-
公开(公告)号：CN106599450A
公开(公告)日：2017-04-26
申请号：CN201611140598.X
申请日：2016-12-12
Applicant: 东北大学
IPC: G06F17/50
Abstract: 基于先验知识的核灵活流形嵌入电熔镁炉故障监测方法，属于故障检测与诊断技术领域，包括：对电熔镁炉运行过程历史数据集中部分数据进行故障种类标记；将历史数据映射到高维空间；建立可以获得故障预测矩阵的优化模型并利用包括标记数据的历史数据集计算故障预测矩阵；实时获取电熔镁炉监测数据，利用历史数据和故障预测矩阵计算故障监测矩阵，得到监测数据故障类型；本发明将先验知识转换成机器能够识别的知识，实现老工人不在现场，电熔镁炉能安全、稳健运行；在故障预测矩阵中加入回归残差矩阵，使预测矩阵模型更灵活，泛化能力更强；使用核灵活流形嵌入方法，避免由于数据维数过高出现数据灾难，实现对非线性系统的处理和故障诊断。
-
公开(公告)号：CN104133991B
公开(公告)日：2017-01-04
申请号：CN201410337732.X
申请日：2014-07-15
Applicant: 东北大学
IPC: G06F19/00
Abstract: 本发明提供一种基于核偏最小二乘重构的青霉素发酵过程故障诊断方法，包括：采集青霉素发酵过程的离线历史正常数据；分别对青霉素发酵过程操作变量离线历史正常数据集和青霉素发酵过程状态变量离线历史正常数据集进行规范及标准化；利用改进的核偏最小二乘方法建立青霉素发酵过程的故障监测模型；在线监测青霉素发酵过程的故障；建立基于改进的核偏最小二乘重构的青霉素发酵过程故障相关方向模型；进行青霉素发酵过程故障诊断。本发明将输入空间划分为：与输出直接相关的主元空间，与输出无关的主元空间以及与输出无关的残差空间。与传统方法相比，既监测到了和输出相关的输入变量，又精确的监测到和输入相关的变量。
-
公开(公告)号：CN103995515B
公开(公告)日：2016-08-17
申请号：CN201410232334.1
申请日：2014-05-27
Applicant: 东北大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 一种基于公共子空间分离的电熔镁炉运行故障检测方法，该方法通过核偏最小二乘回归的方法，将电熔镁炉运行过程获取的过程变量和质量变量进行了相关性处理，运用处理后的质量相关的过程数据通过局部切空间排列算法进行公共子空间的提取，对原数据空间进行了进一步划分，分为了质量相关公共子空间和质量相关特殊子空间，并建立相应的核主元分析监测模型，通过电熔镁炉多个运行模式共享的质量相关公共子空间和各运行模式的质量相关特殊子空间组合监测，可以在运行模式切换时减少故障的误报率，同时也提高了故障检测的灵敏性。
-
公开(公告)号：CN104965949A
公开(公告)日：2015-10-07
申请号：CN201510386531.3
申请日：2015-06-30
Applicant: 东北大学
Abstract: 本发明涉及一种多模式的电熔镁炉熔炼过程故障监测方法，该方法获取电熔镁炉熔炼过程的不同工作模式的历史正常数据集，建立基于质量核局部线性嵌入方法的子空间分离模型，计算历史正常数据的全局公共子空间的T2统计量控制限和各不同工作模式的局部特殊子空间的SPE统计量控制限，实时采集当前工作模式的新数据集，计算当前工作模式的新数据的全局公共子空间的T2统计量和其相应的局部特殊子空间的SPE统计量，若新数据的全局公共子空间的T2统计量超出历史正常数据的全局公共子空间的T2统计量控制限，或新数据相应的局部特殊子空间的SPE统计量超出历史正常数据的该工作模式的局部特殊子空间的SPE统计量控制限，则电熔镁炉熔炼过程的当前工作模式有发生故障的可能。
-
公开(公告)号：CN104898646A
公开(公告)日：2015-09-09
申请号：CN201510220635.7
申请日：2015-04-30
Applicant: 东北大学
IPC: G05B23/02
CPC classification number: G05B23/0281
Abstract: 本发明提供一种基于KPCA进行故障分离与重构的电熔镁炉故障诊断方法，包括：采集电熔镁炉的历史正常数据、电熔镁炉发生故障时的历史故障数据、在线监测发生故障时的测试数据；对电熔镁炉的历史正常数据和历史故障数据进预处理；利用核主元分析法对电熔镁炉的历史正常数据进行高维映射再PCA分解；利用故障负载向量集对在线监测时发生故障的测试故障数据进行诊断和故障重构，确定故障类型，恢复故障数据为对应的正常数据，实现故障消除。本发明解决了电熔镁炉的非线性数据的故障分离和重构问题。对在线监测时发生故障的测试数据数据进行监测，只有当前故障所对应的故障模型能够正确去除数据中的故障信息，据此可确定故障类别，达到故障分离的目的。
-
Patent Agency Ranking
公开(公告)号：CN101169623B
公开(公告)日：2010-07-07
