基于谱聚类分析的即时学习建模对脱丁烷塔底丁烷浓度进行预测的方法

    公开(公告)号:CN107403196B

    公开(公告)日:2020-05-12

    申请号:CN201710632210.6

    申请日:2017-07-28

    Applicant: 江南大学

    Inventor: 熊伟丽 史旭东

    Abstract: 本发明提供基于谱聚类分析的即时学习建模对脱丁烷塔底丁烷浓度进行预测的方法,为使软测量模型在即时学习时能够进行更有效的相似样本选择,借助聚类分析构建新的相似度测度,提出了基于谱聚类分析的即时学习软测量建模方法。为获得可靠的过程阶段划分,采用了聚类稳定性和鲁棒性都较强的谱聚类,并在基于传统欧式距离相似度测度的基础上,结合聚类分析得出查询样本属于各类的后验概率,定义出一个更合适描述过程复杂特性的相似度测度,从而根据查询样本选择相似样本构建局部模型进行在线质量预报。

    基于谱聚类分析的即时学习建模方法

    公开(公告)号:CN107403196A

    公开(公告)日:2017-11-28

    申请号:CN201710632210.6

    申请日:2017-07-28

    Applicant: 江南大学

    Inventor: 熊伟丽 史旭东

    Abstract: 为使软测量模型在即时学习时能够进行更有效的相似样本选择,借助聚类分析构建新的相似度测度,提出了基于谱聚类分析的即时学习软测量建模方法。为获得可靠的过程阶段划分,采用了聚类稳定性和鲁棒性都较强的谱聚类,并在基于传统欧式距离相似度测度的基础上,结合谱聚类分析得出查询样本属于各类的后验概率,定义出一个更合适描述过程复杂特性的相似度测度,从而根据查询样本选择相似样本构建局部模型进行在线质量预报。

    一种双向流管道水轮机及设计方法

    公开(公告)号:CN117052585A

    公开(公告)日:2023-11-14

    申请号:CN202311047262.9

    申请日:2023-08-18

    Applicant: 江南大学

    Abstract: 本发明涉及一种双向流管道水轮机及设计方法,包括:支撑组件和水轮组件,支撑组件包括支撑管,支撑管的径向开设有安装口,安装口内设置有安装管,安装管轴线方向垂直于支撑管的轴线方向;水轮组件包括叶轮、转轴和发电机,叶轮设置在支撑管内,转轴穿过安装孔与叶轮连接,转轴另一端连接发电机;且叶轮的轴线、转轴的轴线和安装管的轴线重合;支撑管内设置有至少两个转向块,两个转向块沿叶轮中心对称设置,转向块远离叶轮的一侧设置有导流面,导流面的延长线与叶轮相切;转向块靠近叶轮的一侧设置有压水面,压水面为弧形凹面。本发明不论管道内流体方向如何,总能使叶轮保持转向不变,从而可以在管线任意位置安装,更好地回收水压能。

    一种基于改进自训练算法的半监督高斯过程回归软测量建模对脱丁烷塔底丁烷浓度进行预测的方法

    公开(公告)号:CN107451102B

    公开(公告)日:2020-06-30

    申请号:CN201710632197.4

    申请日:2017-07-28

    Applicant: 江南大学

    Inventor: 熊伟丽 史旭东

    Abstract: 本发明公开了一种基于改进自训练算法的半监督高斯过程回归软测量建模对脱丁烷塔底丁烷浓度进行预测的方法。用于带有缺失主导变量的训练数据集的化工过程软测量建模。该方法采用自训练算法估计缺失的主导变量样本,并根据得到的估计样本对原有训练数据的影响,筛选出泛化能力强的样本加入到原始样本集中,从而构成新的训练样本集进行建模。该方法一方面实现估计样本的有效筛选,提高半监督模型精度;另一方面筛选准则简单,不需要划分完整数据集,且不受模型结构的限制。该方法可以提高产品质量,降低生产成本。

    一种改进自训练算法的半监督高斯过程回归软测量建模方法

    公开(公告)号:CN107451102A

    公开(公告)日:2017-12-08

    申请号:CN201710632197.4

    申请日:2017-07-28

    Applicant: 江南大学

    Inventor: 熊伟丽 史旭东

    Abstract: 本发明公开了一种基于改进自训练算法的半监督高斯过程回归软测量建模方法。用于带有缺失主导变量的训练数据集的化工过程软测量建模。该方法采用自训练算法估计缺失的主导变量样本,并根据得到的估计样本对原有训练数据的影响,筛选出泛化能力强的样本加入到原始样本集中,从而构成新的训练样本集进行建模。该方法一方面实现估计样本的有效筛选,提高半监督模型精度;另一方面筛选准则简单,不需要划分完整数据集,且不受模型结构的限制。该方法可以提高产品质量,降低生产成本。

Patent Agency Ranking