-
公开(公告)号：CN114237202B
公开(公告)日：2024-04-05
申请号：CN202111496925.6
申请日：2021-12-08
Applicant: 浙江大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于FIA‑CVA与迭代增强框架的过程监测方法。在建模阶段旨在通过利用故障信息来获得更有效的故障检测结果，从而提出了FIA‑CVA建模方法。首先通过典型变量分析方法将原始数据空间分解为状态子空间和残差子空间。根据一定的故障数据，分析故障从正常到故障的变化，进一步将残差子空间分解为故障相关状态子空间、故障无关状态子空间、故障相关残差和故障无关子空间四个子空间，并建立相应的基于FIA‑CVA的监控统计和阈值。随后通过所提出的故障信息辅助集成增强监测框架（FIA‑IEMS）进行过程监测。在这个框架中首先依据工业现场采集到了多种类故障数据，建立一系列FIA‑CVA子模型，然后采用贝叶斯推理综合考虑不同模型的监测概率从而进行更为广泛的故障监测。
-
公开(公告)号：CN117709185A
公开(公告)日：2024-03-15
申请号：CN202311481268.7
申请日：2023-11-08
Applicant: 浙江大学
IPC: G06F30/27 , G06F30/10 , G16C20/20 , G16C20/70 , G06Q10/10 , G06F111/04 , G06F111/20 , G06F113/08 , G06F119/08 , G06F119/02
Abstract: 本发明公开了一种面向流程工业的数字孪生架构设计方法。数字孪生系统是一个可视化的虚拟生产系统，可实现与现场物理实体的平行运行，为实体的安全高效生产提供模拟优化、监测诊断、智能运维等赋能技术。现存的数字孪生系统无法满足流程工业亟需的质量指标感知能力、优化控制赋能功效、故障诊断赋能功效等核心功能。针对这一弊端，本发明提出一种面向流程工业的数字孪生架构设计方法，在数据感知、几何建模、连接交互等数字孪生基本架构的基础上，补充了基于Adaptive DiASSA算法的故障检测模块、基于SF‑Transformer算法的质量指标软测量模块、基于QST‑MPC算法的混合整数决策优化模块，保障流程工业数字孪生系统的真正落地应用。
-
公开(公告)号：CN117332345A
公开(公告)日：2024-01-02
申请号：CN202311098347.X
申请日：2023-08-29
Applicant: 浙江大学
IPC: G06F18/2433 , G06F18/2135 , G06F18/2136
Abstract: 本发明公开了一种基于联合稀疏约束的数据依赖核典型变量分析的监测方法，结合孤立核和主成分分析提出了依赖高炉数据的非线性特征提取框架，获得具有判别能力的数据依赖非线性特征用于检测故障；在提取非线性特征之后，使用I2,0范数联合稀疏约束的典型变量分析方法进一步探索高炉炼铁过程的动态性；通过结合流形约束梯度下降方法和梯度硬阈值追踪方法设计了一种高效的两阶段迭代交替方向乘子法方法解决新优化目标；然后，采用T2统计量及其相应的控制限实时监测高炉炼铁过程。本发明提出了一种基于IK的数据依赖非线性特征提取框架，该框架具有广泛的适用性；消除了冗余甚至负作用的非线性关系和异常值的影响；提高了典型变量空间的鲁棒性和准确性。
-
公开(公告)号：CN119961831A
公开(公告)日：2025-05-09
申请号：CN202510044454.7
申请日：2025-01-11
Applicant: 浙江大学
IPC: G06F18/2433 , G06F17/15 , G06F17/18 , G06F17/11
Abstract: 本发明公开了一种改进混合核辅助平稳变量分析的故障检测与识别方法，步骤包括：利用混合核探索典型平稳变量（CSVs）、奇异值分解（SVD）和迭代建模流程、平稳子空间分析（SSA）、计算两个统计量和指数差异的贡献；首先，考虑过去、未来矩阵和混合核的多视图非线性映射，探索典型平稳变量的时间相关性和弱平稳性；提出了奇异值分解和迭代建模流程的效率改进，以降低计算成本和准确估计典型平稳变量。此外，通过保留残差中没有自相关的平滑信息，以使用平稳子空间分析进一步分析生成平稳变量（SSVs）。通过对动态和静态平稳信息的直观解释，计算相应的两个统计量和指数差分贡献来进行故障的检测和识别。
-
公开(公告)号：CN118332787A
公开(公告)日：2024-07-12
申请号：CN202410427371.1
申请日：2024-04-10
Applicant: 浙江大学
IPC: G06F30/20
Abstract: 高炉炼铁和烧结制料是高炉冶炼系统中最关键的环节，其中烧结矿质量对后续高炉炼铁具有重要影响。为此，本发明提出了一种数据与机理混合驱动的建模与全局串行优化策略。通过结合操作经验和质量/热量守恒关系，建立了铁水产量和高炉能耗的机理模型。为建模系统的动态和非线性特性，构建了宽度学习拟合子空间辨识方法（Broad learning approximate subspace identification method，BLASIM）。在该数据驱动模型中，本发明引入了相关性误差为基础的参数化建模策略，实现了非线性状态空间辨识。其次，在灰狼优化算法基础上，提出全局串行优化策略。最后，实际的高炉冶炼数据充分验证了所提出方法在建模准确性和优化效果方面的可行性和有效性。
-
Patent Agency Ranking
