-
公开(公告)号:CN108021783B
公开(公告)日:2021-06-01
申请号:CN201711092050.7
申请日:2017-11-08
Applicant: 东北大学
Abstract: 本发明提供一种双电极直流电熔镁炉操作电阻计算方法,包括:求解生料电阻:将生料模型简化成以电极为中心的圆柱形模型,确定圆柱形模型中电极周围的生料层所形成的电场中各点电场强度,根据电场中各点电场强度计算两电极间的生料电压,进而得到两电极间的生料电阻;求解电弧电阻关系式模型;确定实际电弧弧长与电极到熔池表面距离关系,求解出电弧电压与实际电弧长度关系式,即电弧电阻关系式模型;求解熔池电阻,即两根电极的熔池电阻串联之和。本发明通过对电阻进行调控可以很好的控制功率输出,进而对电熔镁炉工作过程进行控制。
-
公开(公告)号:CN109885032B
公开(公告)日:2021-01-12
申请号:CN201910196644.5
申请日:2019-03-13
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明提出一种基于邻域投影保持的异构数据协同建模工业故障检测方法,属于故障监测与诊断技术领域,具体步骤包括:采集N组电流和图像数据;求取每个图像数据的结构权重系数;建立电流邻域数据接图矩阵;剔除大于电流邻域权重阈值的数据,并归一化;构建目标函数,利用流形降维的方法求得投影向量最优解;对灰度化后的电解镁过程中产生的图像数据进行降维;利用SVM分类方法对降维后的图像数据进行故障检测。本发明主要解决异构数据建模的问题,结合了图像信息与电流信息同时进行故障检测,针对利用此方法进行的过程监测结果表明,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:CN107831743B
公开(公告)日:2019-12-10
申请号:CN201711061648.X
申请日:2017-10-31
Applicant: 东北大学
IPC: G05B19/418
Abstract: 本发明提供一种基于可信软标签线性判别分析的工业过程故障诊断方法,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;其次对原始数据进行正标记,并对正标记数据进行正标签传播,根据正标签传播结果对原始数据进行正负标签协同传播,使未标记数据获得软标签;然后采用可信的软标签线性判别分析算法计算将高维原始数据投影到低维空间的投影矩阵;最后设计分类器,对工业过程进行在线故障诊断。本发明提供的基于可信软标签线性判别分析的工业过程故障诊断方法,解决了软标签获取时易产生的误分类以及软标记数据使用不当的问题,降低了故障检测中的误报警率,提高了故障检测的准确性。
-
公开(公告)号:CN107092923B
公开(公告)日:2019-10-11
申请号:CN201710172013.0
申请日:2017-03-22
Applicant: 东北大学
Abstract: 本发明提供一种基于改进监督核局部线性嵌入法的电熔镁炉过程监测方法,涉及故障监测与诊断技术领域。该方法使用核函数将样本数据X映射到高维特征空间Φ(X);通过MKSLLE(Modified supervised kernel locally linear embedding)算法选取k个近邻点,并在构造重构权值矩阵时加入了正则项;对结合KPCA的全局保持特征及自身的局部保持特征组成的目标函数进行维数约减,通过近似计算得到高维数据空间到低维特征空间的映射矩阵和系数矩阵;构造Hotelling T2统计量和SPE统计量并确定其控制限。本发明能对电熔镁炉工作过程中的异常和故障进行实时在线监测,有效提高故障监测的准确性,降低误报和漏报现象的发生,避免财产损失,保障工作人员的人生安全。
-
公开(公告)号:CN110083860A
公开(公告)日:2019-08-02
申请号:CN201910189841.4
申请日:2019-03-13
Applicant: 东北大学
Abstract: 本发明涉及故障监测与诊断技术领域,提供一种基于相关变量选择的工业故障诊断方法,首先采集正常工况样本和每种工业故障的故障工况样本,然后根据正常工况样本建立PCA监测模型,再基于LASSO算法,同时考虑正常工况数据与故障工况数据以及从正常工况数据到故障工况数据的相对变化来建立每种工业故障的故障相关变量选择模型,通过结合故障重构思想的修正的LARS算法求解模型以精准地选择出每种故障的相关变量,接着基于故障子空间的思想建立每个子空间的PCA监测模型,最后实时采集工业生产样本并对工业故障进行在线实时检测与诊断。本发明能够在检测出工业故障的同时对故障类型进行诊断,提高工业故障诊断的效率及准确性。
-
公开(公告)号:CN109901553A
公开(公告)日:2019-06-18
申请号:CN201910189221.0
