-
公开(公告)号：CN110083860B
公开(公告)日：2023-01-13
申请号：CN201910189841.4
申请日：2019-03-13
Applicant: 东北大学(CN)
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：CN109948688B
公开(公告)日：2022-11-25
申请号：CN201910189224.4
申请日：2019-03-13
Applicant: 东北大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明属于故障监测与诊断技术领域，提出了一种基于流形假设的多源工业异构大数据的故障诊断方法，包括：1)采集镁炉熔炼的工业过程中的图像信息，从而得到图像样本，并进行标记；2)定义标签距离与电流距离，构建初始优化目标函数；3)在所述初始优化目标函数中添加正则项以及流形保持项，构建最终优化目标函数；4)对新的采样xnew进行特征提取，求解映射矩阵W；5)由W对接下来采集到的数据点进行特征提取，检测映射后特征提取效果；6)由W对采集到的数据进行投影，使用SVM方法对投影后的数据进行故障诊断。本发明用于解决数据集过大以及数据维数过高的问题，使故障诊断更加快速准确。
-
公开(公告)号：CN109978031B
公开(公告)日：2022-10-18
申请号：CN201910196650.0
申请日：2019-03-13
Applicant: 东北大学
IPC: G06V10/764 , G06V10/771 , H04N7/18
Abstract: 本发明提供一种基于图像特征回归的多视角流形分析故障诊断方法，涉及工业冶炼过程控制技术领域。该方法首先在电熔氧化镁的工业过程中利用多个摄像头从多个视角采集电熔氧化炉图像数据并将其灰度化，得到每个视角采集的视频图像的灰度矩阵；然后建立基于图像特征回归的多视角流形分析故障模型，并计算得到模型中的灰度特征矩阵、每个视角的权重系数、每个视角的映射关系矩阵及残差；最后通过多个视角重新采集电熔氧化镁熔炼过程的待检测数据图像对电熔镁炉工况进行检测。本发明提供的基于图像特征回归的多视角流形分析故障诊断方法，在复杂的现场环境下能有效地提升识别电熔镁炉熔炼运行状态的识别度和准确性，大大降低过程检测的误报率、漏报率。
-
公开(公告)号：CN114139639A
公开(公告)日：2022-03-04
申请号：CN202111475272.3
申请日：2021-12-06
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于自步邻域保持嵌入的故障分类方法，属于故障监测与诊断技术领域。该方法主要解决数据的非线性和带标签样本过少的故障二分类的问题，该方法能够学习任意维的局部线性的低维流形结构，在降维过程中保持流形的局部线性结构不变，从而来提取数据中的有用信息，并且能够进行新样本的泛化。同时，该方法在邻域保持嵌入算法的基础上引入自步学习的思想，通过预设损失函数阈值对邻域保持嵌入算法降维后的样本点做进一步筛选，进一步保持降维后样本点的近邻关系，克服邻域保持嵌入算法对最近邻样本数的选择敏感，不同的最近邻数对最后的降维结果有很大影响的缺点，从而得到更优质的降维效果，提高对故障分类的准确性。
-
公开(公告)号：CN113569467A
公开(公告)日：2021-10-29
申请号：CN202110786475.8
申请日：2021-07-12
IPC: G06F30/27 , G06F119/08
Abstract: 一种基于宽度学习的高炉风口回旋区温度软测量建模方法，包括：采集高炉运行时的物理变量数据并进行数据预处理以及数据划分等操作；将处理好的数据使用宽度学习方法进行软测量建模；使用灰狼优化算法对宽度学习中特征层神经元个数、增强层神经元个数以及正则化参数进行优化调节；使用模拟退火算法对宽度学习中神经元之间随机确定的权值以及神经元偏置进行优化固定；使用训练好的软测量模型进行回归预测。本方法采用了当前主流的机器学习相关理论进行软测量建模，科学严谨的数学算法保证了建模方法具有先进性和准确性。实验结果表明，该方法达到了令人满意的效果，解决了高炉风口回旋区温度难以测量和计算不准确的问题，具有推广意义。
-
Patent Agency Ranking
公开(公告)号：CN113353582A
