基于多元统计和深度学习的工业系统状态监测

发布时间: 2023-08-28

来源: 科技服务团

基本信息

合作方式：技术服务

成果类型：新技术

行业领域：

新一代信息技术产业,人工智能

成果介绍

工业系统状态监测在保障生产安全和产品质量中发挥着非常重要的作用。传统的数据驱动的状态监测方法主要是基于多元统计分析，如主成分分析和偏最小二乘等，它们是线性方法，主要针对简单的工业系统。随着科学技术的进步，工业系统变得越来越复杂，非线性、非高斯性、动态性以及高维性给系统状态监测带来了很多挑战。此外，复杂的工业系统稳定性差且常常产生缺失数据和离群点，这使得状态监测更加困难。本项目针对复杂工业系统，研究基于多元统计分析和深度学习的状态监测。近些年来，深度学习，作为机器学习的分支之一，在计算机视觉和自然语言处理等问题上取得了巨大成功，同时在工业系统监测领域也得到了广泛关注。本项目针对复杂系统的线性过程和非线性过程的状态监测展开研究，旨在通过多元统计和深度学习技术实现对工业过程的状态监测，为工业系统的安全运行保驾护航。

成果亮点

本项目针对微小故障，提出了递归相关统计分析算法。该算法提高了多元统计过程监测方法对于微小故障的检测性能，且计算复杂度低，可用于大型系统。本项目针对线性动态系统，提出了多步动态慢特征分析算法，能够分离数据动态信息和静态信息，从而实现同步分块监测，提高了动态过程监测的准确性和可解释性。本项目还对多元统计过程监测方法进行了深入的调查研究，总结和分析了该领域过去十几年来的理论研究、专利申请和工业应用。

团队介绍

北京化工大学经过60余年的建设，已经发展成为理科基础坚实，工科实力雄厚，管理学、经济学、法学、文学、教育学、哲学、医学等学科富有特色的多科性重点大学，形成了从本科生教育到硕士研究生、博士研究生、博士后流动站以及留学生教育等多层次人才培养格局。目前，学校共设有17个学院，在校全日制本科生15500余人，研究生8600余人（其中博士1400余人），函授、夜大等继续教育学生2200余人，学历留学生350人。

成果资料

产业化落地方案

点击查看

成果综合评价报告

评价单位：“科创中国”智能产业科技服务团 (中国自动化学会) 评价时间：2023-09-26

屈洋

中国自动化学会

部门主管

综合评价

基于多元统计和深度学习的工业系统状态监测是一种前沿的方法，它可以弥补传统方法的不足，提高设备的预测和维护能力。虽然这种方法还有一些需要改进的地方，但其潜力和前景无疑是巨大的。我们期待看到更多的创新和突破，以推动这一领域的发展。

科创中国

友情链接

国际技术贸易

海外专利信息资源系统

省级中心站