公开(公告)号：CN116862059A

公开(公告)日：2023-10-10

申请号：CN202310810085.9

申请日：2023-07-04

Applicant: 杭州电子科技大学

Inventor： 任延微 ,  柏建军 ,  张日东 ,  孔亚广

IPC: G06Q10/04 ,  G06F18/214 ,  G06F18/15 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0442

Abstract: 本发明公开了一种水泥回转窑烧成过程的深度学习数据预测方法。本发明首先采集水泥回转窑烧成过程中传感器的数据，对数据进行预处理。其次构建新型预测网络，对预处理的数据进行预测。然后采集水泥回转窑烧成过程中新得到的过程数据。最后使用预测模型对新采集到的数据进行预测。本发明改善了传统预测模型建模过程复杂，无法处理非线性数据的缺点，提高了模型跟踪真实数据的能力。

公开(公告)号：CN116821819A

公开(公告)日：2023-09-29

申请号：CN202310809870.2

申请日：2023-07-04

Applicant: 杭州电子科技大学

Inventor： 任延微 ,  柏建军 ,  张日东

IPC: G06F18/243 ,  G06F18/214 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084 ,  G06Q10/063 ,  G06Q50/04

Abstract: 本发明公开了一种基于深度学习的工业过程性能评估方法。本发明首先标记数据集样本并对其进行规范化，划分数据集为训练集和测试集；将预处理后的数据输入至两层残差卷积网络中，经所述两层残差卷积网络后，再输入至多尺度残差卷积模块进行提取特征；其次提取的特征融合并输入至时空胶囊网络，用于提取时间和空间特征；然后模型训练参数更新，保存训练参数。将模型性能最好时提取的特征输入XGBoost分类器。最后将测试集输入至胶囊网络模型中，通过分类器优化模型参数，并输出用于性能评估的分类结果。本发明能充分识别故障数据与数据之间的关系，更充分地提取有效特征，且分类器的嵌入式提高诊断准确性的同时提高了诊断效率。