-
公开(公告)号：CN101964021A
公开(公告)日：2011-02-02
申请号：CN201010295493.8
申请日：2010-09-29
Applicant: 东北大学
IPC: G06F19/00
Abstract: 一种基于递归核主元分析的青霉素发酵过程故障监测方法，属于故障监测与诊断技术领域，包括：采集通风率，搅拌器功率，基质进给速率，基质进给温度，生成的热量，溶解氧浓度，pH值和二氧化碳浓度；用步骤1标准化后的前N个采样样本，建立初始的监测模型，用RKPCA方法更新模型，并计算特征向量对连续退火工艺的过程进行故障检测与诊断，当T2统计和SPE统计超出各自的控制限时，认为有故障发生，反之，整个过程正常，本发明方法主要解决数据的非线性和时变性问题，RKPCA通过递归计算训练数据协方差的特征值和特征向量对模型进行更新，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：CN100565403C
公开(公告)日：2009-12-02
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：CN100468263C
公开(公告)日：2009-03-11
申请号：CN200710012704.0
申请日：2007-09-05
Applicant: 东北大学
IPC: G05B23/02 , G05B13/02 , G05B19/418 , G08C19/00
CPC classification number: Y02P90/02
Abstract: 连采机远程实时故障预测及诊断方法与装置，该方法包括以下步骤：采集数据、处理数据、生成检测器、免疫神经网络的学习和训练、故障预测及故障诊断、显示输出结果。该装置包括上位机、数据通讯装置、下位机、现场传感变送装置。现场传感变送装置包括加速度、振动、流量、压力、温度传感器，其中数据通讯装置分别与上位机、下位机相连，下位机与现场传感变送装置相连。现场传感变送装置将传感器采集的信号发送到下位机，下位机定时将采集的信号进行A/D转换，然后通过数据通讯装置传送到上位机，从而进行故障预测及诊断。该方法与装置具有准确性高、需要样本数量少，既可诊断又可预测故障，有吸收利用新技术能力的特点。
-
公开(公告)号：CN101126929A
公开(公告)日：2008-02-20
申请号：CN200710012704.0
申请日：2007-09-05
Applicant: 东北大学
IPC: G05B23/02 , G05B13/02 , G05B19/418 , G08C19/00
CPC classification number: Y02P90/02
Abstract: 连采机远程实时故障预测及诊断方法与装置，该方法包括以下步骤：采集数据、处理数据、生成检测器、免疫神经网络的学习和训练、故障预测及故障诊断、显示输出结果。该装置包括上位机、数据通讯装置、下位机、现场传感变送装置。现场传感变送装置包括加速度、振动、流量、压力、温度传感器，其中数据通讯装置分别与上位机、下位机相连，下位机与现场传感变送装置相连。现场传感变送装置将传感器采集的信号发送到下位机，下位机定时将采集的信号进行A/D转换，然后通过数据通讯装置传送到上位机，从而进行故障预测及诊断。该方法与装置具有准确性高、需要样本数量少，既可诊断又可预测故障，有吸收利用新技术能力的特点。
-
公开(公告)号：CN119720119A
公开(公告)日：2025-03-28
申请号：CN202411778690.3
申请日：2024-12-05
Applicant: 东北大学
IPC: G06F18/27 , G06F18/10 , G06F18/214 , G06F17/16
Abstract: 本发明提供一种基于多视角数据协同分析的高炉炉顶CO含量软测量方法，涉及高炉炼铁工艺技术领域。首先收集高炉风口、炉顶的图像数据和相关的物理变量，通过灰度处理、归一化处理，得到风口、炉顶的图像矩阵和物理变量矩阵；然后，对以上数据进行协同关联分析，得到用于预测的关联信息索引矩阵；然后通过索引矩阵进一步处理用于计算去除关联数据的信息；利用去除关联数据的信息建立高炉炉顶CO含量的预测模型，得到用于预测高炉炉顶CO含量的参数；最后，通过对实时获取的数据进行灰度处理和去除关联数据的信息后，根据高炉炉顶CO含量预测模型的参数进行高炉炉顶CO含量的预测。本发明能够提高高炉炉顶CO测量的准确性，降低其测量困难和时滞。
