检索结果-内蒙古大学图书馆

化工学报 2020年第7期71卷 3172-3179页

作者：高学金刘腾飞徐子东高慧慧于涌川北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对间歇过程数据非线性、动态性特征,提出一种基于循环自动编码器(recurrent autoencoder,RAE)的过程故障监测方法。采用长短时记忆(long short-term memory,LSTM)循环神经网络构建自动编码器建立监控模型,相比传统自动编码器,其能有... 详细信息

针对间歇过程数据非线性、动态性特征,提出一种基于循环自动编码器(recurrent autoencoder,RAE)的过程故障监测方法。采用长短时记忆(long short-term memory,LSTM)循环神经网络构建自动编码器建立监控模型,相比传统自动编码器,其能有效挖掘时序样本间的动态关联信息。该方法首先利用批次展开与变量展开相结合的三步展开方法将间歇过程数据展开成二维,并通过滑动窗采样得到模型输入序列;然后使用LSTM构建自动编码器,重构输入序列。进一步,利用重构误差构造平方预测误差(squared prediction error,SPE)统计量实现在线监测。最后将所提方法应用于青霉素发酵仿真和重组大肠杆菌发酵过程监测,结果表明,该方法能及时监测到故障,具有较好的监测性能。

关键词：算法动态建模神经网络 LSTM 过程监测循环自动编码器

来源：评论

学校读者我要写书评

暂无评论

基于分步时空JITL-MKPLS的间歇过程故障监测

引用

高校化学工程学报 2021年第1期35卷 127-139页

作者：高学金孟令军王豪高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对多阶段时变的间歇过程难以用全局模型准确描述生产过程的动态变化及传统局部建模每个工作点都需要重新筛选样本建模导致计算量较大的问题,提出一种分步时空即时学习的局部建模策略。采用仿射传播(AP)聚类的方式对历史数据样本集中... 详细信息

针对多阶段时变的间歇过程难以用全局模型准确描述生产过程的动态变化及传统局部建模每个工作点都需要重新筛选样本建模导致计算量较大的问题,提出一种分步时空即时学习的局部建模策略。采用仿射传播(AP)聚类的方式对历史数据样本集中的数据进行初步分类,在当前输入样本数据到达后,确定当前样本数据所属的类别,在此类别所限定的子数据样本集中使用时间和空间相结合的即时学习策略确定出局部相似样本,建立多向核偏最小二乘监测模型。将该算法在青霉素发酵仿真数据和大肠杆菌发酵过程生产数据上进行验证,结果表明,所提方法不仅减少了不必要的计算量,还能够更加精准即时地进行故障监测。

关键词：时空即时学习分步多向核偏最小二乘局部建模故障监测

来源：评论

学校读者我要写书评

暂无评论

基于多变量卷积神经网络的发酵过程故障监测

引用

高校化学工程学报 2020年第6期34卷 1511-1519页

作者：高学金刘爽爽高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对传统故障监测方法难以提取数据深层特征的问题,提出一种基于多变量深度卷积神经网络的故障监测方法,以提高监测精度。为捕获过程动态性,采用滑动窗技术对过程变量序列进行分割,利用希尔伯特-黄变换对分割后的序列进行分解,得到时频... 详细信息

针对传统故障监测方法难以提取数据深层特征的问题,提出一种基于多变量深度卷积神经网络的故障监测方法,以提高监测精度。为捕获过程动态性,采用滑动窗技术对过程变量序列进行分割,利用希尔伯特-黄变换对分割后的序列进行分解,得到时频图,有效挖掘变量序列在幅值、频率、相位上的异常变化信息;以时频图为输入,基于深度卷积神经网络构建故障监测模型,提取故障信息深层特征,提高监测精度;利用青霉素发酵过程仿真数据和大肠杆菌生产数据进行实验验证,结果表明所提方法监测精度分别高达95%和93%以上。

关键词：卷积神经网络希尔伯特-黄变换特征提取发酵过程故障监测

来源：评论

学校读者我要写书评

暂无评论

分层自适应小波阈值轴承故障信号降噪方法

引用

振动工程学报 2019年第3期32卷 548-556页

作者：王普李天垚高学金高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对轴承振动信号易受到噪声干扰的问题,提出了一种分层自适应小波阈值降噪方法。首先将轴承振动信号进行小波分解,获得各分解层的小波系数;之后保留低频信号的小波系数,对高频信号的小波系数进行分层自适应阈值处理;最后将阈值处理后... 详细信息

