-
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。
-
公开(公告)号：CN109030388B
公开(公告)日：2019-12-03
申请号：CN201810783651.0
申请日：2018-07-17
Applicant: 东北大学
IPC: G01N21/31 , G01N21/3563 , G01N21/359
Abstract: 本发明涉及一种基于光谱数据的铁矿石全铁含量检测方法，包括以下步骤：获取待检测铁矿石样品的光谱数据，所述光谱数据中包含m个光谱特征；将所述光谱数据输入铁矿石分类模型中，获得所述待检测铁矿石样品的铁矿石类型；根据获得的铁矿石类型，将所述光谱数据输入相应铁矿石类型的铁矿石全铁含量检测模型中，获得所述光谱数据对应的铁矿石全铁含量。本发明提供的一种基于光谱数据的铁矿石全铁含量检测方法，具有效率高、成本低、且精度高的优点。
-
公开(公告)号：CN109885027A
公开(公告)日：2019-06-14
申请号：CN201910189225.9
申请日：2019-03-13
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明提出基于双向二维稀疏正交判别分析的工业过程故障诊断方法，包括：采集数据并且对数据进行标准化处理；对图像数据进行特征选择；结合物理变量对已知类别的数据进行降维回归；建立分类器在线对工业过程进行故障检测与诊断；本发明提供的基于双向二维稀疏正交判别分析的工业过程故障诊断方法，使用包含物理变量数据和图像视频数据的异构数据进行建模，不仅利用了物理变量数据和图像视频数据二者数据本身的信息，而且很好的利用了二者之间的联系使得构建出来的模型效果更好。对图像特征进行了有效的选择，使得处理数据的能力和速度有了很大的提升，在线监测过程中可以更快速的进行故障诊断，提高故障检测速率的同时也提高了故障检测的准确性。
-
公开(公告)号：CN107976992A
公开(公告)日：2018-05-01
申请号：CN201711222858.2
申请日：2017-11-29
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明提供一种基于图半监督支持向量机的工业过程大数据故障监测方法，涉及故障监测与诊断技术领域。该方法通过采集电熔镁炉生产过程中的图像数据和物理化学数据，构成大数据池，采用传统的半监督支持向量机生成多个不同的大间隔低密度分界线和相应的未标记数据的标记，通过目标函数找出分类效果最好的分界线，建立新的半监督支持向量机，求解得到最优标记，根据最优标记对电熔镁炉过程数据进行故障监测。本发明通过建立电熔镁炉生产流程的物理化学变量和图像声音视频大数据池，充分发挥大数据的优势，利用半监督支持向量机进行最优标记的寻找，提高故障诊断的灵敏度，实现全流程全视角全周期地描述工况。
-
公开(公告)号：CN107831743A
公开(公告)日：2018-03-23
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。
-
Patent Agency Ranking
公开(公告)号：CN105278526B
公开(公告)日：2017-12-01
申请号：CN201510816035.7
申请日：2015-11-19
Applicant: 东北大学
IPC: G05B23/02
CPC classification number: G05B23/0281
Abstract: 本发明公开一种基于正则化架构的工业过程故障分离方法，属于工业过程监测技术领域。该方法包括：采集工业过程样本数据并进行滤波处理后得到包含标记样本的可用样本数据集；建立具有局部正则项和全局正则项的工业过程故障分离目标函数；利用含有标记样本的可用样本数据集，求解工业过程故障分离目标函数的最优解；根据最优解，得到预测类标签矩阵，从而确定过程的故障信息；该方法利用局部正则项可以使最优解性质理想的特点，利用全局检测正则项来加以修正局部正则项可能导致故障分离精度不高的问题。实验表明该方法不仅是可行的，并且其故障分离精度很高，且可以挖掘标记样本数据的潜在信息，提高故障分离模型的泛化能力、综合性能和精确性。