公开(公告)号：CN117993289A
公开(公告)日：2024-05-07
申请号：CN202410076380.0
申请日：2024-01-18
Applicant: 浙江大学
IPC: G06F30/27 , G06N20/10 , G06F119/08
Abstract: 本发明公开了一种面向数字孪生的高炉温度场分布参数系统时空建模方法。1）完成高炉模型几何属性数字化复刻；2）在离线环境建立初始的张量式数据集，实现高炉温度场DPS初始离线动态的高精度分解；3）给出温度场分布参数系统离线预测值；4）在线环境下收集流型张量数据，实现时空矩阵的在线优化；5）利用在线LS‑SVM辨识时域实时动态，随后与实时空间基函数时空结合，实现高炉温度场DPS内部动态的在线建模；6）将几何渲染模型与内部规则模型相结合，组成完整的高炉温度场数字孪生模型。本发明高效、在线地实现空间基函数的自主更新，满足炉内温度场时空动态关系实时、高精度解耦的孪生模型需求。
-
公开(公告)号：CN118916738A
公开(公告)日：2024-11-08
申请号：CN202410938311.6
申请日：2024-07-13
Applicant: 浙江大学
IPC: G06F18/24 , G06N3/0895 , G06N3/09 , G06N3/088 , G06N5/01
Abstract: 本发明提出了一种基于鲁棒半监督分类框架的高炉炼铁过程故障诊断方法，以提高故障诊断性能。鲁棒半监督分类框架结合了有监督和无监督两部分，能够有效利用有限的高炉标记样本和大量的未标记样本。在有监督部分，为解决标记数据和未标记数据之间的巨大差距，采用了一种名为训练信号退火方法（TSA）的新训练技术以防止过拟合。此外，无监督损失部分通过利用未标记数据来增强模型的平滑性，其通过促使模型在加入对抗干扰前后的输出结果一致来实现。然后，基于幂迭代法和有限差分法设计了一种高效的对抗扰动计算方法。最终，通过对有监督损失和无监督损失的整体训练，实现了更为鲁棒的故障诊断模型。
-
公开(公告)号：CN117709185B
公开(公告)日：2024-07-30
申请号：CN202311481268.7
申请日：2023-11-08
Applicant: 浙江大学
IPC: G06F30/27 , G06F30/10 , G16C20/20 , G16C20/70 , G06Q10/10 , G06F111/04 , G06F111/20 , G06F113/08 , G06F119/08 , G06F119/02
Abstract: 本发明公开了一种面向流程工业的数字孪生架构设计方法。数字孪生系统是一个可视化的虚拟生产系统，可实现与现场物理实体的平行运行，为实体的安全高效生产提供模拟优化、监测诊断、智能运维等赋能技术。现存的数字孪生系统无法满足流程工业亟需的质量指标感知能力、优化控制赋能功效、故障诊断赋能功效等核心功能。针对这一弊端，本发明提出一种面向流程工业的数字孪生架构设计方法，在数据感知、几何建模、连接交互等数字孪生基本架构的基础上，补充了基于Adaptive DiASSA算法的故障检测模块、基于SF‑Transformer算法的质量指标软测量模块、基于QST‑MPC算法的混合整数决策优化模块，保障流程工业数字孪生系统的真正落地应用。
-
公开(公告)号：CN114879612A
公开(公告)日：2022-08-09
申请号：CN202210400654.8
申请日：2022-04-17
Applicant: 浙江大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于Local‑DBKSSA的高炉炼铁过程监测方法，以提高高炉炼铁过程的监控性能，包括离线建模和在线监测两部分；离线建模包括正则化原始数据，构造时间拓展矩阵，特征提取，SPS&NPS分解，统计量与阈值计算；在线监测包括正则化测试样本，时间拓展样本，特征重构，SPS部分构造，局部统计量，过程状态判断。本发明接受了基于时移和多核投影构造了动态宽非线性特征，以从更多角度探索过程特征。随后，将上述特征集成到稳态子空间分析（SSA）中，以根据时变数据准确估计稳态投影。并且，为了减少过程中大幅度波动的影响和提高故障检测能力，本发明进一步提出了基于局部策略的统计量。
-
公开(公告)号：CN114237202A
公开(公告)日：2022-03-25
申请号：CN202111496925.6
申请日：2021-12-08
Applicant: 浙江大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于FIA‑CVA与迭代增强框架的过程监测方法。在建模阶段旨在通过利用故障信息来获得更有效的故障检测结果，从而提出了FIA‑CVA建模方法。首先通过典型变量分析方法将原始数据空间分解为状态子空间和残差子空间。根据一定的故障数据，分析故障从正常到故障的变化，进一步将残差子空间分解为故障相关状态子空间、故障无关状态子空间、故障相关残差和故障无关子空间四个子空间，并建立相应的基于FIA‑CVA的监控统计和阈值。随后通过所提出的故障信息辅助集成增强监测框架（FIA‑IEMS）进行过程监测。在这个框架中首先依据工业现场采集到了多种类故障数据，建立一系列FIA‑CVA子模型，然后采用贝叶斯推理综合考虑不同模型的监测概率从而进行更为广泛的故障监测。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.016 seconds)
