-
公开(公告)号：CN113033079B
公开(公告)日：2023-07-18
申请号：CN202110248735.6
申请日：2021-03-08
Applicant: 重庆优易特智能科技有限公司 , 重庆科技学院 , 中南财经政法大学
IPC: G06F30/27 , G06F18/214 , G06F18/22 , G06N3/0464 , G06N3/08 , G06F119/08
Abstract: 本发明提供一种基于不平衡修正卷积神经网络的化学故障诊断方法,包括以下步骤，S1：TE过程数据预处理；S2：合成样本；S3：数据降维；S4：构建CNN增量学习网络。本发明的有益效果是，提出的II‑CNN框架可以进行不平衡数据的合成，并考虑了边界样本的重要性，从而使合成的样本更具有代表性；在此基础上，对数据进行降维，简化复杂的学习过程；最后，针对新故障类型的到来，采用增量学习更新CNN网络的结构和参数。该方法优于现有的静态模型方法，在化学故障诊断中具有显著的鲁棒性和可靠性。
-
公开(公告)号：CN112200104B
公开(公告)日：2022-06-24
申请号：CN202011105034.9
申请日：2020-10-15
Abstract: 本发明提供一种基于增强主成分分析新型贝叶斯框架的化工故障诊断方法,包括以下步骤，S1：TE过程数据采样；S2：计算监测变量的贡献度；S3：提取故障的关键特征变量；S4：训练与测试数据集划分；S5：蜻蜓算法寻找最优平滑参数；S6：构造增强朴素贝叶斯模型。本发明的有益效果是，本发明提出的eKPCA根据Hotelling统计量(T2)和平方预测误差(SPE)来计算每个被监测变量对T2和SPE的贡献，从而更加精确得到数据的关键特征；本发明利用蜻蜓算法(DA)来寻求增强朴素贝叶斯分类器的最优平滑参数，并通过将平滑参数引入到多元高斯核函数中，使得eK‑eNBM可以对整个属性使用最优的平滑参数，从而提高分类精度，为化工过程提供较高的故障诊断准确率。
-
公开(公告)号：CN114817856B
公开(公告)日：2024-05-28
申请号：CN202210397562.9
申请日：2022-04-15
Applicant: 重庆科技学院
IPC: G06F17/18 , G06F18/23213
Abstract: 本发明涉及石油工业技术领域，尤其涉及一种基于结构信息保持域适应网络的抽油机故障诊断方法，包括采集抽油机示功图数据，得到源域数据集和目标域数据集，使用特征生成器提取源域特征和目标域特征，在源域中使用源域特征和源域样本标签进行有监督训练更新特征生成器和分类器，使用无监督聚类算法对目标域特征进行聚类获得目标域伪标签，将源域特征和源域标签，以及目标域特征和目标域伪标签输入局部最大均值差异度量公式进行分布差异计算对特征生成器进行优化。本发明所提出的结构信息保持域适应网络能够用于抽油机的故障诊断，能够降低故障诊断模型训练对数据标注的过度要求，并能够提高故障诊断模型在不同应用场景的泛化性能。
-
Patent Agency Ranking
公开(公告)号：CN112200104A
公开(公告)日：2021-01-08
申请号：CN202011105034.9
申请日：2020-10-15
Abstract: 本发明提供一种基于增强主成分分析新型贝叶斯框架的化工故障诊断方法,包括以下步骤，S1：TE过程数据采样；S2：计算监测变量的贡献度；S3：提取故障的关键特征变量；S4：训练与测试数据集划分；S5：蜻蜓算法寻找最优平滑参数；S6：构造增强朴素贝叶斯模型。本发明的有益效果是，本发明提出的eKPCA根据Hotelling统计量(T2)和平方预测误差(SPE)来计算每个被监测变量对T2和SPE的贡献，从而更加精确得到数据的关键特征；本发明利用蜻蜓算法(DA)来寻求增强朴素贝叶斯分类器的最优平滑参数，并通过将平滑参数引入到多元高斯核函数中，使得eK‑eNBM可以对整个属性使用最优的平滑参数，从而提高分类精度，为化工过程提供较高的故障诊断准确率。
-
公开(公告)号：CN117065728A
