-
公开(公告)号：CN117428011A
公开(公告)日：2024-01-23
申请号：CN202311381737.8
申请日：2023-10-23
Applicant: 北京科技大学顺德创新学院 , 北京科技大学
Abstract: 本发明公开了一种轧制过程精轧机组的分布式数据驱动故障检测方法及系统，涉及工业轧钢过程的故障检测技术领域，该方法包括：对精轧机正常运行时的过程变量进行采集并存储；获取由精轧机各机架的压磁传感器组成的传感器网络通信拓扑结构；考虑相邻传感器节点间的数据传输，应用改良后的平均一致性算法来实现最优的分布式故障检测；其中，所述改良后的平均一致性算法包括分布式训练阶段和分布式检测阶段；所述改良后的平均一致性算法通过在分布式训练阶段确定分布式检测阶段所需执行一致性算法迭代的步数，减小检测阶段的检测延迟。采用本发明可有效解决轧钢过程精轧阶段分布式故障检测由于检测延迟而带来的检测性能下降问题。
-
Patent Agency Ranking
公开(公告)号：CN115758697A
公开(公告)日：2023-03-07
申请号：CN202211396135.5
申请日：2022-11-09
Applicant: 北京科技大学顺德创新学院 , 北京科技大学
IPC: G06F30/20 , G06F17/18 , G06F17/16 , G06F119/02
Abstract: 本发明公开了一种基于分布式典型相关性分析的动态系统数据驱动故障检测方法，包括：离线过程中，利用各个子系统中传感器采集正常工况时的历史数据，构建集中式CCA残差产生器；根据动态系统中子系统之间的网络拓扑结构，基于平均一致性算法确定子系统之间信息传递的权重系数，构建求解各个子系统CCA参数的迭代矩阵，将集中式CCA残差产生器转化为分布式CCA残差产生器；求解各个子系统的CCA参数，在线过程中，每个子系统用求解的CCA参数构造基于CCA的残差产生器，并基于平均一致性算法对每个子系统的残差信号进行分布式融合；最后设计控制统计量，确定阈值，进行动态系统中基于数据驱动的分布式最优故障检测。
-
公开(公告)号：CN116027770A
公开(公告)日：2023-04-28
申请号：CN202310315946.6
申请日：2023-03-29
Applicant: 北京科技大学
IPC: G05B23/02
Abstract: 本发明涉及工业过程故障检测技术领域，特别是指一种复杂工业过程中分布式故障定位方法及装置。一种复杂工业过程中分布式故障定位方法包括：获得原始数据；根据原始数据进行模型构建，获得故障模型；根据故障模型进行分析操作，获得残差产生器；对故障模型输入在线数据，通过残差产生器进行计算，获得检验统计量；根据检验统计量和预设的阈值进行故障判断，获得故障判断结果；当故障判断结果为正常运行时，收集在线数据继续监控；当故障判断结果为存在故障时，根据子系统参数矩阵进行计算，得到重构贡献值的最大值；根据重构贡献值的最大值，获得故障定位结果。本发明是一种面对动态工业系统的高效精准的分布式故障定位方法。
-
公开(公告)号：CN113467415B
公开(公告)日：2022-09-30
申请号：CN202110714693.0
申请日：2021-06-25
Applicant: 北京科技大学
IPC: G05B23/02
Abstract: 本发明公开了一种动态系统中分布式数据驱动的最优故障检测方法，包括：基于动态系统中传感器子节点采集的正常工况时的历史数据，每个子节点进行数据驱动的过程建模；根据动态系统中传感器子节点的网络拓扑结构，基于平均一致性算法，所有子节点进行分布式的过程建模；基于提升技术，每个子节点重新构建过程模型；基于分布式卡尔曼滤波器，每个子节点构建最优故障检测模型。应用本发明的动态系统中分布式数据驱动的故障检测方法，能够有效减少集中式诊断策略的数据传输风险和计算负担，具有成本低、交互数据少、可靠性高等优点，在一定程度上缓解了集中式诊断结构的安全风险。
-
公开(公告)号：CN116027770B
公开(公告)日：2023-06-23
申请号：CN202310315946.6
申请日：2023-03-29
Applicant: 北京科技大学
IPC: G05B23/02
Abstract: 本发明涉及工业过程故障检测技术领域，特别是指一种复杂工业过程中分布式故障定位方法及装置。一种复杂工业过程中分布式故障定位方法包括：获得原始数据；根据原始数据进行模型构建，获得故障模型；根据故障模型进行分析操作，获得残差产生器；对故障模型输入在线数据，通过残差产生器进行计算，获得检验统计量；根据检验统计量和预设的阈值进行故障判断，获得故障判断结果；当故障判断结果为正常运行时，收集在线数据继续监控；当故障判断结果为存在故障时，根据子系统参数矩阵进行计算，得到重构贡献值的最大值；根据重构贡献值的最大值，获得故障定位结果。本发明是一种面对动态工业系统的高效精准的分布式故障定位方法。
-
公开(公告)号：CN113467415A
公开(公告)日：2021-10-01
申请号：CN202110714693.0
申请日：2021-06-25
Applicant: 北京科技大学
IPC: G05B23/02
Abstract: 本发明公开了一种动态系统中分布式数据驱动的最优故障检测方法，包括：基于动态系统中传感器子节点采集的正常工况时的历史数据，每个子节点进行数据驱动的过程建模；根据动态系统中传感器子节点的网络拓扑结构，基于平均一致性算法，所有子节点进行分布式的过程建模；基于提升技术，每个子节点重新构建过程模型；基于分布式卡尔曼滤波器，每个子节点构建最优故障检测模型。应用本发明的动态系统中分布式数据驱动的故障检测方法，能够有效减少集中式诊断策略的数据传输风险和计算负担，具有成本低、交互数据少、可靠性高等优点，在一定程度上缓解了集中式诊断结构的安全风险。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
