公开(公告)号：CN118013050A

公开(公告)日：2024-05-10

申请号：CN202410101765.8

申请日：2024-01-25

Applicant: 浙江大学

Inventor： 杨春节 ,  黄晓珂 ,  高大力 ,  张宇彦

IPC: G06F16/36 ,  G06N3/045 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/042

Abstract: 本发明公开了一种基于文本知识图谱联合训练的高炉炼铁通用模型构建方法。该方法包括三部分：数据采集与概念对齐部分，收集高炉炼铁过程中的文本数据，并将其与高炉知识图谱中的节点进行匹配对齐；文本‑知识图谱联合训练构建通用预训练模型部分，基于多任务学习框架，通过文本预测和图谱链接预测双任务的设计，得到文本特征与图特征交叉融合的特征，构建通用预训练模型；面向多种高炉炼铁过程工业任务的动态微调模型部分，根据每时刻的文本数据、任务相关的动态子图以及节点的动态属性数据提取特征向量，将其输入时序混合专家网络中，针对具体工业任务进行预训练模型的微调，由此得到能完成多种工业任务的最终模型。

公开(公告)号：CN119226915A

公开(公告)日：2024-12-31

申请号：CN202411052198.8

申请日：2024-08-01

Applicant: 浙江大学

Inventor： 杨春节 ,  赵雨辰 ,  刘哲 ,  孙优贤 ,  张宇彦

IPC: G06F18/2415 ,  G06F18/27 ,  G06F18/213 ,  G06F18/22 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0895 ,  G06N3/096 ,  G06F123/02

Abstract: 本发明提供了一种基于特征提取与增量学习的流程工业软测量方法，该方法引入了一个由多个并行的时序特征提取自编码器网络与一个回归器网络前后连接组成的端到端神经网络软测量模型，从多工序过程变量时间序列数据中提取时序特征，并将其用于性能指标软测量建模。除此之外，该方法还基于模型所提取到的时序特征，提出了一种基于时序特征的增量学习方法。本发明提供的软测量方法可以有效、准确地对流程工业中的一些难以直接测量，或者测量成本高昂的性能指标进行软测量，并且通过增量学习的方法，确保了软测量模型在实时性较强的工业数据流中长期保持较好的软测量性能，进而为流程工业生产过程中各类参数的监控、测量、优化和控制提供参考和指导。

公开(公告)号：CN117708645A

公开(公告)日：2024-03-15

申请号：CN202311595978.2

申请日：2023-11-28

Applicant: 浙江大学

Inventor： 杨春节 ,  张宇彦

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/15 ,  G16C20/20 ,  G16C20/10 ,  G16C20/70

Abstract: 本发明公开了一种基于奇异谱分析的工业数据流概念漂移检测方法，包括共同动力学在线提取算法、噪声鲁棒漂移检测算法和漂移阈值自适应算法。其中共同动力学在线提取算法通过历史共同动力学模式库和新数据的交互，提取原始数据中的共同动力学模式。将共同动力学解耦后的数据输入漂移检测模块，得到噪声鲁棒的漂移检测指标流，它是由局部数据的奇异值熵相对变化率和二阶差分的乘积构成。最后，漂移阈值自适应算法根据检测指标流，实时估计指标的极值分布，实现漂移阈值的全局一致自适应更新。本发明能有效地应对工业数据流中共同动力学和随机噪声对漂移检测的挑战，高效地检测工业数据流中的概念漂移，为非稳态工业场景下性能指标预测与优化控制构建基础。