-
公开(公告)号：CN118192233B
公开(公告)日：2024-09-24
申请号：CN202410313805.5
申请日：2024-03-18
Applicant: 淮阴工学院
IPC: G05B13/04
Abstract: 本发明公开了一种污水处理过程水质能耗预测及优化控制方法及系统，主要包括以下内容：采集污水数据，使用VMD滤波选择特定的本征模态函数进行滤波处理，去除特定频率范围内的干扰信号；建立Reformer和STGCN模型分别用于预测污水处理过程出水水质和能耗，并使用水循环算法得到最佳参数，提高模型的预测能力。建立多目标水循环算法，以出水水质和能耗为目标进行优化控制。与现有技术相比，本发明中使用Reformer和STGCN模型进行预测，结合两种预测模型的优点，并使用水循环算法优化，使预测结果更加准确。同时以出水水质和能耗为目标，采用多目标水循环算法可以有效地寻找到偏好解，更好的进行优化控制。
-
公开(公告)号：CN116311374B
公开(公告)日：2023-10-20
申请号：CN202310304191.X
申请日：2023-03-27
Applicant: 淮阴工学院
Abstract: 本发明公开了一种化工厂工人异常行为识别与预警方法及系统，包含化工厂工人异常行为数据集建立，工人骨骼关节点检测，工人异常行为识别，异常行为显示与预警四个部分。针对化工厂工人异常行为特点，建立异常行为数据集；将获取的视频数据进行帧化，并对图片进行处理。采用OpenPose算法获取工人骨骼关节点信息；利用改进的STGCN训练行为识别模型，通过改进的AO算法优化STGCN超参数提高模型性能；利用训练完成的模型进行工人行为识别；最终对识别得到的异常行为进行前端展示与预警，便于监管人员查看并处理。与现有技术相比，本发明可以有效的对化工厂工人异常行为进行识别，及时发现隐患，降低风险发生，对工人安全以及生产安全有着重大意义。
-
公开(公告)号：CN116203907B
公开(公告)日：2023-10-20
申请号：CN202310304189.2
申请日：2023-03-27
Applicant: 淮阴工学院
IPC: G05B19/418
Abstract: 本发明公开了一种化工过程故障诊断报警方法及系统。由数据采集模块、数据预处理模块、模型训练模块、故障诊断模块和报警模块组成。数据采集模块对原始化工过程数据进行采集。数据预处理模块对采集到的原始数据集进行分解和降维处理，提高数据利用率。模型训练模块构建基于STGCN的化工过程故障诊断模型，并通过化工过程的历史数据与改进ChOA算法对建立的故障诊断模型进行训练。故障诊断模块，用于训练故障模型并诊断故障是否发生，并在诊断出故障时判定故障类型。报警模块，用于在诊断出故障时，报警模块会发出警报并显示故障类型，从而提醒工厂与工人及时处理，提高工厂运行效率、使工厂维持安全稳定的生产过程。
-
公开(公告)号：CN118094314A
公开(公告)日：2024-05-28
申请号：CN202410141365.X
申请日：2024-01-31
Applicant: 淮阴工学院
IPC: G06F18/241 , G06N3/0442 , G06N3/08 , G06Q50/04
Abstract: 本发明公开了一种基于改进时空模型的化工过程故障诊断方法及系统，所述方法包括获取田纳西‑伊斯曼过程中的操作变量和过程变量作为历史数据；根据故障种类的不同，添加故障种类标签，构建原始数据集；对原始数据集进行数据增强处理；建立基于改进时空模型GCGRU的化工过程故障诊断模型，并利用贝叶斯优化算法BOA优化基于改进时空模型的化工过程故障诊断模型的关键参数；对基于GCGRU的化工过程故障诊断模型进行训练，求出GCGRU网络的最优参数；利用训练优化后的化工过程故障诊断模型对TE过程数据进行诊断，得到诊断结果，展示故障类型，提醒工厂与工人及时处理。本发明提高对故障信息的利用，有效提高化工过程故障诊断效率。
-
公开(公告)号：CN116203907A
公开(公告)日：2023-06-02
申请号：CN202310304189.2
申请日：2023-03-27
Applicant: 淮阴工学院
IPC: G05B19/418
Abstract: 本发明公开了一种化工过程故障诊断报警方法及系统。由数据采集模块、数据预处理模块、模型训练模块、故障诊断模块和报警模块组成。数据采集模块对原始化工过程数据进行采集。数据预处理模块对采集到的原始数据集进行分解和降维处理，提高数据利用率。模型训练模块构建基于STGCN的化工过程故障诊断模型，并通过化工过程的历史数据与改进ChOA算法对建立的故障诊断模型进行训练。故障诊断模块，用于训练故障模型并诊断故障是否发生，并在诊断出故障时判定故障类型。报警模块，用于在诊断出故障时，报警模块会发出警报并显示故障类型，从而提醒工厂与工人及时处理，提高工厂运行效率、使工厂维持安全稳定的生产过程。
-
公开(公告)号：CN118094314B
公开(公告)日：2024-09-27
申请号：CN202410141365.X
申请日：2024-01-31
Applicant: 淮阴工学院
