Abstract: 本发明提供一种基于GT-KF-PLS近红外光谱自适应模型校正方法及系统，其中的方法包括：利用K/S算法从标准样品中选择有代表性的建模样品；采用PLS法对建模样品建立近红外光谱数据与浓度间的线性关系(PLS校正模型)；利用PLS校正模型对待测样品进行预测，获取待测样品的预测值；定期对待测样品进行化验，并采集待测样品的样品数据；采用Gamma Test对样本光谱数据和待测样品的样品数据进行噪声统计值的计算，获取系统噪声的精确噪声方差值；通过KF算法修正当前时刻PLS校正模型的主因子系数。利用本发明能够有效解决观测噪声不确定引起的KF-PLS校正模型发散问题，为采用KF-PLS建立基于近红外光谱的在线分析过程精确校正模型提供有效途径。
-
公开(公告)号：CN105721086A
公开(公告)日：2016-06-29
申请号：CN201610141612.1
申请日：2016-03-11
Applicant: 重庆科技学院
IPC: H04B17/391 , H04B17/30
Abstract: 本发明公开了一种基于UKFNN的无线信道场景识别方法，包括以下步骤：采集连续路段的信道数据作为训练样本；确定分段数目并得到连续信道数据分段模型；利用AP算法对每一段数据进行区域划分；将训练样本进行标记，建立连续信道数据分区模型；将待测数据带入分段模型，判断出属于哪一路段；将待测数据带入分区模型，判断出属于哪一区域。有益效果：模型建立复杂性低和计算量少，提高模型的精度；采用AP算法进行聚类，无需指定聚类数目，使信道识别方法更加简单，构建模型更加容易，能准确的识别出采集自该连续路段测试数据属于哪一路段、哪一区域。
-
公开(公告)号：CN105548068A
公开(公告)日：2016-05-04
申请号：CN201510979854.3
申请日：2015-12-23
Applicant: 重庆科技学院
IPC: G01N21/359
CPC classification number: G01N21/359
Abstract: 本发明提供一种基于卡尔曼滤波偏最小二乘近红外光谱动态演化模型校正方法及系统，其中的方法包括：利用K/S算法从标准样品中选择有代表性的建模样品；采用PLS法对所述建模样品建立近红外光谱数据与浓度间的线性关系；线性关系利用去一交互检验法确定PLS因变量数，形成初始PLS校正模型，通过所述标准样品确定PLS校正模型；定期对待测样品进行化验，获取所述待测样品的样品数据；利用所述PLS校正模型对所述待测样品进行预测，获取所述待测样品的预测值；获取的所述待测样品的样品数据和所述待测样品的预测值通过采用KF算法修正所述PLS校正模型的主因子系数。利用本发明能够保证近红外光谱校正模型具有自适应性，降低重建模型成本，从而实现在线分析。
-
公开(公告)号：CN103321633A
公开(公告)日：2013-09-25
申请号：CN201310255054.8
申请日：2013-06-25
Applicant: 重庆科技学院
IPC: E21B47/047
Abstract: 本发明涉及油井采油技术领域，特别涉及一种油井动液面深度检测方法及装置,一种油井动液面深度检测方法其步骤包括：a、通过井口处声源驱动模块发出有限带宽的白噪声，并将信号传入油井内；b、通过信号接收模块在油井口接收经油井动液面反射后的白噪声信号，并进行A/D转换成声音数字信号；c、将接收到的声音数字信号送入信号分析模块，信号分析模块通过声场的幅值信号时域与频域分布获得共振频率，从而计算出油井动液面深度。本发明的有益效果之一是：可有效避免温度、湿度、压力以及泡沫等因素造成的检测误差，同时，其操作工艺简便，计算精确，测量时间短，能有效地提高油井动液面的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN103103570A
公开(公告)日：2013-05-15
申请号：CN201310035937.8
申请日：2013-01-30
Applicant: 重庆科技学院
IPC: C25C3/20
