一种基于层级波动窗口的多模态工业过程识别与监控方法

    公开(公告)号:CN115982579A

    公开(公告)日:2023-04-18

    申请号:CN202211728024.X

    申请日:2022-12-29

    Applicant: 东北大学

    Abstract: 本发明提供一种基于层级波动窗口的多模态工业过程识别与监控方法,涉及过程监控技术领域。首先利用高斯混合模型来粗略识别模态信息;然后,层级波动窗口策略被用来精准判别稳定模态和过渡模态,在层级波动窗口中,包含初始层级和终端层级两个部分;在初始层级中,样本领域特征被滑动窗口分割,并选择出重点窗口输送到终端层级,接下来变量波动概念被引入并被滑动窗口分割去精准划分过渡模态的起点与终点。再然后,稳定模态利用基于马氏距离的GMM模型监控;最后,建立了一个新的邻域偏移模型去监控过渡模态。该方法能够同时从样本和变量角度精准划分模态,分别针对稳定模态和过渡模态建立合适的监控模型,减少监控复杂度并提高了过程的故障检测率。

    一种燃气加热炉主管和支管流量匹配优化控制装置及方法

    公开(公告)号:CN110887057B

    公开(公告)日:2021-05-18

    申请号:CN201910993053.0

    申请日:2019-10-18

    Applicant: 东北大学

    Abstract: 本发明涉及加热炉温度控制技术领域,提供一种燃气加热炉主管和支管流量匹配优化控制装置及方法。该装置及方法通过参数设置模块进行参数设置,通过信息采集模块实现对加热炉信息采集,通过主阀与支阀温度不同控制周期匹配的双闭环控制模块计算出主阀和各支阀实际开度,通过主阀与支阀开度动态限幅设定模块,设定对应的动态限幅值,得到不同控制周期匹配的双闭环控制外环控制周期主阀最终控制量和各支阀最终控制量。主阀后压力稳压控制模块得到主阀开度的下一内环控制周期补偿控制信号量。将主阀最终控制量、各支阀最终控制量和主阀开度的下一内环控制周期补偿控制信号量通过控制量下发模块按对应周期下发给各阀门,如此周期控制。

    一种加热炉燃料阀门脉冲优化控制装置与方法

    公开(公告)号:CN109765943B

    公开(公告)日:2021-01-15

    申请号:CN201910033118.7

    申请日:2019-01-14

    Applicant: 东北大学

    Abstract: 本发明提供了一种加热炉燃料阀门脉冲优化控制装置与方法,属于阀门控制技术领域,包括参数设置模块、信号输入模块、脉冲连续复合信号生成模块和信号输出模块。该方法可以弥补由于电动调节阀自身结构特点造成的调节精度不够的问题,可以使阀门在小范围调节时,克服空程差与阀门精度不足造成的缺陷,使阀门控制达到更好的控制效果,尤其在阀门本身空程差较大(响应分辨率不高)的情况下,可以改善和提高阀门精度特性,提高加热装置温度控制效果。

    一种压缩空气工业系统的节能优化控制方法及装置

    公开(公告)号:CN106764445B

    公开(公告)日:2019-10-25

    申请号:CN201611010940.4

    申请日:2016-11-17

    Abstract: 本发明提供一种压缩空气工业系统的节能优化控制方法及装置,属于压缩空气供给与工业过程控制领域。可以降低能源浪费,减少资源消耗。包括通过压力计获取主管压力值,N条支管压力值和N条支管流量值,对多组主管滤波压力值和多组N条支管滤波压力值进行归一化处理,确定主管归一化压力值和N条支管归一化压力值;根据第一时间段主管平均压力值,第二时间段主管平均压力值,第一时间段N条支管平均压力值,第二时间段N条支管平均压力值,通过公式确定压缩空气系统的稳定性;根据N条支管的特性系数和N条支管压力目标下限值,通过公式确定气源总管压力优化设定值;确定控制所述主管压力值。

    基于变分模态分解和极限学习机的血糖预测方法

    公开(公告)号:CN109859850A

    公开(公告)日:2019-06-07

    申请号:CN201910169764.6

    申请日:2019-03-06

    Applicant: 东北大学

    Abstract: 本发明提供了基于变分模态分解和极限学习机的血糖预测方法,包括:S1、获取待预测血糖时间序列;S2、预处理待预测血糖时间序列;S3、使用变分模态分解算法对预处理的待预测血糖时间序列进行分解,获得若干有限带宽的子信号;以及,计算每一个子信号样本熵,并根据每一个子信号样本熵,归类叠加,获得待预测血糖时间序列的若干子序列;S4、根据每一个子序列训练每一个子序列的极限学习机血糖预测模型,将每一个子序列输入该子序列的极限学习机血糖预测模型,输出每一个子序列的血糖预测结果;S5、对每一个子序列的血糖预测结果进行融合,获得待预测血糖时间序列的血糖预测结果。提高了血糖浓度的预测精度,能够更好的控制患者的血糖值。

