-
公开(公告)号：CN115329868A
公开(公告)日：2022-11-11
申请号：CN202210974329.2
申请日：2022-08-15
Applicant: 浙江大学
Abstract: 本发明公开了一种基于并行投影局部保留的质量相关动态潜变量方法，包括：(1)构建低秩向量自回归模型；(2)质量相关分析：将邻域结构信息和集成到偏最小二乘模型，将步骤(1)得到的低秩时序系数矩阵输入到局部保留的潜变量模型以计算得分向量矩阵T；(3)并行投影：将步骤(2)得到的得分向量矩阵进行并发投影，使得输入和输出数据空间同时投影到五个子空间；(4)故障检测：在五个子空间中建立故障统计量以及子空间中对应的故障置信限，以检测故障发生；(5)故障诊断：在四个故障相关子空间中重构故障贡献以诊断故障变量。利用本发明，可以适当解决噪声和异常值的干扰，提升故障检测和诊断的可靠性。
-
公开(公告)号：CN115248558B
公开(公告)日：2025-03-14
申请号：CN202210974327.3
申请日：2022-08-15
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于变分贝叶斯概率潜变量模型的动态过程故障检测方法，包括：(1)构造概率潜变量动态模型：收集工业过程数据标准化处理，建立线性动态系统表示数据，确定模型的初始化状态先验和参数先验；(2)变分最大步：通过构造的模型，计算模型参数下的最优后验分布，然后据此确定模型参数的更新方式；(3)变分期望步：在前向步计算状态xn在每个时间步n的边缘后验分布，然后基于状态xn在时间步n及之前所有时间步计算边缘后验分布；(4)证据下界：计算证据下界#imgabs0#以确定通过模型通过迭代计算后达到收敛；(5)动态过程监测：通过状态和观测的残差构建统计量和置信限以监测故障是否发生。利用本发明，可以提升动态过程故障检测的可靠性。
-
公开(公告)号：CN115470838A
公开(公告)日：2022-12-13
申请号：CN202210974039.8
申请日：2022-08-15
Applicant: 浙江大学
Abstract: 本发明公开了一种基于鲁棒动态变分贝叶斯字典学习的过程监测方法，包括：(1)构造贝叶斯字典学习模型；(2)通过构造的模型，计算证据下界，最大化下界的最优分布，计算模型近似的后验分布；(3)计算过程数据对应的二值稀疏矩阵，并确定更新公式；(4)确定参数近似后验分布的更新公式，计算参数的最优后验分布；(5)离线建模：计算正常工况数据的字典矩阵，通过重构误差计算控制限，计算稀疏编码获得重构样本矩阵；(6)建立向量自回归模型分析重构样本矩阵，得到动态系数矩阵和Q；(7)在线监测：根据和Q，构建故障统计量以检测故障是否发生。本发明可以提升模型对于噪声的鲁棒性，进而降低误报率以提升过程监测的可靠性。
-
公开(公告)号：CN115248558A
公开(公告)日：2022-10-28
申请号：CN202210974327.3
申请日：2022-08-15
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于变分贝叶斯概率潜变量模型的动态过程故障检测方法，包括：(1)构造概率潜变量动态模型：收集工业过程数据标准化处理，建立线性动态系统表示数据，确定模型的初始化状态先验和参数先验；(2)变分最大步：通过构造的模型，计算模型参数下的最优后验分布，然后据此确定模型参数的更新方式；(3)变分期望步：在前向步计算状态xn在每个时间步n的边缘后验分布，然后基于状态xn在时间步n及之前所有时间步计算边缘后验分布；(4)证据下界：计算证据下界以确定通过模型通过迭代计算后达到收敛；(5)动态过程监测：通过状态和观测的残差构建统计量和置信限以监测故障是否发生。利用本发明，可以提升动态过程故障检测的可靠性。
-
-
-
Search Results
4
records
(took 0.021 seconds)
