公开(公告)号：CN110647922A

公开(公告)日：2020-01-03

申请号：CN201910828558.1

申请日：2019-09-03

Applicant: 中国计量大学

Inventor： 何雨辰 ,  韩丽黎 ,  王云 ,  宋执环 ,  曾九孙

IPC: G06K9/62

Abstract: 本发明公开了一种基于公共和特有特征提取的分层式非高斯过程监测方法。将训练数据分为多个模态，在每个模态内运用多个权向量、成分向量等特征量得到训练数据的高阶公共特征；在剩余的低阶模态内运用多个权向量、成分向量等特征量得到训练数据的低阶公共特征；根据公共特征在公共子空间构建统计限和统计量，进行故障检测；在剩余的特有子空间构建统计限和统计量，进行故障检测。本发明在多模态的非高斯过程故障检测中优于其他传统方法，既可以提取出多模态的特有特征，同时也能提取出公共特征，考虑了不同模式之间的特性和共性的相互联系，使多模态过程监测更加有效。

公开(公告)号：CN110673470B

公开(公告)日：2022-04-08

申请号：CN201910828593.3

申请日：2019-09-03

Applicant: 中国计量大学

Inventor： 何雨辰 ,  张丽芳 ,  方靖云 ,  王云 ,  宋执环 ,  严天宏

IPC: G05B13/04

Abstract: 本发明公开了一种基于局部加权因子模型的工业非平稳过程软测量建模方法。本发明引入滑动窗口，在每个滑动窗口中建立因子分析模型，将在线查询样本输入到各个滑动窗口中得到查询样本与训练样本的局部相似度以及查询样本在滑动窗口中的局部置信度，再综合所有滑动窗口的结果得到每个训练本的全局权重，根据全局权重计算训练样本集的加权平均值，在加权平均值的基础上对查询样本进行预测得到查询样本的丁烷含量预测值。本发明通过建立在线测量样本与训练样本之间的权重关系，提高了预测结果的准确性。

公开(公告)号：CN110673470A

公开(公告)日：2020-01-10

申请号：CN201910828593.3

申请日：2019-09-03

Applicant: 中国计量大学

Inventor： 何雨辰 ,  张丽芳 ,  方靖云 ,  王云 ,  宋执环 ,  严天宏

IPC: G05B13/04

Abstract: 本发明公开了一种基于局部加权因子模型的工业非平稳过程软测量建模方法。本发明引入滑动窗口，在每个滑动窗口中建立因子分析模型，将在线查询样本输入到各个滑动窗口中得到查询样本与训练样本的局部相似度以及查询样本在滑动窗口中的局部置信度，再综合所有滑动窗口的结果得到每个训练本的全局权重，根据全局权重计算训练样本集的加权平均值，在加权平均值的基础上对查询样本进行预测得到查询样本的丁烷含量预测值。本发明通过建立在线测量样本与训练样本之间的权重关系，提高了预测结果的准确性。

公开(公告)号：CN117932241A

公开(公告)日：2024-04-26

申请号：CN202410074598.2

申请日：2024-01-18

Applicant: 中国计量大学

Inventor： 蓝张铭 ,  何雨辰 ,  钱丽娟 ,  朱俊江 ,  陆佳炜 ,  宋执环

IPC: G06F18/15 ,  G06F18/214 ,  G06F18/25 ,  G06F18/213 ,  G06N3/048 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于多周期递归网络的工业过程软测量方法，通过从频域中提取原始数据的周期信号，并根据周期信号重构数据进行建模：通过时间卷积注意力层提取每个子周期内的周期特征和短时动态特征；将不同的子周期信息在递归网络中实现记忆和传递，汇聚成过程数据的长期趋势，完成对过程数据的特征工程。将不同采样率的变量按照采样频率分类，分别应用周期递归网络提取特征，设计多采样间隔感知函数补充低采样率特征，实现不同采样率的过程特征融合；对融合后的过程特征软测量，结合与质量变量真值的误差损失函数不断优化模型；最后，将训练好的模型应用于在线过程数据中，实现对该过程的质量变量软测量。

公开(公告)号：CN110647922B

公开(公告)日：2023-03-24

申请号：CN201910828558.1

申请日：2019-09-03

Applicant: 中国计量大学

Inventor： 何雨辰 ,  韩丽黎 ,  王云 ,  宋执环 ,  曾九孙

IPC: G06F18/214 ,  G06F18/24 ,  G06F18/213

Abstract: 本发明公开了一种基于公共和特有特征提取的分层式非高斯过程监测方法。将训练数据分为多个模态，在每个模态内运用多个权向量、成分向量等特征量得到训练数据的高阶公共特征；在剩余的低阶模态内运用多个权向量、成分向量等特征量得到训练数据的低阶公共特征；根据公共特征在公共子空间构建统计限和统计量，进行故障检测；在剩余的特有子空间构建统计限和统计量，进行故障检测。本发明在多模态的非高斯过程故障检测中优于其他传统方法，既可以提取出多模态的特有特征，同时也能提取出公共特征，考虑了不同模式之间的特性和共性的相互联系，使多模态过程监测更加有效。