申请号：CN200710158468.3
申请日：2007-11-22
Applicant: 东北大学
IPC: G05B13/04
CPC classification number: G06K9/6284 , G06K9/6248
Abstract: 一种基于核主元分析贡献图的非线性故障辨识方法，包括采集数据、提取特征空间的基、提取非线性主元、故障检测和故障辨识五个步骤，本发明提出了一种新的特征空间基的提取方法，通过基的提取来减少了数据映射到特征空间后的线性冗余，以及在训练样本数量很大的时候减少KPCA的计算量。本发明方法采用贡献图进行故障辨识，对过程的每个变量计算其贡献图和控制限，通过贡献图和控制限的关系判断出各变量失控对故障的发生所承担的责任，此辨识方法克服了输入空间和特征空间不能自由转换所带来的故障辨识的困难。
-
公开(公告)号：CN101158873A
公开(公告)日：2008-04-09
申请号：CN200710012955.9
申请日：2007-09-26
Applicant: 东北大学
IPC: G05B23/02
Abstract: 一种非线性过程故障诊断方法，包括采集数据、进行相似性分析、利用核主元分析对数据进行白化处理，求解白化后的观测变量z、利用修正独立元分析ICA提取独立元、利用T2和SPE统计量和LS－SVM进行故障检测与诊断步骤。本发明提出了非线性动态过程故障诊断技术，结合Kernel、ICA和LS－SVM三者的优点，即，发挥Kernel对非线性的表达能力，同时发挥ICA对动态特性的把握能力和LS－SVM的分类能力。
-
公开(公告)号：CN119623199A
公开(公告)日：2025-03-14
申请号：CN202411827039.0
申请日：2024-12-12
Applicant: 东北大学
IPC: G06F30/23 , G06F17/11 , G06N20/20 , G06N5/01 , G06V10/774 , G06V10/764 , G06V10/54 , G06V10/82 , G06F111/10 , G06F119/08 , G06F113/08
Abstract: 本发明提供了一种基于数字孪生的高炉温度异常预测方法，涉及数字孪生技术领域，根据实时采集的风口回旋区图像，确定自适应扩散系数，可以避免现有技术中由于自适应扩散系数未固定值产生的误差，进而基于确定的自适应扩散系数，可以确定能量守恒方程，进而根据风口回旋区图像对应的实时观测数据，以及质量守恒方程和动量守恒方程，求解得到速度场，将速度场的速度输入风口回旋区图像对应的能量守恒方程中，采用有限差分法求解方程，得到温度场，进而提取温度场的温度场特征，进而通过异常情况预测模型对温度场特征进行处理，得到温度场的温度标签，根据实验结果表明，本发明对于高炉温度异常预测得到了提高，并且显著的提高了实时性能。
-
公开(公告)号：CN118607854A
公开(公告)日：2024-09-06
申请号：CN202410726485.6
申请日：2024-06-06
Applicant: 东北大学
IPC: G06Q10/0631 , G06Q50/04 , G06N3/126 , G06F17/10
Abstract: 本发明提供一种基于多智能体学习技术的飞机装配线调度方法，涉及电力系统技术领域，本发明构建飞机装配线调度问题模型；采集飞机装配线中工作站的装配过程数据，建立工作站的优先关系矩阵；然后对遗传算法的装配任务排序染色体种群进行初始化，并对遗传算法的相关参数初始化，初始化获得的初始种群中每条染色体对应工作站装配调度问题的一个满足优先关系约束的串行执行的可行解；根据理论分配数量、实际分配次数和理想每次分配工序的数量初始化装配任务分配染色体种群，计算所有工作站在同种类型工人能够共享情况下的协同合作的全局适应度；保留工作站种群中最优染色体，并对染色体种群进行交叉、变异、选择操作，实现飞机装配线调度。
-
公开(公告)号：CN114021839B
公开(公告)日：2024-06-28
申请号：CN202111353848.9
申请日：2021-11-16
Applicant: 东北大学
Abstract: 本发明公开了一种基于WOA‑IGA的智能服务组合方法，涉及云制造模式下的调度领域。本发明在优化搜索过程中，加入了遗传算法的思想，在一次迭代中使用鲸鱼优化算法与遗传算法相结合的方式，加快了相对于单一算法下优化搜索的速度，提高了寻找最优服务组合方案的速度；本发明巧妙利用了鲸鱼优化算法关于通过控制搜索向量A实现了广度搜索和深度搜索的平滑转换，也就是全局搜索和局部搜索的转换，有效减小了遗传算法陷入局部最优的可能性；本发明在遗传算法部分对于个体的选择中，抛弃了原遗传算法中随机选择个性，而是引入了一种确定性选择和随机性选择相结合的思想，保证了在迭代过程中优秀个体能够被选择，一定程度上增加了算法的收敛速度。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.038 seconds)