针对轴承振动信号易受到噪声干扰的问题,提出了一种分层自适应小波阈值降噪方法。首先将轴承振动信号进行小波分解,获得各分解层的小波系数;之后保留低频信号的小波系数,对高频信号的小波系数进行分层自适应阈值处理;最后将阈值处理后的小波系数进行小波重构,得到降噪后的信号。通过构建一种在阈值处连续且在小波域内可导的分层自适应阈值函数,可以改进传统阈值函数重构偏差和过度降噪的缺陷。轴承故障仿真信号的降噪实验结果表明,该方法的信噪比和均方根误差均优于其他方法,有更好地降噪效果;机械故障模拟实验台的轴承故障信号降噪实验结果表明,该方法在降噪的同时保留了更多的故障信息,能够有效提升故障诊断率,更有利于轴承故障信号的降噪。

关键词：故障诊断轴承信号处理小波阈值函数分层自适应降噪

来源：评论

学校读者我要写书评

暂无评论

基于注意力LSTM的多阶段发酵过程集成质量预测

引用

控制与决策 2022年第3期37卷 616-624页

作者：高学金孟令军高慧慧北京工业大学信息学部北京100124 北京工业大学数字社区教育部工程研究中心北京100124 北京工业大学城市轨道交通北京实验室北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

考虑到发酵过程的动态特征对阶段划分的影响,为提高模型预测精度,提出一种基于注意力LSTM的多阶段发酵过程质量预测方法.首先,将原始三维数据沿批次展开,对每个时间片矩阵进行偏最小二乘(PLS)分析得到表征过程变量的得分矩阵和表征质量... 详细信息

考虑到发酵过程的动态特征对阶段划分的影响,为提高模型预测精度,提出一种基于注意力LSTM的多阶段发酵过程质量预测方法.首先,将原始三维数据沿批次展开,对每个时间片矩阵进行偏最小二乘(PLS)分析得到表征过程变量的得分矩阵和表征质量变量的得分矩阵,采用仿射传播(AP)聚类算法将联合得分矩阵进行聚类,实现第1步划分;然后,采用encoder-decoder模型将表征过程动态性的动态特征提取出来,采用AP算法对其进行第2步划分;最后,综合分析两步划分结果,将生产过程划分为不同的稳定阶段和过渡阶段,对划分后的各个阶段分别建立注意力长短期记忆(LSTM)集成质量预测模型.将该方法应用到青霉素发酵仿真数据和大肠杆菌实际生产数据进行验证,结果表明了所提出方法的可行性和有效性.

关键词：发酵过程多阶段偏最小二乘动态性过渡质量预测

来源：评论

学校读者我要写书评

暂无评论

中央空调传感器双重降噪模糊故障检测方法

引用

电子测量与仪器学报 2022年第8期36卷 77-88页

作者：高学金张琳峰北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对现有降噪方法存在噪声残留以及异常检测指标受噪声影响较大的问题,提出中央空调传感器双重降噪和模糊指标的故障检测方法。自适应噪声的完整经验模态分解(complete EEMD with adaptive noise, CEEMDAN)所具有的噪声残余等问题,用局... 详细信息

针对现有降噪方法存在噪声残留以及异常检测指标受噪声影响较大的问题,提出中央空调传感器双重降噪和模糊指标的故障检测方法。自适应噪声的完整经验模态分解(complete EEMD with adaptive noise, CEEMDAN)所具有的噪声残余等问题,用局部均值估计提取k阶模态替换模态估计完成初次降噪;而早期出现的虚假模式,先通过相关系数准则筛选含噪分量尽可能保留有效信息,然后计算奇异值差分谱确定降噪阶次进行奇异值分解(singular value decomposition, SVD)完成二次降噪。最后,结合能量和峭度系数提出模糊指标作为异常信号控制限进行故障检测。采用中央空调实验系统运行数据对所提方法进行验证,结果表明,该方法具有良好的降噪及敏感特征筛选能力,信噪比提升20.203 7 dB,均方误差平均减小48.75%,故障检测准确率平均提升8.67%,响应速度提升33.3%,抗噪性及检测效果提升明显。

关键词：中央空调传感器故障检测双重降噪模糊指标特征筛选

来源：评论

学校读者我要写书评

暂无评论

基于多源域自适应残差网络的滚动轴承故障诊断

引用

振动与冲击 2024年第7期43卷 290-299页

作者：高学金张震华高慧慧齐咏生北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124 内蒙古工业大学电力学院呼和浩特010051

针对传统无监督领域自适应方法扩展到多工况滚动轴承故障诊断场景适用性较弱的问题,提出了一种多源域自适应残差网络(multi-source domain adaptive residual network,MDARN),通过对齐来自多个源域的相关子域,从而提高模型在多工况下的... 详细信息

针对传统无监督领域自适应方法扩展到多工况滚动轴承故障诊断场景适用性较弱的问题,提出了一种多源域自适应残差网络(multi-source domain adaptive residual network,MDARN),通过对齐来自多个源域的相关子域,从而提高模型在多工况下的故障诊断性能。首先,利用ResNeXt残差网络从源域和目标域充分提取可迁移特征;然后,引入局部最大平均差异(local maximum mean difference,LMMD)准则,以两个源域的子域为基础对齐目标域中相关子域,减少相关子域间和全局域间的分布差异;最后,利用美国凯斯西储大学轴承数据集和MFS机械综合故障试验台产生的真实的轴承振动数据集,对所提方法进行了试验验证。结果表明,该方法在多工况下的平均故障诊断精度高达99.76%。与现有代表性方法相比,所提方法具有更好的故障诊断效果。

