绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 4 条结果
[专利] 发明专利 CN201710790567.7
浙江大学 2018-01-05
摘要:本发明公开了一种基于核学习的化工过程故障分类方法。该方法首先收集化工过程的正常工况数据与各类型的故障工况数据,建立监督最大方差展开模型并通过半正定核学习得到一个核矩阵;然后使用方法进行核拟合以得到显式的核函数;下一步是训练出贝叶斯分类器以判断待测数据的类别信息。相比传统算法,本发明可以大大提高化工过程故障分类的准确率,很大程度上改善了分类性能,增强了过程操作员对过程的理解能力和操作信心,更加有利于减少过程波动、提高产品质量,保障化工过程的自动化实施。
[专利] 发明专利 CN201710619585.9
苏州嘉斯度智能装备有限公司 浙江大学昆山创新中心 2017-12-12
摘要:本发明提供了基于工业大数据多层核学习的连续加热釜快速故障检测法,其提高对连续加热釜过程故障检测的效率,减小对计算机硬件的依赖,减小延迟检测时间,改善了故障检测性能,增强了过程操作员对过程的操作信心,更加有利于减少过程波动、提高产品产量与质量,保障工业过程的自动化的有效实施。其利用集散控制系统收集正常工作状态下的数据,对数据进行预处理和归一化;然后根据数据流形结构的局部特征和稀疏性,将建模数据X切为分逐级嵌套的(L+1)层;并在每一层内分别训练出相应的核矩阵;将每一层训练出的核矩阵扩展拼接得到总的近似核矩阵,并进一步得到检测统计限;最终在新数据到来时,计算出其降维结果与相应的统计量,判断系统的运行状况。
[专利] 发明专利 CN201710618914.8
苏州嘉斯度智能装备有限公司 浙江大学昆山创新中心 2017-11-03
摘要:本发明提供了基于双目视觉的行车自动定位装置,其减少工人的劳动强度、并提高生产效率。其包括行车轨道、大车、小车、吊具和支架,行车轨道是固定在支架上的,行车轨道为一对平行设置的轨道梁,所述大车的长度方向两端分别架设在所述行车轨道的对应轨道梁上、并沿着行车轨道进行直线向的往复运动,小车安装于所述大车上部,所述小车沿着所述大车的长度方向上往复直线运动,所述的吊具为C型吊具,所述吊具通过可升降结构安装在所述小车上,所述吊具的运动方向和地面垂直,其特征在于:其还包括至少一对光电传感器、双目摄像机、计算机,至少一根轨道梁的两端布置对应的一对光电传感器,所述双目摄像机分别布置于所述大车的长度方向的两端。
[博士论文] 魏驰航
控制科学与工程 浙江大学 2018(学位年度)
摘要:工业4.0时代与“中国制造2025”为现代工业带来了更多的机遇与挑战,现代工业自动化系统日益复杂,其信息化与智能化的程度日益加深。过程监测是现代工业的关键技术,其目的是保障生产过程安全、提高产品质量和生产效率、降低工业能耗和污染。传统的统计分析过程监测技术基于较朴素的假设(如独立同分布、线性、稳定工况),而在实际工业过程其面临多方面的问题与挑战,主要可以归纳为样本特性层面(主要包括离群点、缺失值、多采样率与工业大数据)与变量特性层面(主要包括互相关、非线性、监督指标约束和时变性)。本文从流形学习的角度出发,针对性地从上述两个层面研究了基于降维映射的工业过程建模和过程监测问题。全文的主要研究内容如下:
  (1)针对质量预报中的非线性与互相关问题,提出了基于自学习核回归模型(SLKR)的回归建模与质量预报方法,其建模过程带有质量约束。不同于传统核方法需要人为选定核函数的形式与参数,SLKR通过特殊设计的半正定规划(SDP)基于给定的建模数据自主地优化学习出核空间。原始数据变量间的非线性相关关系在这个核空间中被最大程度地恢复为线性,并同时最大化这些线性相关的核空间变量与质量变量间的回归关系。SLKR模型非线性数据处理能力强,基于SLKR模型的质量预报精度高。
  (2)数据的局部信息更能够表现数据的本质关系特征、更符合数据的特征分布。传统质量预报模型跟据分布的全局形态建模,忽视数据局部特性中所蕴含的信息。针对这一问题,提出了基于邻域保持嵌入回归模型(NPER)的回归建模与质量预报方法,其采样局部信息建模。并进一步针对样本数量少于数据维度的情况(稀疏性),对回归参数进行弹性网惩罚(EN),提出了基于稀疏邻域保持嵌入回归模型(SNPER)的回归建模与质量预报方法。最后针对工业过程时变性,借鉴即时学习的思想,提出了基于局部加权稀疏邻域保持嵌入回归模型(LW-SNPER)的回归建模与质量预报方法,可以保证回归参数的稀疏性,具有较强的跟踪过程时变性的能力,质量预报精度高。
  (3)针对质量约束的故障检测问题,提出了基于监督式的自学习核模型(S-SLK)的过程建模与故障检测方法。S-SLK扩展了MVU的建模范围,利用了过程变量与质量变量相关关系中所蕴含的信息。考虑到质量变量测量值的珍贵性,进而提出基于广义监督自学习核模型(GSS-SLK)的过程建模与故障检测方法,可以最大程度地利用含有任意程度的缺失值的多个质量变量数据。此方法同样可以处理多采样率问题。
  (4)针对故障检测中的大数据问题,提出了一种基于分层技术的多层最大方差展开模型(MLMVU)的过程建模与故障检测方法。传统的MVU模型高效的非线性处理能力使得基于此模型的过程建模与故障检测方法检测率高,漏报率低。然而其计算复杂度与空间要求严重限制了其在大规模数据上的可扩展性。MLMVU模型将大规模数据被有序切割并分配到多层结构,在牺牲有限精度的前提下显著地提升计算效率、降低空间要求。通过生成采样率较高的TE过程数据,验证了基于MLMVU过程建模与故障检测方法的有效性,并具体分析了其中某故障的故障源与检测效果,说明了大数据在统计过程监测中的意义。
  (5)针对类别指标的约束的非线性故障分类问题,分别提出了两种基于监督最大方差展开模型(SMVU1与SMVU2)的过程建模与故障分类方法。当监测到系统运行异常时,我们需要及时准确地获取故障的类别信息,以方便做出正确的应对措施。通过将类别指标的约束关系引入统计过程监测模型,可以在数据降维的同时提取数据中与故障类别最相关的信息,并去除冗余变量与噪声,其故障分类结果准确度高。
  (6)针对数据特性层面的离群点问题,本文所提出的模型也做了相应处理使得其对离群点更加鲁棒。针对MVU模型及其改进模型,本文均将严格的等式约束放松为不等式约束;这样训练出的模型更加鲁棒,少量的离群点不会对建模产生较大影响。NPE模型及其改进模型,使用最小化局部重构误差的思想计算邻域关系与投影,天然地对离群点不敏感。另外针对变量特性层面的互相关问题、非线性问题,本文以构建基于数据降维映射的统计监测模型为研究思路,依托于流形学习方法,通过局部建模发掘真实的数据低维流形结构,并通过局部线性化的思想方便地近似出全局非线性结构。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部