公共文化服务平台

国家自然科学基金(61374140): 作品数：31 被引量：144H指数：8; 相关作者：侍洪波谭帅宋冰马玉鑫胡益更多>>; 相关机构：华东理工大学中车青岛四方机车车辆股份有限公司南车青岛四方机车车辆股份有限公司更多>>; 发文基金：国家自然科学基金上海市浦江人才计划项目中央高校基本科研业务费专项资金更多>>; 相关领域：自动化与计算机技术化学工程理学机械工程更多>>

基于变分贝叶斯方法的多工况过程监控: 2015年; 多模型方法是针对多工况工业过程监控所使用的最普遍也是最有效的方法.传统的多模型方法在离线建立子模型时,通常使用EM算法估计子模型的参数,但EM算法容易陷入局部最优,并且无法利用已有的先验信息,会导致建立混合模型不够准确,可能无法有效检测出故障.因此将变分贝叶斯方法与多模型方法相结合,可以充分利用数据的先验知识,估计的参数也更准确.在建立模型计算监控统计量后,通过比较待测试数据落在各个子模型中后验概率的大小整合多个监控结果.对TE过程的仿真实验表明,变分贝叶斯用于多模型方法可以有效地监控工业过程.; 安妮侍洪波

基于正交独立成分分析的过程数据建模: 针对非高斯数据分布过程中回归预测精度不足的问题,提出一种在独立成分分析(ICA)的基础上与正交信号校正(OSC)相结合的多元线性回归(MLR)方法——正交独立成分回归(O-ICR)。首先将原输入数据通过正交ICA(O-I...; 罗明英侍洪波谭帅; 关键词：正交信号校正; 文献传递

基于多数据结构的集成质量监控方法被引量：3: 2019年; 考虑到工业过程中不同数据结构特征的提取方式可能会影响质量监控性能,提出了一种融合过程数据集全局与局部结构特征的集成质量监控(Ensemble Learning based Multiple Data Structures Quality Monitoring,E-MDSQM)方法。首先,构建偏最小二乘(Partial Least Square,PLS)、邻域保持回归(Neighborhood Preserving Regression,NPR)、局部全局主成分回归(Local and Global Principal Component Regression,LGPCR)3种基础模型,分别描述过程数据的全局结构、局部拓扑及局部全局混合结构信息;然后,基于一种新的监控指标,采用遗传优化算法求得最优权重,集成融合各统计量并确定控制限;最后,通过田纳西-伊斯曼(Tennessee-Eastman Process,TE)过程仿真,评估集成模型的监控效果,并与PLS、NPR、LGPCR 3种基础算法比较,实验结果表明该集成模型取得了较好的综合效果。; 薛敏杨健谭帅侍洪波; 关键词：故障检测流形学习

CRH380A型动车组刮雨器检修及故障诊断方法被引量：3: 2016年; 简述了CRH380A型动车组刮雨器的结构组成和控制原理,并对该型号刮雨器的检修方法进行了详细的研究。将刮雨器的检修分为2个部分:刮雨器的状态检修和功能试验。在对刮雨器进行功能试验的过程中,提出了编制刮雨器的功能逻辑表,利用刮雨器理论的逻辑序列与实际工作的逻辑序列进行同或处理,判断故障发生位置进行故障诊断的方法。通过2个实例的分析,证明了这种功能试验法能够快速有效的确定故障产生的位置,缩短故障检修周期。; 刘侠朱红林; 关键词：刮雨器状态检修故障诊断

多SVDD模型的多模态过程监控方法被引量：9: 2015年; 现代工业过程往往具有多个运行模态,并且单一模态中的变量服从高斯与非高斯混合的复杂数据分布。针对多模态与复杂数据分布问题,基于局部离群概率(local outlier probability,LOOP)算法与支持向量数据描述(support vector data description,SVDD)算法,提出了一种名为MSVDD(multiple support vector data description,MSVDD)的多模态过程监控方法。首先,考虑到不同模态之间存在差异,利用差分策略以及局部离群概率算法对多模态数据进行聚类。其次,在每个单一模态下分别建立SVDD模型。然后,通过计算测试样本对每个单一模态的离群概率选择合适的模型进行过程监控。最后,在Tennessee Eastman(TE)平台上进行仿真测试以验证提出方法的可行性与有效性。; 杨雅伟宋冰侍洪波; 关键词：多模态支持向量数据描述

