陶阳
- 作品数：11 被引量：5H指数：1
- 供职机构：华东理工大学更多>>
- 发文基金：国家自然科学基金上海市青年科技启明星计划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更多>>
- 基于ReliefF的主元挑选算法在过程监控中的应用被引量：4
- 2017年
- 传统的主成分分析(principal component analysis,PCA)算法选取包含大部分方差信息的成分作为主元,并将其应用到过程监控中。但是故障信息不一定会投影到方差较大的成分上,使用方差贡献度挑选主元会导致严重的信息丢失和监控效果的恶化。因此使用ReliefF-PCA算法,其中ReliefF算法从故障角度出发,挑选出在区分正常样本和故障样本上权重更高,效果相对更好的成分作为主元。这样挑选出的主元避免了传统PCA算法在主元挑选过程中出现的主观性、盲目性以及重要信息的丢失。ReliefF-PCA算法在过程监控中主要有两个优势,第1,监控效果更好;第2,对原始数据降维效果更好。随后,基于ReliefF-PCA算法,提出一种加权的故障变量贡献图方法。最后,通过Tennessee Eastman(TE)仿真实验测试,ReliefF-PCA算法达到了预期效果。
- 陶阳王帆侍洪波宋冰
- 关键词：主元分析故障定位
- 一种基于MW-OCCA的质量相关早期故障检测方法
- 本发明公开一种基于MW‑OCCA的质量相关早期故障检测方法，针对早期故障的幅值较小的问题，利用移动时间窗方法，对故障数据和正常数据之间的误差进行累积，增大故障数据和正常数据之间差距，达到放大早期故障的效果，并在此基础上建...
- 宋冰金雨婷侍洪波陶阳谭帅
- 基于VAE-OCCA的质量相关故障检测方法研究
- 2023年
- 由于闭环反馈系统的存在,并不是所有故障均会导致质量发生恶化。质量变量通常难以获得或具有一定的延迟,传统的无监督方法不能在检测过程是否正常的同时判断故障对质量的影响。典型相关分析(canonical correlation analysis,CCA)是一种经典的有监督方法,可以考虑输入输出间的关系,已被用于质量相关故障检测。然而,过程数据存在着维度高、非线性等问题,流程系统的复杂性使得CCA对于隐藏特征的捕获更具挑战性。提出了一种变分自编码器-正交典型相关分析(variational automatic encoder-orthogonal CCA,VAE-OCCA)方法。首先,利用变分自编码器对输入数据进行无监督自适应学习,实现对高维非线性过程变量的特征提取;进而,基于典型相关分析方法考虑输入输出关系,利用得到的相关系数矩阵进行奇异值分解建立质量相关和质量无关监测统计量;最后,通过工业案例测试说明提出方法的有效性及优越性。
- 宋冰郑城风侍洪波陶阳谭帅
- 关键词：故障检测
- 一种基于多子空间正交典型相关分析的过程监测方法
- 本发明公开一种基于多子空间正交典型相关分析的过程监测方法，旨在考虑采样数据时间序列相关性的基础上，提取采样数据的质量相关信息和质量不相关信息，以在此基础上实时过程监测。具体来讲，本发明首先将原始信息空间划分为四个不同的子...
- 宋冰王炯侍洪波陶阳谭帅张天清
- 一种基于多子空间划分的动态过程精细化监测方法
- 本发明公开一种基于多子空间划分的动态过程精细化监测方法，旨在考虑数据时序相关性差异以及过程变量服从不同分布的问题，并在此基础上实施基于高斯非高斯以及时序非时序子空间划分的动态过程精细化监测。本发明方法的主要核心首先在于根...
- 宋冰谢佳敏侍洪波陶阳谭帅
- 一种基于邻域保持嵌入回归的质量相关故障检测方法
- 本发明公开尤其涉及一种基于邻域保持嵌入回归算法的质量相关故障检测算法，并在此基础上建立了质量相关故障检测模型。首先，基于邻域保持嵌入算法提取出数据的有效流形特征信息。然后，为了表征过程变量对质量变量的变化趋势，本发明在基...
- 宋冰郭涛侍洪波吴铮华陶阳谭帅
- 基于双子空间并行回归的化工过程质量相关故障检测方法
- 2023年
- 邻域保持嵌入(neighborhood preserving embedding,NPE)是一种常用的无监督学习方法,在故障检测领域得到了广泛应用。由于NPE提取的数据特征无法解释输入数据和输出数据之间的关系,因此在化工过程质量相关故障检测方面存在局限性。另外,NPE在提取数据流形结构时忽略了动态信息的表征。为了解决上述问题,基于NPE和慢特征分析(slow feature analysis,SFA)算法提出了一种名为双子空间并行回归(twin-space parallel regression,TSPR)的质量相关故障检测方法,该方法能够同时提取数据的流形特征和变化速度信息。首先,通过基于互信息的策略将原始过程空间分为序列相关子空间和序列无关子空间,以应对变量在时间序列相关性的差异。其次,在两个子空间中分别应用提出的邻域保持-慢特征嵌入算法(neighborhood preserving-slow feature embedding regression,NP-SFE)和NPE算法提取数据的有效结构特征,并同时用最小二乘回归在两个特征子空间中构建过程变量与质量变量的回归关系。随后,通过对回归系数的协方差矩阵分解,得到质量相关子空间和质量无关子空间,进而在相应子空间建立统计量并估计其控制限。最后,将所提方法在典型案例上进行测试验证,以说明所提方法的有效性和合理性。
- 宋冰郭涛侍洪波谭帅陶阳马浴阳
- 关键词：故障检测
- 一种基于邻域保持嵌入回归的质量相关故障检测方法
- 本发明公开尤其涉及一种基于邻域保持嵌入回归算法的质量相关故障检测算法，并在此基础上建立了质量相关故障检测模型。首先，基于邻域保持嵌入算法提取出数据的有效流形特征信息。然后，为了表征过程变量对质量变量的变化趋势，本发明在基...
- 宋冰郭涛侍洪波吴铮华陶阳谭帅
- 一种基于可见红外图像融合与改进yolov5的低光照场景下目标检测方法
- 本发明公开一种新的基于图像融合与改进yolov5的低光照场景下目标检测方法，旨在针对低光照场景下，提取更多的图像特征，提高目标检测的精确度。本发明方法的核心是引入红外图像，结合红外图像不受光照条件影响的优点，以提供更多的...
- 宋冰李聪侍洪波谭帅陶阳
- 局部时差约束邻域保持嵌入算法在故障检测中的应用被引量：1
- 2022年
- 传统的邻域保持嵌入(neighborhood preserving embedding,NPE)算法通过k近邻(k-nearest neighbors,k-NN)方法选择邻域进行重构来实现降维。但在实际工业过程中采集的样本具有时序相关性,仅仅通过欧氏距离选择近邻样本不能充分反映数据中包含的信息,从而影响检测效果。因此,提出一种局部时差约束邻域保持嵌入(local time difference constrained neighborhood preserving embedding,LTDCNPE)算法,充分考虑样本间的时间和空间关系,从而建立准确的故障检测模型。首先,该算法在固定尺度的时间窗内,根据样本的时序关系和空间特征挑选出邻域。其次,利用样本间的时间差异为邻域样本进行加权,使数据特征保留了高维空间的局部结构。然后,对降维后得到的主元空间和残差空间构建T和SPE统计量并确定控制限。最后,通过数值例子和Tennessee Eastman(TE)过程仿真验证LTDCNPE算法的有效性。
- 王琨侍洪波谭帅宋冰陶阳
- 关键词：过程控制动态建模故障检测
