公开(公告)号：CN117349748A

公开(公告)日：2024-01-05

申请号：CN202311299726.5

申请日：2023-10-09

Applicant: 浙江大学

Inventor： 宋执环 ,  宋泽宇 ,  杨泽宇

IPC: G06F18/2415 ,  G06F18/21 ,  G06N3/084 ,  G06N3/098 ,  G06N3/048 ,  G06N3/047 ,  G06N3/0895

Abstract: 本发明公开一种基于云边协同的主动学习故障诊断方法，包括：云端根据已有标注样本迭代训练故障诊断模型，并将本次训练后的模型参数传输给边缘设备；边缘设备接收后，更新故障诊断模型的模型参数，用新模型对边缘设备储存的样本进行特征提取和预测，并采用基于流的主动学习方法，对数据流进行评估，更新不确定性阈值，并将挖掘出的待标注样本传输给云端；云端将待标注样本发给标注员或者标注系统进行标注，得到样本的真实标签；云端回收分发的标注样本，结合已有的标注样本，对故障诊断模型进一步训练，更新模型参数，并将新的模型参数传给边缘设备；重复上述步骤，直至故障诊断模型训练结束。本方法能够显著提高边缘设备分类困难样本筛选效率。

公开(公告)号：CN110197022B

公开(公告)日：2020-10-23

申请号：CN201910426698.6

申请日：2019-05-21

Applicant: 浙江大学

Inventor： 葛志强 ,  杨泽宇

IPC: G06F30/20

Abstract: 本发明公开了一种面向流式大数据的并行概率变分软测量建模方法，该方法在原始的变分有监督因子分析模型的基础上，分别引入流式更新方法和对称相对熵，根据实际流式大数据的变化而实时更新模型参数的后验分布和决定先验分布的选择，从而实现模型的自适应更新，并结合并行计算策略，进一步提高模型更新效率；本发明能够针对实时性要求较高的流式大数据场景，在一定程度上改善了模型性能，并结合并行计算策略提高了模型更新效率，达到了面对流式大数据自适应软测量的目的。

公开(公告)号：CN110083065B

公开(公告)日：2020-07-10

申请号：CN201910421467.6

申请日：2019-05-21

Applicant: 浙江大学

Inventor： 葛志强 ,  杨泽宇 ,  宋执环

IPC: G05B13/04

Abstract: 本发明公开了一种基于流式变分贝叶斯有监督因子分析的自适应软测量方法，该方法在原始的有监督概率因子分析模型的基础上，引入流式变分推断方法，可根据实际数据流的变化而实时更新模型参数的后验分布，并为适应工业过程时变性，在更新过程中引入对称相对熵来决定先验分布的选取，从而实现模型的自适应更新；本发明能够有效面对实际工业过程中的时变特性，在一定程度上缓解了过拟合，并提高了模型更新效率，达到了针对关键质量变量时变的自适应软测量的目的。

公开(公告)号：CN110134088A

公开(公告)日：2019-08-16

申请号：CN201910422208.5

申请日：2019-05-21

Applicant: 浙江大学

Inventor： 葛志强 ,  杨泽宇 ,  宋执环

IPC: G05B19/418

Abstract: 本发明公开了一种基于增量支持向量回归的自适应质量预报方法，该方法为适应复杂多变的多工况生产过程，在原始的支持向量回归模型的基础上，利用其自身的KKT条件，实现对新增样本的区分学习，对带有信息的样本进行增量学习，对不带有新信息的样本保持模型不变，能够在保证模型泛化能力的同时降低模型更新频率；本发明不仅能够有效面对实际工业过程中的非线性，还针对过程中的时变特性对模型进行不断更新，且一定程度上改善了模型更新效率的问题，从而达到自适应质量预报的目的。

公开(公告)号：CN110197022A

公开(公告)日：2019-09-03

申请号：CN201910426698.6

申请日：2019-05-21

Applicant: 浙江大学

Inventor： 葛志强 ,  杨泽宇

IPC: G06F17/50

Abstract: 本发明公开了一种面向流式大数据的并行概率变分软测量建模方法，该方法在原始的变分有监督因子分析模型的基础上，分别引入流式更新方法和对称相对熵，根据实际流式大数据的变化而实时更新模型参数的后验分布和决定先验分布的选择，从而实现模型的自适应更新，并结合并行计算策略，进一步提高模型更新效率；本发明能够针对实时性要求较高的流式大数据场景，在一定程度上改善了模型性能，并结合并行计算策略提高了模型更新效率，达到了面对流式大数据自适应软测量的目的。

公开(公告)号：CN110083065A

公开(公告)日：2019-08-02

申请号：CN201910421467.6

申请日：2019-05-21

Applicant: 浙江大学

Inventor： 葛志强 ,  杨泽宇 ,  宋执环

IPC: G05B13/04

Abstract: 本发明公开了一种基于流式变分贝叶斯有监督因子分析的自适应软测量方法，该方法在原始的有监督概率因子分析模型的基础上，引入流式变分推断方法，可根据实际数据流的变化而实时更新模型参数的后验分布，并为适应工业过程时变性，在更新过程中引入对称相对熵来决定先验分布的选取，从而实现模型的自适应更新；本发明能够有效面对实际工业过程中的时变特性，在一定程度上缓解了过拟合，并提高了模型更新效率，达到了针对关键质量变量时变的自适应软测量的目的。