关键词：滚动轴承故障诊断多源域自适应残差网络(MDARN) 领域自适应局部最大均值差异(LMMD)

来源：评论

学校读者我要写书评

暂无评论

基于批次图像化的卷积自编码故障监测方法

引用

控制与决策 2021年第6期36卷 1361-1367页

作者：张海利王普高学金齐咏生高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124 内蒙古工业大学电力学院呼和浩特010051

针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder,CAE... 详细信息

针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder,CAE)直接对间歇过程三维数据进行特征提取,避免三维数据展开成二维时导致的信息丢失,无需分阶段充分考虑批次全局信息,有效提取过程变量相关关系的动态变化;同时,利用卷积操作提取局部特征信息,自编码网络可以解决非线性问题,实现特征的无监督学习;然后,使用一类支持向量机(one-class support vector method,OCSVM)描述特征分布,构造新的统计量,确定控制限,实现故障监测;最后,通过将该方法应用到Pensim仿真平台及重组人粒细胞集落刺激因子发酵的实际生产数据,验证所提方法的准确性和有效性.

关键词：间歇过程多阶段批次图像卷积自编码器一类支持向量机故障监测

来源：评论

学校读者我要写书评

暂无评论

基于角结构统计量的MKECA间歇过程故障监测

引用

仪器仪表学报 2017年第1期38卷 174-180页

作者：王普李春蕾高学金常鹏齐咏生北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124 内蒙古工业大学电力学院呼和浩特010051

针对间歇过程复杂非线性的特点,提出一种基于角结构统计量的多向核熵成分分析(MKECA)间歇过程监测方法。该方法首先将间歇过程数据进行标准化预处理,然后采用KECA提取间歇过程数据的主成分矩阵。研究表明,经过KECA投影后的主成分数据具... 详细信息

针对间歇过程复杂非线性的特点,提出一种基于角结构统计量的多向核熵成分分析(MKECA)间歇过程监测方法。该方法首先将间歇过程数据进行标准化预处理,然后采用KECA提取间歇过程数据的主成分矩阵。研究表明,经过KECA投影后的主成分数据具有良好的角结构,因此利用主成分矩阵构造基于角结构的统计量,并且采用核密度估计算法计算其控制限。与传统的统计量相比,无需假设过程变量服从高斯分布。最后通过青霉素发酵的仿真平台和大肠杆菌实际生产过程验证,实验结果表明,相比于传统MKPCA方法,能够有效利用主成分的结构信息,明显降低了故障的误报率、漏报率。

关键词：核熵成分分析角结构统计量核密度估计故障监测

来源：评论

学校读者我要写书评

暂无评论

基于注意力动态卷积自编码器的发酵过程故障监测

引用

化工学报 2023年第6期74卷 2503-2521页

作者：高学金姚玉卓韩华云齐咏生北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124 内蒙古工业大学电力学院内蒙古呼和浩特010051

发酵过程的状态监测对于及时发现各类异常故障起到了至关重要的作用。然而,由于发酵过程数据呈现非线性特性,导致在提取特征信息时存在困难,增加了故障监测的难度。为了解决上述问题,提出了一种基于注意力动态卷积自编码器(attention dy... 详细信息

发酵过程的状态监测对于及时发现各类异常故障起到了至关重要的作用。然而,由于发酵过程数据呈现非线性特性,导致在提取特征信息时存在困难,增加了故障监测的难度。为了解决上述问题,提出了一种基于注意力动态卷积自编码器(attention dynamic convolutional autoencoder,ADCAE)的发酵过程故障监测方法。首先,设计了一种动态卷积结构(dynamic convolution structure),该结构可以在浅层使用大尺寸卷积核提取低级特征,在深层使用小尺寸卷积核提取高级特征,从而拓宽了模型特征学习的尺度;其次,设计了一种通道卷积注意力(channel convolutional attention,CCA)模块,该模块能够从不同尺度提取输入的非线性特征,并且在通道向量转化为权重的过程中可以更好地提取局部特征,提高了对有效信息的关注能力;最后,将动态卷积结构与CCA模块融入卷积自编码器中,使模型能够有效地捕获变量中的非线性关系,从而更好地应对发酵过程中的故障监测问题。利用青霉素发酵过程仿真平台和大肠埃希菌实际生产数据对该方法的可行性进行了验证,结果表明该方法具有较好的故障监测性能。

关键词：发酵算法非线性故障监测神经网络注意力机制卷积自编码器

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：