基于LNLPE算法的多模态故障检测: 现代化工过程一般有多个操作模态,并且采集的数据不服从单一的高斯或非高斯分布。针对上述化工过程中的多模态与复杂数据分布问题,本文提出了一种新的名叫局部与非局部保持嵌入(Local and nonlocal preserve...; 赵付洲宋冰侍洪波徐春玲; 关键词：多模态故障检测; 文献传递

针对离群点影响的多模态过程监控方法被引量：1: 2017年; 在开展过程监控的离线建模的工作中,当训练数据集含有离群点时,高斯混合模型(Gaussian Mixture Model,GMM)不能准确刻画多模态数据特征。为解决GMM易受离群点影响的问题,本文提出了Lo OP-GMM的过程监控方法。首先,用局部离群概率(Local Outlier Probability,Lo OP)算法在数据预处理阶段检测并剔除训练数据集中的离群点,并用GMM算法建立离线模型,同时根据后验概率将训练数据集进行聚类。其次,考虑到在线样本的离群概率,构造一个新的全局概率指标作为统计量并用于多模态过程故障监控。最后,通过数值仿真和连续搅拌釜反应器(Continuous Stirred Tank Reactor,CSTR)过程验证了本文所提方法的有效性。; 许圆圆宋冰谭帅侍洪波; 关键词：离群点高斯混合模型多模态

基于稀疏性非负矩阵分解的故障监测方法被引量：12: 2015年; 提出了基于稀疏性非负矩阵分解(SNMF)的故障监测方法。非负矩阵分解(NMF)是一种新的降维方法,可以得到原始数据的低秩近似矩阵。与传统的多元统计过程监控方法如主成分分析(PCA)相比,NMF对潜变量的性质没有假设,除了非负性的要求。将稀疏编码和非负矩阵分解方法结合在一起,因为施加了稀疏性的约束,稀疏性非负矩阵分解方法可以得到对数据更稀疏的表示。在分解时对低秩近似矩阵进行正交化处理,从而在降维时除去变量中的冗余信息,将信息集中到更少的投影方向上。然后,用SNMF方法来提取过程的潜变量,并定义新的监测指标来进行故障监测。使用核密度估计(KDE)方法来计算新定义的监测指标的控制上限。最后,将提出的基于SNMF的监测方法应用于TE过程来评估其监测性能,并与基于传统NMF和PCA的方法进行比较。仿真实验结果表明了所提出新方法的可行性。; 王帆杨雅伟谭帅侍洪波; 关键词：故障监测非负矩阵分解主元分析统计过程监控

Weighted Semi-supervised Orthogonal Factor Analysis Model for Quality-Related Process Monitoring: Probabilistic model has already been widely used for process monitoring. However, the obtained factors may con...; Xiaohui Cui； Jian Yang； Hongbo Shi；; 文献传递

基于LSNPE算法的化工过程故障检测被引量：24: 2014年; 复杂化工过程通常具有多个操作模态,而且采集的数据不服从单一的高斯或非高斯分布。针对化工过程的多模态和复杂数据分布问题,将局部标准化(local standardized,LS)策略应用于邻域保持嵌入(neighborhood preserving embedding,NPE)算法,提出了一种新的基于局部标准化邻域保持嵌入(local standardized neighborhood preserving embedding,LSNPE)算法的故障检测方法。首先,使用LSNPE算法提取高维数据的低维子流形,进行维数约减,同时保持邻域结构不变。其次,通过特征空间中样本的局部离群因子(local outlier factor,LOF)构造监控统计量并确定其控制限。相较于监控多模态化工过程的多模型策略,提出的LSNPE方法不需要过程先验知识的支持,只需建立一个全局的监控模型。最后,通过数值仿真及Tennessee Eastman(TE)过程仿真研究验证了本文提出方法的有效性。; 宋冰马玉鑫方永锋侍洪波

国家自然科学基金(61374140)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(61374140)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