公开(公告)日：2021-09-07
申请号：CN202110753395.2
申请日：2021-07-02
Applicant: 东北大学
IPC: B65G43/02
Abstract: 本发明提供一种基于音频信息和PSO‑MSVM的传送带托辊设备故障检测方法，涉及故障监测与诊断技术领域。该现场采集标记过的传送带托辊设备运转过程中的音频信息；对每个音频所对应的托辊设备的磨损程度进行标记，确定采集到的多组带标签的正常传送带托辊音频数据集和故障传送带托辊音频数据集；然后提取正常和故障的传送带托辊音频数据提取音频信息的MFCC特征，并进行归一化处理；对归一化后的带标签的MFCC特征数据矩阵利用支持向量机模型对其进行训练，并利用粒子群算法对训练的支持向量机模型的参数进行优化，进而得到优化后的托辊故障检测模型，实现对托辊故障的检测。该方法能够指导传送带运输现场对托辊设备的实时检测，保障了采矿工业运输现场的安全。
-
公开(公告)号：CN110045691B
公开(公告)日：2021-03-16
申请号：CN201910189215.5
申请日：2019-03-13
Applicant: 东北大学
IPC: G05B19/418
Abstract: 本发明提出一种多源异构大数据的多任务处理故障监测方法，包括如下步骤：将采集来的不同来源的数据分别进行提取转化处理，得到总的转化处理后的数据；按照规定的时间间隔T，将总的转化处理后的数据进行数据窗口划分；将数据窗口划分后的数据按照采样时间先后顺序进行任务划分，得到任务划分后的数据；基于任务划分后的数据建立目标函数；求解多源异构大数据的多任务处理模型的目标函数，得到最优解，即为多任务的回归模型；基于多任务的回归模型，针对多源异构测试数据进行在线监测；本发明解决了工业大数据中数据来源广泛，类型构成多样，数据维度不统一难以协同建模的问题，监测结果表明本发明提高了故障检测的准确性。
-
公开(公告)号：CN108181891B
公开(公告)日：2020-05-05
申请号：CN201711325147.8
申请日：2017-12-13
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明提供一种基于智能核主元分析的工业大数据故障诊断方法，涉及故障监测与诊断技术领域。该方法通过采集电熔镁炉熔炼过程中的图像、电流等数据，异构建模大数据池，对数据池中的样本进行智能核主元分析，得到分类器判别矩阵的最优解，建立初始监测分类器模型，采用平均即使风险逼近批量学习的批量风险的方法更新初始监测分类器模型，由更新后的监测分类器对新采集到的异构后的数据进行分类标记，求得结果图，通过结果图即可判断新采集的数据是否发生故障。本发明建立了生产流程的物理化学变量和图像声音视频的大数据池，实现结合多个信息源的互补信息，发现数据源之间的关联关系，以达到降低误报警率、提高故障检测的准确性的目的。
-
公开(公告)号：CN106599450B
公开(公告)日：2020-04-07
申请号：CN201611140598.X
申请日：2016-12-12
Applicant: 东北大学
IPC: G06F30/20
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：CN107748901B
公开(公告)日：2020-01-07
申请号：CN201711188778.X
申请日：2017-11-24
Applicant: 东北大学
Abstract: 本发明提供一种基于相似性局部样条回归的工业过程故障诊断方法，涉及故障监测与诊断技术领域。该方法通过采集工业过程数据，并进行部分标记和标准化处理，利用LSR方法求得预测标签，采用相似性分析方法对预测标签进行处理，对故障识别模糊的点进行标签修正，然后基于样条函数构建在线诊断模型，并采用岭回归的方法求得系数矩阵，在工业生产过程中采集新数据，通过在线诊断模型和系数矩阵求出其相应的标签，进行故障诊断。本发明解决工业生产过程中包含有大量的物理化学变量和图像声音视频等多源异构大数据的故障诊断问题，无需对所有工业生产数据进行故障识别，节约大量时间与人力，能大大降低误报警，提高故障检测的准确性和灵敏度。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.035 seconds)
