分类： 信息科学与系统科学 >> 控制科学与技术 提交时间： 2024-01-13
摘要： 作为一个十余年来快速发展的崭新领域,深度学习受到了越来越多研究者的关注,它在特征提取和建模上都有着相较于浅层模型显然的优势.深度学习善于从原始输入数据中挖掘越来越抽象的特征表示，而这些表示具有良好的泛化能力.它克服了过去人工智能中被认为难以解决的一些问题。且随着训练数据集数量的显著增长以及芯片处理能力的剧增,它在目标检测和计算机视觉、自然语言处理、语音识别和语义分析等领域成效卓然,因此也促进了人工智能的发展.深度学习是包含多级非线性变换的层级机器学习方法。首先论述了深度学习的基础知识，分析了算法的优越性，并介绍了主流学习算法及应用现状。最后总结了当前存在的问题及发展方向。
分类： 信息科学与系统科学 >> 控制科学与技术 提交时间： 2024-01-07
摘要： 传统的电动机故障诊断技术通常基于单一类型的状态参数，如振动参数或电气参数等。然而，单一类型的电动机状态参数监测范围很多时候都是非常有限的，难以满足对电动机进行全面综合故障诊断的需求。本文的研究旨在通过融合振动数据和电流数据两种类型的参数，提出一种综合的电动机故障诊断方法，以提高诊断的可靠性和准确性。并在数据融合的基础上考虑到在实际工业和生产环境中，获取大规模标记样本的成本往往较高，甚至不可行。因此，对神经网络进行进一步的学习与改进，提出基于RNN和注意力机制的小样本故障诊断网络。本文利用电动机故障特征提取方法，研究电动机在不同故障下的振动及电流信号特征，所采用的故障特征提取方法包括：快速傅里叶变换 (FFT)和希尔伯特-黄变换。根据本文的实际数据融合需求，设计数据融合整体实施方案，依次利用快速傅里叶变换（FFT）、希尔伯特-黄变换（HHT）以及卷积神经网络(CNN)串联多层感知机(MLP)等方法提取故障特征，融合电动机的振动及电流参数，对电动机进行综合故障识别与故障诊断。结果表明，采用数据融合方法的电动机故障诊断技术能够提高诊断结果的准确性，减少由于单一参数造成的不确定性，从而提高电动机故障诊断的准确性。设计的小样本故障诊断网络用于识别小样本下设备的健康状态，其中注意力机制捕捉信号的空间和通道关系，利用单一实验样本验证本文使用的网络在不同的小样本工作条件下具有诊断效率和准确率优势
分类： 信息科学与系统科学 >> 控制科学与技术 提交时间： 2024-01-06
摘要： 人工智能的核心课题之一是神经网络与深度学习，它们模仿人脑的工作原理，通过多层次的神经元连接来从数据中挖掘有价值的知识和规律。神经网络的研究始于上世纪四十年代，经过几次起伏和革新，目前已经涵盖了多个种类和领域，如卷积神经网络、循环神经网络、语音识别、计算机视觉和自然语言处理等。深度学习是指利用多层神经网络来处理复杂的非线性问题，它依赖于海量的数据和计算资源，以及高效的训练和优化技术。深度学习在近几年取得了令人惊叹的进展，但也存在着一些难题和挑战，如模型解释性、泛化能力、安全性和可靠性等。深度学习仍是一个充满活力和前景的研究领域，有望为人类的智能和生活开辟更多的机会和可能。本文将从神经网络到深度学习来简要介绍一下部分类型的神经网络结构以及部分深度学习的模型结构。
分类： 信息科学与系统科学 >> 控制科学与技术 提交时间： 2024-01-05
摘要： 软测量在数据进行采集到应用的途中经常会出现数据缺失的情况，这将会大大降低建立的模型的精度。本文提出了基于变分自编码器(Variational Autoencoder)与GRU神经网络建立的填补模型，并通过实际工业流程验证了填补后数据的准确性。最后实验表明VAE填补模型在缺失率为10%和30%情况下的RMSE和MAE分别为3.316%，4.262%和2.386%，2.964%，相较于其他填补算法PCA和SVD均有更显著的效果，验证了该模型的可行性。
分类： 信息科学与系统科学 >> 控制科学与技术 分类： 计算机科学 >> 计算机应用技术 分类： 工程与技术科学 >> 工程控制论 提交时间： 2022-12-07
摘要： 摘要: 【目的】实践中95 %以上的工业过程控制问题都可以通过PID 控制算法解决. 本文在继承并创新地运用二自由度PID 内模控制技术的基础上, 建立了一种通用控制器优化整定新方法. 【方法】方法中引入模范系统, 离线仿真该模范系统后获得优化模板; 在信号激励实际控制系统的过程中, 用该模板引导特定算法整定PID内模控制参数. 【结果】在无精准对象参数的情况下, 经数次循环迭代后, 可同步地实现对象参数的辨识与控制性能优化. 【结论】此法整定效率高, 便于后期系统在线维护, 减少了对实施人员技术与经验的要求. 所用控制器继承内模控制大时滞控制效果好、鲁棒性强的特点, 兼顾 目标跟踪 与 干扰抑制 两种性能优化. 控制算法结构简单、直观, 易于在原PID 控制系统升级改造或用嵌入式系统软、硬件实现, 便于在生产中推广应用. 【局限与改进方向】受限于传统内模控制的设计要求，对于具有负响应特性的受控对象, 该方法需采用预补偿处理机制方能适用或者寻找新的模范系统模型并研究改进算法.
分类： 信息科学与系统科学 >> 控制科学与技术 分类： 计算机科学 >> 计算机应用技术 提交时间： 2022-04-20
摘要： Process industry is the pillar industry of national economy, particularly, the process of producing magnesia by fused magnesia furnace system is a typical category of process industry. Due to the complex smelting mechanism and changing production factors, abnormal working conditions often occur in fused magnesia furnace. The semi-molten condition is the most typical and harmful abnormal condition. In this paper, an adaptive pretraining-inference-dynamic training-validation semantic segmentation method based on industrial video is proposed for dynamic prediction of semi-molten condition of multiple fused magnesium furnaces. The experimental results show that compared with the prediction model without adaptive learning, the prediction performance of the adaptive learning model in this paper for multiple fused magnesium melting processes is significantly improved.
点击量
待评议
点击量
下载量
评论
