-
公开(公告)号：CN110705129A
公开(公告)日：2020-01-17
申请号：CN201911048863.5
申请日：2019-10-31
Applicant: 重庆科技学院
Abstract: 本发明提出一种基于全相关动态KPLS(all correlated dynamic KPLS，ADKPLS)的非线性化工过程故障诊断方法。该方法首先把原始数据分为输入变量与输出变量两个部分，分别进行动态特征分析研究，使组成的数据矩阵能很好地反映变量间的动态关系。然后分析证明了KPLS中输出变量的变化会影响到输入残差空间，设计一个输出变量辅助矩阵，表征输入变量与输出变量的全相关性。最后，采用基于输入变量与输出变量之间的全相关信息构建贡献图以识别故障源变量。与KPLS相比，本发明在输入和输出变量之间建立了更直接的关系。
-
公开(公告)号：CN105822289B
公开(公告)日：2019-03-19
申请号：CN201610177653.6
申请日：2016-03-25
Applicant: 重庆科技学院
IPC: E21B47/047 , E21B47/14 , G06K9/00 , G06Q50/02
Abstract: 本发明公开了一种用于油井动液面检测的频率估算方法，包括以下步骤：采集油井动液面的声场信号，得到采样信号x(n)；对采样信号x(n)进行加窗处理，得到加窗函数xw(n)；将加窗函数xw(n)进行离散傅里叶变换，得到频谱Xw(k)；从频谱Xw(k)中寻找幅值最大的频点、最大频谱幅值Xw(l)和第二大频谱幅值Xw(l±1)，其中幅值最大的频点记为第一次迭代时的频率初始值l1；通过插值计算真实频率值λ0；按照公式计算信号的频率fo。有益效果：本算法运用范围广，适用于所有选择的窗函数；计算误差小，受噪声的影响小，具有较好的一致性；计算过程简洁，无需对数据进行预先计算，也不需要存储窗函数的相关参数信息。
-
公开(公告)号：CN105822289A
公开(公告)日：2016-08-03
申请号：CN201610177653.6
申请日：2016-03-25
Applicant: 重庆科技学院
IPC: E21B47/047 , E21B47/14 , G06K9/00 , G06Q50/02
CPC classification number: E21B47/042 , E21B47/14 , G06K9/00523 , G06Q50/02
Abstract: 本发明公开了一种用于油井动液面检测的频率估算方法，包括以下步骤：采集油井动液面的声场信号，得到采样信号x(n)；对采样信号x(n)进行加窗处理，得到加窗函数xw(n)；将加窗函数xw(n)进行离散傅里叶变换，得到频谱Xw(k)；从频谱Xw(k)中寻找幅值最大的频点、最大频谱幅值Xw(l)和第二大频谱幅值Xw(l±1)，其中幅值最大的频点记为第一次迭代时的频率初始值l1；通过插值计算真实频率值λ0；按照公式计算信号的频率fo。有益效果：本算法运用范围广，适用于所有选择的窗函数；计算误差小，受噪声的影响小，具有较好的一致性；计算过程简洁，无需对数据进行预先计算，也不需要存储窗函数的相关参数信息。
-
公开(公告)号：CN110705129B
公开(公告)日：2023-03-14
申请号：CN201911048863.5
申请日：2019-10-31
Applicant: 重庆科技学院
Abstract: 本发明提出一种基于全相关动态KPLS(all correlated dynamic KPLS，ADKPLS)的非线性化工过程故障诊断方法。该方法首先把原始数据分为输入变量与输出变量两个部分，分别进行动态特征分析研究，使组成的数据矩阵能很好地反映变量间的动态关系。然后分析证明了KPLS中输出变量的变化会影响到输入残差空间，设计一个输出变量辅助矩阵，表征输入变量与输出变量的全相关性。最后，采用基于输入变量与输出变量之间的全相关信息构建贡献图以识别故障源变量。与KPLS相比，本发明在输入和输出变量之间建立了更直接的关系。
-
-
-
Search Results
4
records
(took 0.023 seconds)