Abstract: 本发明公开了一种基于主元相似性测度的铝电解槽况诊断方法，其特征在于按如下步骤进行：一，约简原始特征：利用核主元分析法计算贡献率排在前位的m个主元Bj；依次考察每个原始特征对表征铝电解槽况的贡献度，删掉贡献度低于贡献度阈值的原始特征，实现特征约简；二，约简后特征作为概率神经网络的输入变量，建立铝电解槽况的分类模型，模型最大输出值对应的铝电解槽况类型即为诊断结果。本发明克服了核主元无明确物理意义的缺陷，减少传感器数量和运算量，同时利用具有一次训练时间短、诊断精确度高的概率神经网络建立故障诊断模型，更加适合铝电解槽况的在线诊断。
-
公开(公告)号：CN103033214A
公开(公告)日：2013-04-10
申请号：CN201210551941.5
申请日：2012-12-18
Applicant: 重庆科技学院
IPC: G01D21/00
Abstract: 本发明公开了一种借助Pearson相关系数实现生产过程主导变量精简化软测量方法，其特征在于按如下步骤进行：一，确定与主导变量可能相关的n个原始辅助变量，采集n个原始辅助变量和主导变量取值数据并组成样本集；二，利用Pearson相关系数算法分别计算n个原始辅助变量的权重值；三，组成原始辅助变量序列；四，建模并根据最小均方误差MSE确定最佳辅助变量；五，得到精简化软测量模型。本发明能够在建模效果最好的基础上找出含辅助变量个数最少的辅助变量集对主导变量进行建模，实现对主导变量精简化的软测量。
-
公开(公告)号：CN112329324B
公开(公告)日：2023-01-24
申请号：CN202011184199.X
申请日：2020-10-29
Applicant: 重庆科技学院
IPC: G06F30/25 , G06F30/27 , G06F111/08
Abstract: 本发明提供一种基于MCMC‑UPFNN的铝电解工耗演化模型构建方法，所述铝电解工耗演化模型构建方法采用如下步骤：S1，建立基于神经网络的滤波方程；S2，从神经网络权值阈值所建立的先验分布中抽取N个粒子i＝1，2，…，N；S3，在每一时刻用无迹卡尔曼滤波更新S2的粒子；S4，通过有效粒子数判断是否进一步更新粒子；S5，通过MCMC方法来产生新的粒子；S6，融合结果输出。本发明的有益效果是，在保持粒子多样性的同时，提高了模型的自适应能力，使得铝电解工耗演化模型的预测更准确。
-
公开(公告)号：CN108038330B
公开(公告)日：2022-02-08
申请号：CN201711427892.3
申请日：2017-12-26
Applicant: 重庆科技学院
IPC: G06F30/20 , G06F119/18 , G06F111/10
Abstract: 本发明公开一种基于SUKFNN算法的铝电解工耗模型构建方法，利用超球体单形采样策略替代传统UKFNN使用的对称采样策略，获得改进的算法SUKFNN算法进行建模。有益效果：将对称采样的2n+1个采样点降低到n+2个采样点，大大减少Sigma点的采样数量，与UKFNN模型比较精度相当，但运行时间降低三分之一左右，提高了模型的实时性，并且有效降低铝电解建模过程的复杂程度。
-
公开(公告)号：CN112257346A
公开(公告)日：2021-01-22
申请号：CN202011184193.2
申请日：2020-10-29
Applicant: 重庆科技学院
IPC: G06F30/27 , G06F30/25 , G06N3/04 , G06N3/08 , G06F111/08
Abstract: 本发明提供一种基于自适应MCMC采样的新型UPFNN铝电解能耗计算方法，包括以下步骤：S1，初始化估计值，从神经网络权值阈值所建立的先验分布中抽取N个粒了 i＝1，2，…，N；S2，根据新型UT采样公式，通过得到的采样点及其相应权重进行时间更新；S3，根据统计量的权值和方差进行权值更新；S4，重要性重采样抽取粒子，计算权值并归一化；S5，通过自适应MCMC方法来产生新的粒子；S6，融合结果输出。本发明的有益效果是，本发明提供的算法所建模型精度高和自适应能力强。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.035 seconds)
