-
公开(公告)号:CN114064754A
公开(公告)日:2022-02-18
申请号:CN202111336048.6
申请日:2021-11-11
Applicant: 浙江大学
IPC: G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种工业时序数据特征学习方法,包括以下步骤:S1、获取原始工业多维度的时序数据并进行归一化处理;S2、对经归一化处理的时序数据进行数据变换和多时间尺度增强操作;S3、基于卷积自编码器和多时间尺度特征一致性约束建立特征学习模型,实现时序数据的表征。本发明代替了传统方法中对工业过程数据进行繁杂手动特征提取的方式,能够快速有效地自动编码原始多维度工业时序数据的有效表征。该方法是一种通用的多维度时序数据表征方法,其属于完全无监督方法,所获得的表征可以代替原始多维时序数据作为下游任务的输入,比如控制回路异常识别及性能评估。
-
公开(公告)号:CN116468295A
公开(公告)日:2023-07-21
申请号:CN202310439754.6
申请日:2023-04-23
Applicant: 浙江大学 , 浙江中控技术股份有限公司
IPC: G06Q10/0637 , G06Q10/0633
Abstract: 本发明公开了一种适用于流程行业全价值链产品的区域动态协调优化方法。本发明以区域优化为核心,在生产装置高度自主运行和计划调度优化的基础上,通过协同统筹生产计划及生产执行,考虑多装置上下游生产操作,进行全流程的整体优化,全面保证不同决策层之间的有效信息共享和优化操作,赋能于实现从基础控制,先进控制,单装置操作优化、多装置跨区域联合优化,实现从原材料到产品的全流程优化。
-
公开(公告)号:CN114064754B
公开(公告)日:2024-07-12
申请号:CN202111336048.6
申请日:2021-11-11
Applicant: 浙江大学
IPC: G06F16/2458 , G06N3/0464 , G06N3/088 , G06N3/09
Abstract: 本发明公开了一种工业时序数据特征学习方法,包括以下步骤:S1、获取原始工业多维度的时序数据并进行归一化处理;S2、对经归一化处理的时序数据进行数据变换和多时间尺度增强操作;S3、基于卷积自编码器和多时间尺度特征一致性约束建立特征学习模型,实现时序数据的表征。本发明代替了传统方法中对工业过程数据进行繁杂手动特征提取的方式,能够快速有效地自动编码原始多维度工业时序数据的有效表征。该方法是一种通用的多维度时序数据表征方法,其属于完全无监督方法,所获得的表征可以代替原始多维时序数据作为下游任务的输入,比如控制回路异常识别及性能评估。
-
公开(公告)号:CN108279567B
公开(公告)日:2021-04-09
申请号:CN201711477000.0
申请日:2017-12-29
Applicant: 浙江中控软件技术有限公司 , 浙江大学
IPC: G05B13/04
Abstract: 本发明提供了用于鲁棒控制的系统辨识方法,属于控制领域,用于对非线性系统参数的取值区间进行确定,包括:建立离散切换模型方程,对离散切换模型进行简化处理,得到方程的简洁表达式;获取模型输入输出数据,将模型数据代入简洁表达式中求解,得到方程参数数据集;对参数数据集中的数据进行过滤得到滤除数据,将滤除数据进行重分配操作,得到重分配参数数据集。通过在确定参数数据集的过程中,基于最大可行集的思想,同时采用高效地近似计算方法,能够快速地辨识出时变系统的参数上下限,弥补了现有技术中多种辨识方法的不足,能够提高确定参数取值范围的效率。
-
-
-