公开(公告)号：CN110514619B

公开(公告)日：2021-01-29

申请号：CN201910806825.5

申请日：2019-08-29

申请人： 山东科技大学

发明人： 贺凯迅 ,  苏照阳

IPC分类号： G01N21/359 ,  G06F30/20 ,  G06N3/12

摘要： 本发明公开了基于有偏估计的近红外定量分析模型构建方法，首先从历史数据集中初选训练样本；根据目标工况，从样本集中选择合适的建模样本组成子集，优选后的样本作为近红外定量分析模型的建模样本；利用所述建模样本建立属性与近红外光谱之间的有偏最小最大概率回归模型：通过误差下确界的选取使模型的预测偏差以最大概率在期望的方向上；将测试集近红外光谱带入模型进行预测，根据输出的预测值与参考值计算出模型对应的均方根误差对比，选择最佳模型参数。本发明的有益效果是能从够建模本质考虑预测偏差对生产的影响，从而获取适合用于质量反馈控制的预测结果。

公开(公告)号：CN111352408B

公开(公告)日：2020-12-08

申请号：CN202010164092.2

申请日：2020-03-11

申请人： 山东科技大学

发明人： 贺凯迅 ,  苏照阳 ,  钟麦英

IPC分类号： G05B23/02

摘要： 本发明公开了一种基于证据K近邻的多工况流程工业过程故障检测方法，属于工业过程监控领域，该方法首先对历史数据进行聚类分析，将历史数据按工况进行划分，组成多工况训练集。然后计算训练集内每个样本与每个工况的相关度，建立证据信息库；对于一个待检测样本，由K近邻模型从训练集中选出k个样本，用D‑S证据理论合成这k个样本对应的证据信息，得到最后的检测结果。本发明基于证据K近邻建立的故障诊断模型可以很好的适应系统多工况运行状态；该方法可以降低在监控过程中的误报率，提高故障报警的精度。

公开(公告)号：CN111352408A

公开(公告)日：2020-06-30

申请号：CN202010164092.2

申请日：2020-03-11

申请人： 山东科技大学

发明人： 贺凯迅 ,  苏照阳 ,  钟麦英

IPC分类号： G05B23/02

摘要： 本发明公开了一种基于证据K近邻的多工况流程工业过程故障检测方法，属于工业过程监控领域，该方法首先对历史数据进行聚类分析，将历史数据按工况进行划分，组成多工况训练集。然后计算训练集内每个样本与每个工况的相关度，建立证据信息库；对于一个待检测样本，由K近邻模型从训练集中选出k个样本，用D-S证据理论合成这k个样本对应的证据信息，得到最后的检测结果。本发明基于证据K近邻建立的故障诊断模型可以很好的适应系统多工况运行状态；该方法可以降低在监控过程中的误报率，提高故障报警的精度。

公开(公告)号：CN110514619A

公开(公告)日：2019-11-29

申请号：CN201910806825.5

申请日：2019-08-29

申请人： 山东科技大学

发明人： 贺凯迅 ,  苏照阳

IPC分类号： G01N21/359 ,  G06F17/50 ,  G06N3/12

摘要： 本发明公开了基于有偏估计的近红外定量分析模型构建方法，首先从历史数据集中初选训练样本；根据目标工况，从样本集中选择合适的建模样本组成子集，优选后的样本作为近红外定量分析模型的建模样本；利用所述建模样本建立属性与近红外光谱之间的有偏最小最大概率回归模型：通过误差下确界的选取使模型的预测偏差以最大概率在期望的方向上；将测试集近红外光谱带入模型进行预测，根据输出的预测值与参考值计算出模型对应的均方根误差对比，选择最佳模型参数。本发明的有益效果是能从够建模本质考虑预测偏差对生产的影响，从而获取适合用于质量反馈控制的预测结果。