申请/专利权人:北京科技大学
申请日:2024-03-20
公开(公告)日:2024-06-14
公开(公告)号:CN118194122A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/2135;G06F18/27;G06F18/15;G06N3/0464;G06N3/048;G06N3/08;G06Q50/04
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本发明涉及工业过程监测技术领域,特别是指一种带钢热连轧多采样率过程监测方法及装置。带钢热连轧多采样率过程监测方法包括:收集带钢热连轧生产线的多采样率的历史数据,获得训练数据;根据多尺度卷积神经网络结构以及多向核主成分分析模型结构进行模型构建,获得待训练MCNN‑MKPCA模型;采用训练数据,对待训练MCNN‑MKPCA模型进行训练,获得MCNN‑MKPCA模型;基于训练数据,根据MCNN‑MKPCA模型进行计算,得到控制限;获取带钢热连轧生产线的在线数据;将在线数据输入所述MCNN‑MKPCA模型进行计算,得到统计量;根据统计量以及控制限进行校验,发出故障警报。本发明是一种直接利用采样率不均一数据且变量非线性的高效、精确的过程监测方法。
主权项:1.一种带钢热连轧多采样率过程监测方法,其特征在于,所述方法包括:收集带钢热连轧生产线的多采样率的历史数据,获得训练数据;根据多尺度卷积神经网络结构以及多向核主成分分析模型结构进行模型构建,获得待训练MCNN-MKPCA模型;采用所述训练数据,对所述待训练MCNN-MKPCA模型进行训练,获得MCNN-MKPCA模型;基于所述训练数据,根据所述MCNN-MKPCA模型进行计算,得到控制限;获取带钢热连轧生产线的在线数据;基于带钢热连轧生产的数据特征以及技术知识,对所述在线数据进行预处理,获得处理后数据;将所述处理后数据输入所述MCNN-MKPCA模型进行计算,得到统计量;根据所述统计量以及所述控制限进行校验,当所述统计量小于或等于所述控制限时,带钢热连轧过程运行正常;当所述统计量大于所述控制限时,带钢热连轧过程运行异常,发出故障警报。
全文数据:
权利要求:
百度查询: 北京科技大学 一种带钢热连轧多采样率过程监测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。