公开(公告)日：2023-11-17
申请号：CN202310154651.5
申请日：2023-02-17
IPC: B01J20/26 , B01J20/28 , B01J20/30 , C02F1/28 , C02F101/20
Abstract: 本发明公开了一种基于麦克加成反应制备的单宁酸基水凝胶吸附剂及其制备方法与应用，具体涉及重金属离子废水处理技术领域，制备方法包括以甲基丙烯酸酐、1,6‑己二胺、三乙胺为底物制备的单体，向单体中加入丙烯酸，在N,N‑亚甲基双丙烯酰胺为交联剂、过硫酸铵为引发剂的条件下，聚合形成水凝胶，而后将水凝胶置于单宁酸水溶液中通过麦克加成反应制备单宁酸基水凝胶。有益效果在于：本发明制备的单宁酸基水凝胶对铅离子具有很好的选择吸附性，能够很好地从含铅废液中吸附回收铅离子，解决目前铅离子的回收效率低、选择性差的技术问题；而且具有很强的弹性、力学性能优异，操作简单方便；而且易回收再利用，可多次反复吸附废铅，具有可持续性。
-
公开(公告)号：CN114817856A
公开(公告)日：2022-07-29
申请号：CN202210397562.9
申请日：2022-04-15
Applicant: 重庆科技学院
Abstract: 本发明涉及石油工业技术领域，尤其涉及一种基于结构信息保持域适应网络的抽油机故障诊断方法，包括采集抽油机示功图数据，得到源域数据集和目标域数据集，使用特征生成器提取源域特征和目标域特征，在源域中使用源域特征和源域样本标签进行有监督训练更新特征生成器和分类器，使用无监督聚类算法对目标域特征进行聚类获得目标域伪标签，将源域特征和源域标签，以及目标域特征和目标域伪标签输入局部最大均值差异度量公式进行分布差异计算对特征生成器进行优化。本发明所提出的结构信息保持域适应网络能够用于抽油机的故障诊断，能够降低故障诊断模型训练对数据标注的过度要求，并能够提高故障诊断模型在不同应用场景的泛化性能。
-
公开(公告)号：CN113033079A
公开(公告)日：2021-06-25
申请号：CN202110248735.6
申请日：2021-03-08
Applicant: 重庆优易特智能科技有限公司 , 重庆科技学院 , 中南财经政法大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F119/08
Abstract: 本发明提供一种基于不平衡修正卷积神经网络的化学故障诊断方法,包括以下步骤，S1：TE过程数据预处理；S2：合成样本；S3：数据降维；S4：构建CNN增量学习网络。本发明的有益效果是，提出的II‑CNN框架可以进行不平衡数据的合成，并考虑了边界样本的重要性，从而使合成的样本更具有代表性；在此基础上，对数据进行降维，简化复杂的学习过程；最后，针对新故障类型的到来，采用增量学习更新CNN网络的结构和参数。该方法优于现有的静态模型方法，在化学故障诊断中具有显著的鲁棒性和可靠性。
-
公开(公告)号：CN210597092U
公开(公告)日：2020-05-22
申请号：CN201921205952.1
申请日：2019-07-29
Applicant: 重庆科技学院
Inventor： 杨光
Abstract: 本实用新型涉及警示装置技术领域，且公开了一种安全工程用夜间警示牌，包括底板，所述底板的顶部固定连接有底座，所述底座内底壁的左右两侧均固定安装有第一滑轨，所述第一滑轨的顶部活动安装有第一滑块，所述底座内腔的左右两侧均固定安装有一端与第一滑块固定连接的电动推杆，所述第一滑块的顶部铰接有支杆。该安全工程用夜间警示牌，通过设置有电动推杆，开启电动推杆，两个第一滑块在第一滑轨上向中间靠拢，支杆的倾斜角度逐渐减小，升降板的高度随着支杆的倾斜角度减小而升高，从而实现警示牌的高度升降，该装置能够调节警示牌的高度，便于施工人员观察到警示牌的存在，增强警示效果，降低施工时的安全隐患。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.039 seconds)
