-
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
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：CN111160464B
公开(公告)日：2023-12-01
申请号：CN201911392799.2
申请日：2019-12-30
Applicant: 中国计量大学
IPC: G06F18/27 , G06F18/22 , G06F18/214 , G06F123/02
Abstract: 本发明公开了一种基于多隐层加权动态模型的工业高阶动态过程软测量方法。本方法引入滑动窗口，针对每一组在线样本，在每一个滑动窗口中建立多隐层动态模型，即充分考虑了数据在隐空间中的局部自相关性和隐变量在时序上的高阶动态关系，对于数据的描述能够更加精准；结合支持向量数据描述方法计算得到在线样本的全局权重，并建立多隐层加权动态模型。在得到模型的参数后，建立局部加权线性回归模型，从而得到在线样本的质量变量估计值。
-
公开(公告)号：CN111160464A
公开(公告)日：2020-05-15
申请号：CN201911392799.2
申请日：2019-12-30
Applicant: 中国计量大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多隐层加权动态模型的工业高阶动态过程软测量方法。本方法引入滑动窗口，针对每一组在线样本，在每一个滑动窗口中建立多隐层动态模型，即充分考虑了数据在隐空间中的局部自相关性和隐变量在时序上的高阶动态关系，对于数据的描述能够更加精准；结合支持向量数据描述方法计算得到在线样本的全局权重，并建立多隐层加权动态模型。在得到模型的参数后，建立局部加权线性回归模型，从而得到在线样本的质量变量估计值。
-
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
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：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
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。
-
Patent Agency Ranking
公开(公告)号：CN117894404A
公开(公告)日：2024-04-16
申请号：CN202410079296.4
申请日：2024-01-19
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于时空神经网络基向量扩张分析的大气污染预测方法。本方法首先利用目标区域的静态地理属性构建图模型，用图卷积操作对大气污染序列进行空间相关性提取得到空间特征序列；为了提取大气污染数据的长时间变化特征，使用基向量逐层对空间特征序列进行趋势、周期和协变量特征提取，将以上时间特征输入全连接层得到大范围长时间大气污染预测。在训练完成的模型上进行在线大气污染预测，反归一化模型输出得到最终的大气污染预测值。在大气污染预测领域，该方法具有一定的优势，所提模型既可以充分考虑各站点大气环境在空间上的相互作用，又可以分析站点周边大气缓慢变化的特征，从而在长时间大范围大气污染预测精度上实现提升。
-
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
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。
-
公开(公告)号：CN115097799A
公开(公告)日：2022-09-23
申请号：CN202210932063.5
申请日：2022-08-04
Applicant: 中国计量大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于学生t分布方法的工业过程运行状态监测方法。方法包括首先采集真实工业过程中的变量及变量的运行状态作为训练样本，从而组成用于建模的训练样本集；然后对训练样本集的训练样本进行归一化的预处理；再根据预处理后的训练样本集构建噪声容忍学生t混合判别分析模型；再在线收集工业过程中的待检测变量，并对待检测变量进行归一化的预处理；最后利用构建的分析模型对待检测变量进行分析获得待检测变量的运行状态完成运行状态的监测。该方法结合了学生t混合判别分析与潜在变量标签噪声模型，建立了具有两种形式的条件概率结构模型，从而应对工业过程中的随机噪声问题，能够提升随机噪声下对运行状态的监测。
-
公开(公告)号：CN112651178A
公开(公告)日：2021-04-13
申请号：CN202011600278.4
申请日：2020-12-30
Applicant: 中国计量大学
IPC: G06F30/27 , G06K9/62 , G06F111/08 , G06F119/10
Abstract: 本发明提供一种基于无规则缺失数据融合模型的丁烷含量预测方法，它解决了化工领域在数据无规则缺失条件下的关键变量预测难题。该方法收集脱丁烷塔在正常工况下含缺失变量的数据作为关键变量预测的训练集样本，并构建符合缺失数据特点的概率动态模型(KF‑DMF)。通过改进Karman前向滤波算法将测量变量之间的互相关性信息最大限度地保留在潜在特征空间与潜在动态预测信息相融合，实现缺失数据最大利用率。由EM算法将每次融合结果反馈到参数学习过程直至模型训练完成。在线收集脱丁烷塔中过程变量，利用已建模型对丁烷含量进行预测。由于KF‑DMF模型能在不丢弃任何样本数据的前提下充分提取变量之间的互相关性和样本之间的自相关性，在关键变量预测的精度和应用范围上实现了提升。
-
公开(公告)号：CN111650894A
公开(公告)日：2020-09-11
申请号：CN202010253024.3
申请日：2020-04-02
Applicant: 中国计量大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于隐变量的贝叶斯网络复杂工业过程软测量方法。该方法充分发挥贝叶斯网络和局部加权学习的优势，通过隐变量计算待预测在线样本与对应训练样本的全局相似度对原始数据加权，将加权后的数据输入贝叶斯网络进行预测，实现复杂非平稳工业过程的自适应软测量。本发明针对复杂工业过程的时变特性，在有监督地训练贝叶斯网络的基础上，引入基于隐变量的相似度计算和加权，缓解了模型过拟合现象，提高了预测精度，为复杂化工生产过程中与生产安全、生产质量和生产效率密切相关的质量变量的软测量建模提供了方法支持。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