-
公开(公告)号：CN107045284A
公开(公告)日：2017-08-15
申请号：CN201710218685.0
申请日：2017-04-05
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明一种基于电熔镁炉的变压器有载调压构建方法，步骤为：分析以电极位置和电压值为自变量的功率需求；根据上述功率需求，以最小单位能耗和皮砂率建立优化目标；求解优化问题，确定各填料阶段电压值及作用时间；根据各填料阶段电压值及作用时间制定有载调压方案；分析以电极位置和电压值为自变量的功率需求为：取电弧热作为电熔镁炉温度场模型的内热源，建立内热源电弧与气体空腔导电区模型；分别对氧化镁比热容c和密度ρ对温度的关系进行数据拟合，得到各阶段电压、电压作用时间以及电极提升高度和温度变化的作用关系。本发明方法可使电熔镁砂单位能耗和熔坨皮砂率这两项指标上均优于现有恒电流控制策略，对电熔镁炉生产过程具有重要的指导意义。
-
公开(公告)号：CN106991237A
公开(公告)日：2017-07-28
申请号：CN201710218681.2
申请日：2017-04-05
Applicant: 东北大学
IPC: G06F17/50
Abstract: 本发明涉及一种基于电熔镁炉的电磁搅拌分析构建方法，包括以下步骤：将电磁场空间离散成50×50×50的方格，通过离散点的数值来模拟实际的电磁场分布，得到迭代100～200步时的电场强度矢量在x、y、z方向上的数值分布；根据Maxwell方程组对电磁搅拌器进行建模，得到磁感应强度与电磁搅拌的关系；对电磁搅拌器进行仿真时，电磁力的大小由磁感应强度与感应电流共同决定；在电磁搅拌器的最佳搅拌频率作用下，导电的氧化镁熔液获得洛伦兹力而旋转。本发明通过电磁场实现对电熔镁炉物料的搅拌，对界面前沿产生较强的冲刷作用，能有效地改变结晶过程的传热、传质，不存在搅拌过程中对熔体的污染，同时电磁搅拌不存在人工因素导致的质量差异。
-
公开(公告)号：CN104914847B
公开(公告)日：2017-06-16
申请号：CN201510166290.1
申请日：2015-04-09
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明涉及基于方向核偏最小二乘的工业过程故障诊断方法，该方法获取易出故障的工业过程的输入变量和输出变量的历史正常数据，对该历史正常数据进行基于方向核偏最小二乘运算，计算历史正常数据的霍特林统计量的控制限和历史正常数据的平方预测误差的控制限，采集工业过程的输入变量的采样数据，对该采样数据进行基于方向核偏最小二乘运算，得到采样数据的过程监测统计量和采样数据的平方预测误差，当采样数据的过程监测统计量控制限或者采样数据的平方预测误差超出控制限，则该采样数据中具有一种故障，获取已知故障类型的历史故障数据，对已知故障类型的历史故障数据进行基于霍特林统计量重构和基于平方预测误差重构，判断采样数据的故障类型。
-
公开(公告)号：CN104914847A
公开(公告)日：2015-09-16
申请号：CN201510166290.1
申请日：2015-04-09
Applicant: 东北大学
IPC: G05B23/02
CPC classification number: G05B23/0243
Abstract: 本发明涉及基于方向核偏最小二乘的工业过程故障诊断方法，该方法获取易出故障的工业过程的输入变量和输出变量的历史正常数据，对该历史正常数据进行基于方向核偏最小二乘运算，计算历史正常数据的霍特林统计量的控制限和历史正常数据的平方预测误差的控制限，采集工业过程的输入变量的采样数据，对该采样数据进行基于方向核偏最小二乘运算，得到采样数据的过程监测统计量和采样数据的平方预测误差，当采样数据的过程监测统计量控制限或者采样数据的平方预测误差超出控制限，则该采样数据中具有一种故障，获取已知故障类型的历史故障数据，对已知故障类型的历史故障数据进行基于霍特林统计量重构和基于平方预测误差重构，判断采样数据的故障类型。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.03 seconds)
