公共文化服务平台

共 7 条记录，以下是 1-6

全选清除导出

排序方式：

基于动态全潜结构投影的热连轧厚度监控被引量：3: 2012年; 本文利用带钢热连轧生产过程的数据,采用动态全潜结构投影算法(T-PLS),建立了带钢厚度的动态模型.该模型对于厚度有良好的预测精度.利用动态T-PLS的优点,把过程变量空间分解为4个正交子空间.在不同的子空间中,可以对带钢厚度有关的故障进行监测.通过热连轧机3个典型故障的检测,充分验证了动态T-PLS在过程质量监控中的优良性能,加强了带钢热连轧过程的监控.; 彭开香李钢张凯; 关键词：故障检测热连轧

基于PLCSIM Advanced和Simulink的自动化生产线仿真实训平台设计: 2024年; 为解决自动化生产线实训线下课程实验硬件套数不足、实验时长和场地受限等问题,提升教学质量,设计了一种基于PLCSIM Advanced和Simulink的自动化生产线仿真实训平台。该仿真平台以实训设备为依托,使用Simulink搭建被控对象仿真模型,在PLCSIM Advanced仿真控制器中编写控制算法,通过应用程序接口(application programming interface,API)通信实现对象模型与控制器间数据的实时交换和仿真。以纸张张力控制设备为例,介绍了仿真实训平台搭建和实施过程。实践教学表明,该仿真平台提高了自动化生产线实训课程的教学成效,激发了学生实践学习的兴趣,提升了学生发现、解决复杂工程问题的能力,让学生深刻体会到团队合作和有效沟通的重要性。; 安翠娟张凯王国霞张敏丁大伟武善雷; 关键词：仿真平台 SIMULINK

基于深度置信网络的多模态过程故障评估方法及应用: 2024年; 传统的多模态过程故障等级评估方法对模态之间的共性特征考虑较少,导致当被评估模态故障信息不充分时,评估的准确性较低.针对此问题,首先,提出一种共性–个性深度置信网络(Common and specific deep belief network,CS-DBN),该网络充分利用深度置信网络(Deep belief network,DBN)的深度分层特征提取能力,通过度量多模态数据间分布的相似性和差异性,进一步得到能够反映多模态过程共有信息的共性特征以及反映每个模态独有信息的个性特征;其次,基于CS-DBN,利用多模态过程的已知故障等级数据生成多模态共性–个性特征集,通过加权逻辑回归构建故障等级评估模型;最后,将所提方法应用于带钢热连轧生产过程的故障等级评估中.应用结果表明,随着多模态故障等级数据的增加,所提方法的评估准确率逐渐增加,当故障信息充足时,评估准确率可达98.75%;故障信息不足时,与传统方法相比,评估准确率提升近10%.; 张凯张凯彭开香彭开香; 关键词：带钢热连轧

复杂工业过程质量相关的故障检测与诊断技术综述被引量：92: 2017年; 质量相关的故障检测与诊断技术是保证安全生产及获得可靠产品质量的有效手段,是当前国际过程控制领域的研究热点.首先,梳理了质量相关的故障检测技术中典型方法的基本思想和改进过程;其次,概述了质量相关的故障诊断技术中常用的贡献图法及其相关改进方法之间的联系,并通过带钢热连轧过程(Hot strip mill process,HSMP)案例比较了各种典型方法在质量相关的故障检测与诊断性能上的异同;最后,面向复杂工业过程运行数据的主要特性,评析了质量相关的故障检测与诊断方法的研究现状,并指出了该研究领域亟需解决的问题和未来的发展方向.; 彭开香马亮张凯; 关键词：故障检测故障诊断偏最小二乘贡献图

故障检测中核参数优化方法性能评估被引量：1: 2019年; 近年来,基于核主元分析与核偏最小二乘的方法经常被应用于过程监控与故障检测领域以克服工业过程的非线性.研究发现此类方法的检测性能很大程度上受核参数的影响,而目前学术界对该参数的优化方法研究较少.因此,本文以最常用的高斯核方法为例,首先总结了3类常用的核参数优化方法:二分法、基于BP神经网络的重构法和基于样本分类的重构法;其次重点分析每个方法的特点和它们之间的联系,并评估它们的性能;最后将上述方法设计成一个核参数优化系统应用于热连轧过程的故障检测中.应用结果表明,优化后的核参数能显著提高故障检测性能.; 张凯张凯彭开香彭开香; 关键词：故障检测核主元分析核偏最小二乘热连轧

融合分层分块信息的轧制过程运行状态评估方法及应用: 2024年; 工业过程运行状态评估方法是对过程当前运行状态进行合理的评价,为工业过程的安全、高效运行提供有益的指导.带钢轧制过程具有流程长且系统层级多等特点,而传统的运行状态评估往往采用集中式的评估方法,难以对轧制过程全流程的运行状态进行合理的评估.针对此问题,提出一种融合分层分块信息的轧制过程运行状态评估方法.采用一种多层级分块的评估策略,将全流程分为若干个层级和子块,提高评估结果的可解释性.提出一种联合核主成分分析(kernel principal component analysis,KPCA)和t-分布随机邻域嵌入算法(t-distributed stochastic neighbor embedding,t-SNE)的特征提取方法,并行地提取全局和局部的特征信息.进而,针对传统支持向量机(support vector machine,SVM)输出结果为硬判型输出,将SVM的输出结果映射为后验概率,并通过D-S证据理论融合多个层级的运行状态评估结果,从而实现决策层面的信息融合,提高评估结果的准确性.最后,将所提出方法应用于实际带钢轧制过程,与各类传统的方法相比评估准确率提高近18%.; 张永博张凯张凯彭开香; 关键词：运行状态评估特征提取 D-S证据理论热连轧过程

全选清除导出

共1页<1>

张凯