-
公开(公告)号：CN117707108A
公开(公告)日：2024-03-15
申请号：CN202311734558.8
申请日：2023-12-15
Applicant: 上海应用技术大学
IPC: G05B23/02
Abstract: 本申请提供一种基于GLLE的非线性化工过程的故障检测方法，该方法包括：收集在正常运行条件下运行的训练数据集X；对训练数据集进行标准化，并保存相应的标准化参数以备在线监测时使用；将上述数据集输入GLLE模型中训练；采用上述模型随数据集进行特征提取，并用局部线性映射得到对应的投影矩阵；构建T2和SPE统计量，并使用KDE算法确定对应的控制限；获取当前的观察值xnew；使用离线建模保存的标准化参数处理xnew；使用投影矩阵对xmew进行特征提取；计算T2和SPE统计量，判断是否超过相应的控制限，从而实现在线实时检测。
-
公开(公告)号：CN115617014A
公开(公告)日：2023-01-17
申请号：CN202211177060.1
申请日：2022-09-26
Applicant: 上海应用技术大学
IPC: G05B23/02
Abstract: 本发明设计一种基于SDAE‑LSVDD的相关和独立变量化工过程故障检测方法，该方法包括：采集正常运行状态的化工过程数据X0并标准化处理得到数据XN；采用计算每个数据点之间的互信息pi，以及每个数据点与随机高斯分布的互信息qi，将XN划分为相关变量空间XNR和独立变量空间XNI；采用相关变量空间数据XNR训练SDAE，求取SDAE的最优参数集合θ；采用独立变量空间的数据XNI训练LSVDD，求取LSVDD的半径R；采用SDAE求取相关变量空间的特征空间H和残差空间R，并求T2和Q统计量，使用核密度估计求取和Qlim；使用SDAE计算相关变量空间XMR的特征空间和残差空间，并计算T2统计量和Q统计量，计算独立变量空间XMI中的数据到LSVDD圆心的距离D；比较统计量与控制限的大小，以及数据点到圆心的距离与半径的大小，实现在线实时监控。
-
Patent Agency Ranking
公开(公告)号：CN113743489B
公开(公告)日：2023-09-29
申请号：CN202110987661.8
申请日：2021-08-26
Applicant: 上海应用技术大学
IPC: G06F18/2135 , G06F18/15 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于数据缺失的流程工业过程故障检测方法，该方法包括以下步骤：步骤S1：对流程工业过程进行数据采样和处理；步骤S2：利用核极限学习机KELM填补采样数据中的缺失数据；步骤S3：采用地标等距映射法L‑ISOMAP对数据进行低维特征提取；步骤S4：在特征空间和残差空间分别计算统计量和控制现，进行故障检测。与现有技术相比，本发明具有准确性高、节约时间和计算资源等优点。
-
公开(公告)号：CN115905982A
公开(公告)日：2023-04-04
申请号：CN202211617294.3
申请日：2022-12-15
Applicant: 上海应用技术大学
IPC: G06F18/2431 , G06F18/2113 , G06F30/20
Abstract: 本发明公开了一种基于随机森林Copula的化工过程故障检测方法，其属于故障检测技术领域。它解决了现有技术中传统采用特征提取的方法存在的会破坏原有的数据结构、不利于反映出原有的自变量与因变量之间的映射关系的缺陷。其主体结构包括以下步骤：步骤1：通过TE测试平台获得故障检测的仿真数据；步骤2：对TE测试平台仿真数据进行数据划分，分为仅有正常数据的训练集和正常数据、异常数据都有的测试集；步骤3：对随机森林算法在正常数据中进行训练，最后依据数据中每个特征的平均基尼指数进行特征选择；步骤4：通过筛选后的特征数据集构建Copula函数统计模型，进而得到每个样本的联合概率密度函数值。本发明主要用于化工过程故障检测上。
-
公开(公告)号：CN113741364A
公开(公告)日：2021-12-03
申请号：CN202110988594.1
申请日：2021-08-26
Applicant: 上海应用技术大学
IPC: G05B19/418
Abstract: 本发明涉及一种基于改进t‑SNE的多模态化工过程故障检测方法，该方法包括：步骤S1：采集多模态化工过程原始数据Xo并标准化处理得到高维数据X；步骤S2：计算高维数据点之间的马氏距离DM；步骤S3：采用改进t分布随机近邻嵌入方法t‑SNE对高维数据X进行特征提取，得到低维矩阵Y；步骤S4：求取高维空间投影到低维空间的映射矩阵A；步骤S5：求取训练数据的残差空间E；步骤S6：求取在线数据的特征空间和残差空间；步骤S7：使用局部离群因子LOF算法构建LOF统计量；步骤S8：计算训练数据的LOF统计量和相应控制限；步骤S9：计算在线数据LOF统计量，进行实时故障检测。与现有技术相比，本发明可实现满足多模态过程监测需求且精确度高。
-
公开(公告)号：CN119380409A
公开(公告)日：2025-01-28
申请号：CN202411466499.5
申请日：2024-10-21
Applicant: 上海应用技术大学
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于神经网络的行人步态识别方法，其有益效果在于，通过利用神经网络和深度学习技术对行人步态图像进行处理，得到行人步态剪影特征，对所述行人步态剪影特征进行预处理，得到预处理后的行人步态剪影图；将所述行人步态剪影图送入目标CNN神经网络模型中进行学习处理，得到行人步态特征；将所述行人步态特征输入目标池化模块进行特殊池化处理，得到池化行人步态特征；将所述池化行人步态特征输入全链接模型，得到全链接层；将全链接层输入步态识别模型，输出步态识别结果；若所述步态识别结果与数据库内行人身份匹配时，输出该行人身份信息。实现对于交通违法行为的监测，例如行人闯红灯、横穿马路等，从而提高交通安全。
-
公开(公告)号：CN113743489A
公开(公告)日：2021-12-03
申请号：CN202110987661.8
申请日：2021-08-26
Applicant: 上海应用技术大学
Abstract: 本发明涉及一种基于数据缺失的流程工业过程故障检测方法，该方法包括以下步骤：步骤S1：对流程工业过程进行数据采样和处理；步骤S2：利用核极限学习机KELM填补采样数据中的缺失数据；步骤S3：采用地标等距映射法L‑ISOMAP对数据进行低维特征提取；步骤S4：在特征空间和残差空间分别计算统计量和控制现，进行故障检测。与现有技术相比，本发明具有准确性高、节约时间和计算资源等优点。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