-
Patent Agency Ranking
公开(公告)号：CN114139639B
公开(公告)日：2024-05-14
申请号：CN202111475272.3
申请日：2021-12-06
Applicant: 东北大学
IPC: G06F18/2411 , G06F18/213 , G06F18/211 , G06F18/2413
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：CN113283078B
公开(公告)日：2024-04-26
申请号：CN202110566780.6
申请日：2021-05-24
Applicant: 东北大学
IPC: G06F30/20 , C21B7/24 , C21B5/00 , G06F119/08
Abstract: 本发明提供一种高炉风口回旋区深度的计算及实时监测方法，涉及高炉炼铁工艺技术领域。该方法首先分析高炉风口回旋区内运动状态，建立回旋区深度机理模型；并由回旋区深度机理模型得到回旋区深度计算公式；然后获得建模参数，分析建模参数对回旋区深度的影响；再将回旋区深度机理模型传入到计算机，并将建模参数及高炉生产现场采集的数据传入到数据库中进行保存，实时计算回旋区深度，实现对回旋区深度的实时监测；当回旋区深度低于或超出正常深度范围时，及时调节高炉风口回旋区的鼓风参数，使回旋区深度恢复至正常深度范围内。该方法能够高效实时的求解回旋区的深度变化情况，获得回旋区深度的变化规律，研究回旋区内部参数对回旋区深度的影响。
-
公开(公告)号：CN113033690B
公开(公告)日：2024-04-02
申请号：CN202110372937.1
申请日：2021-04-07
Applicant: 东北大学
Abstract: 本发明提供一种基于声音的双投影邻域保持嵌入的托辊故障检测方法，涉及故障检测技术领域。该方法通过采集托辊运行过程中的声音数据，对数据中的正常数据进行小波变换能量特征提取，得到小波变换能量特征数据，然后对小波能量特征数据进行双投影邻域保持嵌入特征提取，得到声音数据特征的最优投影矩阵，建立检测模型，构建正常声音数据的特征空间和残差空间的T2统计量，采用核密度估计的方法，根据T2统计量确定检测控制限，进而判断新采集的数据是否发生故障。本发明方法建立了正常托辊运行声音的数据集，同时在不降维和降维的情况下提取数据的主要特征，达到提高故障检测准确性的目的。
-
公开(公告)号：CN117786972A
公开(公告)日：2024-03-29
申请号：CN202311805886.2
申请日：2023-12-26
Applicant: 东北大学
IPC: G06F30/20 , G06F119/08
Abstract: 本发明提供一种基于机理和数据的高炉智能建模方法，涉及高炉冶炼技术领域，本发明通过建立炉壁内表面温度场分布模型，从而得到了炉壁内表面温度场分布。然后建立高炉炉身二维温度场分布模型，并对其进行求解；根据需要进行实验的高炉的物理参数与理化参数，确定高炉炉壁内部热电偶情况，得到对应高炉的炉壁内表面温度分布和炉身二维温度分布。
-
公开(公告)号：CN110175602B
公开(公告)日：2023-02-14
申请号：CN201910618323.X
申请日：2019-07-10
Applicant: 东北大学
Abstract: 本发明属于故障监测与诊断技术领域，提出了一种基于特征重构和异构数据联合建模的特征选择方法，包括：1)采集工业生产过程的图像数据；2)对原始数据中的图片进行特征提取，形成图像数据向量；3)基于特征重构和异构数据联合建模，根据对选择的特征的稀疏的要求，增加稀疏项，构造目标函数；4)对上一步中得到的目标函数进行优化求解，对该发明进行仿真验证，用分类方法对特征选择的数据进行故障诊断，确定计算时间、分类准确率。本发明能够实现全流程全视角全周期地描述工况，充分发挥联合大数据的优势，实现降低数据维数的目的，进而可以减少计算量，降低计算时间，有利于实现在线的故障检测。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.021 seconds)
