公开(公告)号：CN116451119A

公开(公告)日：2023-07-18

申请号：CN202310422303.1

申请日：2023-04-19

Applicant: 北京工业大学

Inventor： 常鹏 ,  许颖 ,  张诗娆

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/048 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明提供一个基于堆叠宽度学习系统的城市污水处理过程故障检测方法，满足城市污水处理过程对监测模型高精度和低时间开销的需求。具体来说SBLS利用特征提取层和增强层提取过程数据的非线性特性，再利用堆叠思想对宽度学习网络进行深度延展以提高模型的非线性特征提取能力，进而使网络获得优秀的监测精度。同时，SBLS模型继承了宽度学习网络在时间开销方面的固有优势，即利用伪逆技术可以快速地计算网络连接权重。另外SBLS的另一个优点是可以动态地添加增强节点进行横向扩展，重要的是这避免了整个系统的再训练过程。SBLS真正的做到了兼顾高精度的同时拥有低时间开销，满足实现城市污水处理厂对于模型实时在线监测需求。

公开(公告)号：CN119649945A

公开(公告)日：2025-03-18

申请号：CN202411407998.7

申请日：2024-10-10

Applicant: 北京工业大学

Inventor： 常鹏 ,  卢艳 ,  张诗娆 ,  石善祺 ,  商文茏 ,  王山语佳

IPC: G16C20/70 ,  G16C20/10 ,  G06F18/2135 ,  G06F18/23 ,  G06F18/214

Abstract: 本发明提出了基于慢特征过完备宽度学习系统的多指标软测量方法，用于同时测量水质指标中五日生化需氧量(BOD5)和化学需氧量(COD)。现有的BOD5和COD的测量方法对设备和操作要求高，难以满足实时监测的需求且大多针对单一指标进行测量。SFA‑OBLS模型通过安装多个传感器，采集易测参数输入在线监测系统，同时预测BOD5和COD的值。这模型本质上是对指标进行预测，精度与传统直接测量略微逊色。本发明由慢特征窗口和过完备窗口共同构成特征窗口将慢变动态特征分量和独立成分映射到增强窗口，进行非线性扩展以增强特征。以上三个窗口使得模型能有效处理水质数据的几种易影响监测精度的特征，有效提高了监测效率和精度。

公开(公告)号：CN115905821A

公开(公告)日：2023-04-04

申请号：CN202211386905.8

申请日：2022-11-07

Applicant: 北京工业大学

Inventor： 常鹏 ,  许颖 ,  张诗娆 ,  孟凡超

IPC: G06F18/15 ,  G06F18/214 ,  G06N3/043 ,  G06N3/08

Abstract: 本发明公开基于多阶段动态模糊宽度学习的城市污水处理过程状态监测方法。本发明分为“离线训练”和“在线监测”两个部分。“离线训练”包括：首先对数据集进行预处理，然后利用Sub‑DFBLS网络建立离线训练模型。“在线监测”包括：对新采集到数据进行预处理，并利用在离线状态训练好的模型实现在线监测。另外如果Sub‑DFBLS模型的监测精度不能满足城市污水处理过程的实际预期效果时，该模型可以通过增量的方式重构，无需从头开始对整个网络重新训练，可以在很短时间内完成网络的训练，从而能够及时的实现对于污水系统的快速监测，可以很好的满足实际污水处理过程中对于监测网络高精度和反馈速度快的要求。

公开(公告)号：CN116842420A

公开(公告)日：2023-10-03

申请号：CN202310656075.4

申请日：2023-06-05

Applicant: 北京工业大学

Inventor： 常鹏 ,  许颖 ,  张诗娆

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/213 ,  G06N3/048 ,  G06N3/084

Abstract: 基于具有增量学习能力宽度慢特征神经网络的污水处理过程异常工况监测方法，针对污水处理过程对异常工况监测模型高精度和低时间开销的需求，解决了收集的数据存在明显的非线性和动态特性不能充分提取的问题，能够减少网络时间开销。当需要更高水平的污水处理异常工况监测精度，但调整网络是一项耗时的过程时，ILBSFNN模型通过允许动态添加增量增强节点来扩展网络并确定节点参数的数量来扩展网络的宽度，而不是增加其深度。这种方式确保网络始终具有单个隐藏层，从而保持其结构简单性，消除了对整个系统进行再训练的需要，从而减少了与网络调整和更新产生的时间开销，具有高效的学习效率，满足实际污水处理厂对于模型实时在线更新监测需求。

公开(公告)号：CN116628542A

公开(公告)日：2023-08-22

申请号：CN202310422304.6

申请日：2023-04-19

Applicant: 北京工业大学

Inventor： 常鹏 ,  许颖 ,  张诗娆

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/048 ,  G06N3/08 ,  G06Q50/26

Abstract: 基于时序堆叠宽度学习系统的城市污水处理过程状态监测方法属于污水处理领域，解决深度网络针对精度和时间开销不能同时兼顾的问题。Time‑SBLS利用BLS特征提取层和增强层来处理过程数据的非线性特性，并在BLS基础上引入残差机制和时滞思想来进一步充分提取过程数据的非线性和动态特征，进而获得优秀的监测精度。其次，Time‑SBLS保留了BLS在时间开销方面的固有优势，利用伪逆技术可以快速地计算网络的权重参数，做到兼顾精度的同时可以网络的时间开销。

公开(公告)号：CN119089182A

公开(公告)日：2024-12-06

申请号：CN202411034260.0

申请日：2024-07-30

Applicant: 北京工业大学

Inventor： 常鹏 ,  张诗娆 ,  卢艳 ,  石善祺 ,  商文茏

IPC: G06F18/2134 ,  G06F18/214

Abstract: 本发明公开了一种基于宽度学习的高效提取数据特征信息的水质指标BOD5监测方法。该方法在循环网络结构的启发下，将宽度学习系统的特征窗口进行递归级联以提取过程数据的时间相关性特征。在此基础上，增加了非高斯特征提取窗口，利用过完备独立成分分析方法提取污水数据所具有的非高斯性特征，丰富模型对数据不同特征的提取能力，提高模型的准确性。本发明包括“离线训练”和“在线监测”两个阶段。“此外，针对污水处理过程恶劣环境和运行工况下模型精度不足的情况，本发明所提出的模型可以通过增量的方式重构，无需从头开始对整个网络重新训练，可以在很短时间内完成网络的训练，从而能够及时的实现对于污水水质指标的快速监测。

公开(公告)号：CN115660074A

公开(公告)日：2023-01-31

申请号：CN202211402915.6

申请日：2022-11-10

Applicant: 北京工业大学

Inventor： 常鹏 ,  张诗娆 ,  孟凡超 ,  齐智

IPC: G06N3/09 ,  G06N3/082 ,  G06N3/048

Abstract: 本发明公开了一种高效的提取动态性特征的宽度学习网络的污水处理过程故障监测方法，用于解决由于污水处理过程数据的动态性和非线性导致的监测结果不准确的问题。本发明包括“离线训练”和“在线监测”两个阶段。“离线训练”包括：首先对采集的正常数据与故障数据整合为训练数据，对其进行动态扩展再进行归一化处理，然后利用宽度学习网络建立离线训练模型。“在线监测”包括：对新采集到的数据进行动态扩展后再归一化处理，并利用在离线状态训练好的模型实现在线监测。本发明利用高效的提取动态性特征的宽度学习网络提取数据中包含非线性和动态性信息的特征，可以更好的实现对污水处理过程的快速且准确监测。