IPC: G06F18/241 , G06N3/0442 , G06N3/08 , G06Q50/04
Abstract: 本发明公开了一种基于改进时空模型的化工过程故障诊断方法及系统，所述方法包括获取田纳西‑伊斯曼过程中的操作变量和过程变量作为历史数据；根据故障种类的不同，添加故障种类标签，构建原始数据集；对原始数据集进行数据增强处理；建立基于改进时空模型GCGRU的化工过程故障诊断模型，并利用贝叶斯优化算法BOA优化基于改进时空模型的化工过程故障诊断模型的关键参数；对基于GCGRU的化工过程故障诊断模型进行训练，求出GCGRU网络的最优参数；利用训练优化后的化工过程故障诊断模型对TE过程数据进行诊断，得到诊断结果，展示故障类型，提醒工厂与工人及时处理。本发明提高对故障信息的利用，有效提高化工过程故障诊断效率。
-
公开(公告)号：CN118192233A
公开(公告)日：2024-06-14
申请号：CN202410313805.5
申请日：2024-03-18
Applicant: 淮阴工学院
IPC: G05B13/04
Abstract: 本发明公开了一种污水处理过程水质能耗预测及优化控制方法及系统，主要包括以下内容：采集污水数据，使用VMD滤波选择特定的本征模态函数进行滤波处理，去除特定频率范围内的干扰信号；建立Reformer和STGCN模型分别用于预测污水处理过程出水水质和能耗，并使用水循环算法得到最佳参数，提高模型的预测能力。建立多目标水循环算法，以出水水质和能耗为目标进行优化控制。与现有技术相比，本发明中使用Reformer和STGCN模型进行预测，结合两种预测模型的优点，并使用水循环算法优化，使预测结果更加准确。同时以出水水质和能耗为目标，采用多目标水循环算法可以有效地寻找到偏好解，更好的进行优化控制。
-
公开(公告)号：CN118112446A
公开(公告)日：2024-05-31
申请号：CN202410022739.6
申请日：2024-01-05
Applicant: 淮阴工学院
IPC: G01R31/392 , G01R31/367 , G01R31/378
Abstract: 本发明公开了一种基于集成学习的氢燃料电池寿命预测方法，包括：获取氢燃料电池工作过程中的多变量历史监测数据，利用极限梯度提升算法对其进行特征选择，确定健康指标和最佳输入变量集，得到最优输入矩阵；构建基于Blending集成的寿命预测模型，基学习层由DBN、GRU和TCN组成，元学习层由GPR构成；利用改进的人工兔优化算法IARO对集成模型的关键超参数进行寻优；结合最优输入矩阵和IARO对构建的集成模型进行训练，得到优化训练后的Blending集成预测模型；结合预处理过的新样本和优化后的Blending集成预测模型，得到剩余寿命的最终预测结果。本发明通过集成单一模型的优点实现高精度的剩余寿命点预测，为研究出适合氢燃料电池系统长期运行的维护策略方面提供参考。
-
公开(公告)号：CN119128572A
公开(公告)日：2024-12-13
申请号：CN202410161208.5
申请日：2024-02-05
Applicant: 淮阴工学院
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06N3/006 , G06N3/047 , G06N3/0475 , G06N3/044 , G01M13/021 , G01M13/028
Abstract: 本发明公开了一种齿轮箱故障诊断方法、系统、设备及介质，所述方法包括先获取齿轮箱振动信号，形成齿轮箱数据集；采用变分模态提取与小波半软硬阈值结合的去噪方法对齿轮箱振动信号形成的齿轮箱数据集进行去噪处理；将去噪后齿轮箱振动信号采用连续小波变换得到二维时频图作为深度置信网络DBN的输入序列；通过DBN对所述输入序列进行特征提取，挖掘二维时频图中的特征信息；将提取到的特征信息输入Crossformer模型中，并采用改进的水母算法对Crossformer模型进行参数优化，经过训练好的Crossformer模型得到齿轮箱的故障诊断结果。本发明诊断精度较高，处理速度较快，可以有效的对齿轮箱进行故障诊断。
-
公开(公告)号：CN117272904A
公开(公告)日：2023-12-22
申请号：CN202311272197.X
申请日：2023-09-27
Applicant: 淮阴工学院
IPC: G06F30/367 , G06F30/373 , G06N5/04 , G06F111/04
Abstract: 本发明公开了一种多模型光伏电池同步辨识方法，包括：获取光伏电池的电压电流数据；构建多模型光伏电池，其中包括单二极管光伏电池等效电路模型SDM,双二极管光伏电池等效电路模型DDM和四二极管等效电路模型FDM，确定待辨识参数；确立目标函数及约束条件；通过改进的混沌博弈算法CGO对多模型光伏电池参数进行同步辨识，求解最佳辨识参数，输出改进的混沌博弈算法辨识多模型光伏电池的参数结果。与现有技术相比，本发明考虑到不同的模型之间会存在一些共享的知识，一个模型在处理某个任务时所获得的知识，有助于其他模型解决类似的问题，实现了多模型光伏电池参数的精准辨识，提高了多模型光伏电池待识别参数计算的准确率和效率。
