-
公开(公告)号：CN108182302A
公开(公告)日：2018-06-19
申请号：CN201711324889.9
申请日：2017-12-13
Applicant: 东北大学
IPC: G06F17/50
Abstract: 本发明提供一种基于修改聚类半监督核主元分析的早期故障检测方法，涉及故障监测与诊断技术领域。该方法通过离线建模与在线监测，同时考虑数据的本身分布信息和数据类别标签信息，并采用修改的聚类假设，运用改进的半监督KPCA方法，先找到早期故障数据，进而进行二次建模，得到偏向于主元的分解函数，找到划分故障与正常的分界，运用该分解函数判定新采集的数据是否属于故障类数据。本发明针对于工业早期故障难以发现和判定的问题，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：CN108182302B
公开(公告)日：2021-06-22
申请号：CN201711324889.9
申请日：2017-12-13
Applicant: 东北大学
IPC: G06F30/20
Abstract: 本发明提供一种基于修改聚类半监督核主元分析的早期故障检测方法，涉及故障监测与诊断技术领域。该方法通过离线建模与在线监测，同时考虑数据的本身分布信息和数据类别标签信息，并采用修改的聚类假设，运用改进的半监督KPCA方法，先找到早期故障数据，进而进行二次建模，得到偏向于主元的分解函数，找到划分故障与正常的分界，运用该分解函数判定新采集的数据是否属于故障类数据。本发明针对于工业早期故障难以发现和判定的问题，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：CN110045691A
公开(公告)日：2019-07-23
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：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。
-
-
-
Search Results
4
records
(took 0.011 seconds)
