-
公开(公告)号：CN108573278B
公开(公告)日：2021-06-22
申请号：CN201810207588.6
申请日：2018-03-14
Applicant: 山东科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种多工况过程模态辨识方法，属于自动检测技术领域，包含离线训练和在线模态辨识两部分；离线训练利用历史训练数据计算每个模态的权重，并通过正交变换获取使得不同工况下变量的条件独立程度最大，其正交矩阵通过数值方法解优化问题获得，利用变换后的数据离线训练贝叶斯分类器，利用核函数估计条件概率密度函数；在线模态辨识首先对样本进行正交变换，并计算在各个工况下的条件概率密度函数，模态类别由最大化条件概率密度函数确定，与经典方法朴素贝叶斯相比，本发明所提方法放松了数据条件独立的假设，具有更高的分类准确率。
-
公开(公告)号：CN108595380A
公开(公告)日：2018-09-28
申请号：CN201810207539.2
申请日：2018-03-14
Applicant: 山东科技大学
Abstract: 本发明公开了一种高炉异常炉况检测方法，属于自动检测技术领域，包含扰动区间辨识、离线训练和在线检测三部分；扰动区间辨识算法的目的在于定位由于热风炉切换造成的扰动区间，其主要利用热风压力的增量数据判断扰动起始时刻并根据长度变量确定具体的扰动区间；离线训练利用历史训练数据计算参考统计量并确定控制限；在线检测过程包含指标切换机制，其利用扰动辨识结果采用不同的检测指标,并分别与其控制限比较，当检测指标超过阈值时，认为炉况异常。与基于专家系统的高炉异常检测方法相比，该方法不需要历史异常信息，并且避免了冗杂的规则训练过程，其更易于实现且更为高效。
-
公开(公告)号：CN108573278A
公开(公告)日：2018-09-25
申请号：CN201810207588.6
申请日：2018-03-14
Applicant: 山东科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种多工况过程模态辨识方法，属于自动检测技术领域，包含离线训练和在线模态辨识两部分；离线训练利用历史训练数据计算每个模态的权重，并通过正交变换获取使得不同工况下变量的条件独立程度最大，其正交矩阵通过数值方法解优化问题获得，利用变换后的数据离线训练贝叶斯分类器，利用核函数估计条件概率密度函数；在线模态辨识首先对样本进行正交变换，并计算在各个工况下的条件概率密度函数，模态类别由最大化条件概率密度函数确定，与经典方法朴素贝叶斯相比，本发明所提方法放松了数据条件独立的假设，具有更高的分类准确率。
-
公开(公告)号：CN108595380B
公开(公告)日：2021-07-09
申请号：CN201810207539.2
申请日：2018-03-14
Applicant: 山东科技大学
Abstract: 本发明公开了一种高炉异常炉况检测方法，属于自动检测技术领域，包含扰动区间辨识、离线训练和在线检测三部分；扰动区间辨识算法的目的在于定位由于热风炉切换造成的扰动区间，其主要利用热风压力的增量数据判断扰动起始时刻并根据长度变量确定具体的扰动区间；离线训练利用历史训练数据计算参考统计量并确定控制限；在线检测过程包含指标切换机制，其利用扰动辨识结果采用不同的检测指标,并分别与其控制限比较，当检测指标超过阈值时，认为炉况异常。与基于专家系统的高炉异常检测方法相比，该方法不需要历史异常信息，并且避免了冗杂的规则训练过程，其更易于实现且更为高效。
-
-
-
Search Results
4
records
(took 0.019 seconds)