申请日:2019-03-13
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明属于故障监测与诊断技术领域,提出了一种基于多视角的异构工业大数据协同建模过程故障监测方法,包括:1)采集工业生产过程的图像数据;2)根据具体的工业生产选择合适的相似性函数;3)计算每个视角的判别信息学习项;4)构造优化函数并求解得到优投影矩阵Wk,特征空间重构矩阵Pk和特征空间中的特征向量T;5)通过SVM分类器对提取的新数据的特征进行在线故障监测和诊断。本发明采用全监督的学习方式,通过对每个工业数据的各个视角的数据进行统一建模,挖掘各个视角数据的内在一致性与联系性,避免了单一数据建模在故障诊断出现的偶然性与不确定性,提高了故障诊断准确率,降低了误报率。
-
公开(公告)号:CN109885030A
公开(公告)日:2019-06-14
申请号:CN201910189822.1
申请日:2019-03-13
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明提出基于协同建模流形降维的氧化镁冶炼过程故障监测方法,包括:采集历史数据;建立邻接图矩阵;将灰度矩阵变换为投影向量,并扩展投影向量,构建目标函数,利用流形降维的方法求得目标函数中的投影向量;基于投影向量,计算灰度矩阵、降维后的向量,利用支持向量机算法对降维后的向量进行建模;利用基于历史数据的支持向量机模型,进行故障诊断,如果某测试数据被分到故障类别,那么有故障发生;本发明主要解决异构数据建模的问题,利用此方法进行的过程监测结果表明,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:CN107065828B
公开(公告)日:2019-05-21
申请号:CN201710183557.7
申请日:2017-03-24
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明提出一种基于知识数据的半监督核判别分析故障诊断方法,该方法采集电熔煤炉熔炼过程历史工况数据,并对历史工况数据进行预处理,得到样本数据集X,将样本数据集X映射到特征空间,得到历史工况数据的特征空间数据集XΦ,根据历史工况数据的特征空间数据集XΦ建立基于知识数据的半监督核判别分析故障诊断模型;实时采集电熔镁炉熔炼过程的测试数据xnew,采用基于知识数据的半监督核判别分析故障诊断模型对测试样本数据xnew进行故障类型诊断;该方法利用知识经验对类内离散度和类间离散度进行改进充分挖掘和利用标记样本和未标记样本特征信息建立故障诊断模型,对分类器进行了改进,提高了分类的精度,同时对样本的错分率及样本分离度等验证标准都有所改进。
-
公开(公告)号:CN108038493A
公开(公告)日:2018-05-15
申请号:CN201711188839.2
申请日:2017-11-24
Applicant: 东北大学
CPC classification number: G06K9/6269 , G06F17/16 , G06F17/18 , G06K9/6232 , G06K9/6256 , G06K9/6276
Abstract: 本发明提供一种基于回归智能判别嵌入的工业大数据过程故障监测方法,涉及故障监测与诊断技术领域。该方法首先采集工业过程中的数据,建立基于图理论的采样数据的各类图矩阵,构造非线性低维嵌入子空间,对原始数据空间做线性投影变换,然后构造优化函数并求解,构建在线特征提取公式,对工业生产过程采集的新数据进行特征提取,通过两个SVM分类器对提取的新数据的特征进行故障监测和诊断。本发明在半监督判别嵌入的基础上,结合半监督灵活流形嵌入的特点,可以在传统数据与多媒体流数据统一建模的情况下,对非线性与时变性的数据进行有效的特征提取,提高故障检测的准确率,以达到故障监测和诊断的目的。
-
公开(公告)号:CN107423460A
公开(公告)日:2017-12-01
申请号:CN201710186987.4
申请日:2017-03-27
Applicant: 东北大学
IPC: G06F17/50
Abstract: 本发明提供一种提高电熔镁熔坨结晶质量的数值模拟方法,涉及电熔镁产品质量优化技术领域。该方法首先建立一个将宏观传热、微观形核与生长动力学相耦合的宏微观统一模型,然后利用PROCAST软件对电熔镁冷却凝固过程中的温度场以及微观组织进行数值模拟,进而对熔坨整体温度场变化以及晶粒生长过程进行可视化处理和结果分析讨论,分析过冷度对电熔镁熔坨微观组织的影响趋势。本发明对电熔镁坨冷却凝固过程中的热交换以及微观组织形成过程进行数学物理建模与数值模拟,通过对换热条件等参数的控制,在其凝固规律之上,了解和控制其组织形成,为生产高品位方镁石做准备,有效减少实验次数,节省人力、物力,从而提高实际生产中方镁石产品的质量。
-
-
-
-
-
-
-
-
-