    一种架空输电线路的双摆防舞器及使用方法

    公开(公告)号:CN106300198B

    公开(公告)日:2018-02-27

    申请号:CN201610890978.9

    申请日:2016-10-12

    Applicant: 东北大学

    Abstract: 本发明涉及一种架空输电线路的双摆防舞器及使用方法,包括导线线夹、小螺栓、环形隔离圈、短连接杆、共振摆减振器、参数激振摆减振器,导线线夹一端固接到输电导线上,另一端通过小螺栓均布固接到环形隔离圈上,导线线夹的数量与输电线数量相匹配;环形隔离圈均布若干个通孔,环形隔离圈底部设置两根短连接杆,两根短连接杆的夹角为α,且短连接杆的对称轴线通过环形隔离圈圆心,短连接杆底端与共振摆减振器连接,共振摆减振器围绕着分裂导线中心来回摆动,吸收输电导线的振动能量,减小输电导线的振动。优点是:共振摆减振器和参数激振摆减振器联合到一起,形成一个整体式双摆防舞器,同时对水平振动、垂直振动和倾斜振动进行减振。

    实验用金属轧制过程自动控制硬件在环仿真平台及方法

    公开(公告)号:CN104267613A

    公开(公告)日:2015-01-07

    申请号:CN201410468821.8

    申请日:2014-09-15

    Applicant: 东北大学

    Abstract: 一种实验用金属轧制过程自动控制硬件在环仿真平台及方法,该平台包括:过程控制级、基础自动化级和设备仿真级;过程控制级通过以太网连接基础自动化级;基础自动化级通过硬接线连接设备仿真级;过程控制级和基础自动化级,在硬件和软件的配置上均与工业现场保持一致。本发明采用实物与仿真模型相结合的方法,与实验轧机相比,节省了大量设备投入的情况下,兼顾了追求现场实际控制系统得以再现的目标;与纯粹计算机软件仿真相比,增加了工业过程控制中不可或缺的实时控制层,使之更加近似于工业现场的控制结构;同时,控制系统与仿真轧制设备之间采用硬接线的方式进行连接,在非工业现场直接再现实际工业现场的通讯连接方式。

    基于Internet网的锅炉传感器故障诊断和容错一体化方法及装置

    公开(公告)号:CN1737423A

    公开(公告)日:2006-02-22

    申请号:CN200510047030.9

    申请日:2005-08-10

    Applicant: 东北大学

    Abstract: 一种基于Internet网的锅炉传感器故障诊断和容错一体化方法及装置,该控制方法应用三层的神经元网络。通过采集传感器测量的数据对应的电压值,并对数据分组,确定输入输出模式对,将分组的数据用于训练模糊小脑模型关节控制器神经网络,进行故障诊断和容错处理。为实现该方法本发明还对应提供一种控制装置。本发明通过对Internet网络环境下的传感器故障诊断及智能容错控制一体化这一关键技术的研究,实现对复杂过程进行实时监测。既考虑了传感器可能应用的场合,又考虑了一些实际过程中众多传感器信息的冗余性,因而本发明还可以应用到基于Internet网的水下机器人、化工等工业领域。

    间歇过程监控方法及存储介质、计算机设备

    公开(公告)号:CN117708691A

    公开(公告)日:2024-03-15

    申请号:CN202410169663.X

    申请日:2024-02-06

    Applicant: 东北大学

    Abstract: 本申请公开了一种间歇过程监控方法及存储介质、计算机设备,该间歇过程监控方法包括:获取历史培养批次的多组样本青霉素产生菌在间歇过程中的样本数据;针对任一组样本数据,根据滑动窗口划分样本数据,根据相邻滑动窗口中的样本数据,计算相邻滑动窗口间的互异度指标值及距离相似度指标值;基于互异度指标值及距离相似度指标值,计算相邻滑动窗口间的样本状态统计值,根据各组样本数据各自计算出的样本状态统计值确定控制上限和控制下限;采集目标培养批次的目标组青霉素产生菌在间歇过程中的目标数据,根据目标数据计算目标组青霉素产生菌的目标状态统计值,根据目标状态统计值、控制上限和控制下限,确定目标组青霉素产生菌的生产状态。

    一种基于及时学习的多模态工业过程监控方法

    公开(公告)号:CN116382210A

    公开(公告)日:2023-07-04

    申请号:CN202310427193.8

    申请日:2023-04-20

    Applicant: 东北大学

    Abstract: 本发明提供一种基于及时学习的多模态工业过程监控方法,涉及工业过程监控技术领域。利用变分高斯混合模型去自动获取模态数量与参数,不依赖于经验法。在及时学习中,查询样本搜寻相关数据时只需在相关模态中选取部分样本,减少了搜寻计算量和复杂度。设计了新的多模态监控模型,能够消除模态间离散程度不同对过程监控结果的影响。实验结果证明,本发明的监控结果要优于其余传统多元统计方法,进一步验证了本发明对于多模态工业过程的监控能力,极大的提高多模态过程的监控效果。

Patent Agency Ranking