[发明专利]一种湿法冶金浓密洗涤过程的故障监测与诊断方法在审
| 申请号： | 201810344519.X | 申请日： | 2018-04-17 |
| 公开（公告）号： | CN108734197A | 公开（公告）日： | 2018-11-02 |
| 发明（设计）人： | 肖冬;于志超;刘崇敏;单丰;杨丰华;付晓锐 | 申请（专利权）人： | 东北大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F17/50 |
| 代理公司： | 沈阳优普达知识产权代理事务所(特殊普通合伙) 21234 | 代理人： | 李晓光 |
| 地址： | 110169 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种湿法冶金浓密洗涤过程的故障监测与诊断方法，步骤为：确定故障状态及影响因素，提取故障特征，采集样本数据；对采集的三维矩阵数据进行预处理，得到二维数据阵；根据二维数据阵，为进行样本训练，得到训练集；将训练集对SVM分类器进行训练，得到一个训练好的基于SVM的浓密机底流管道堵塞故障检测模型；用得到的检测模型对测试集进行标签预测，辅助实际决策和控制，或与实际结果比较，调整支持向量机分类器的参数。本发明利用支持向量机特有的优势解决小样本、非线性及高维模式识别问题，可以推广应用到函数估计等其他机器学习问题中，来辅助实际决策和控制，调整支持向量机分类器的参数，达到较理想的测试结果。 | ||
| 搜索关键词： | 支持向量机分类器 二维数据 故障监测 浓密洗涤 湿法冶金 训练集 预处理 采集 故障检测模型 支持向量机 诊断 故障特征 故障状态 管道堵塞 函数估计 模式识别 其他机器 三维矩阵 实际结果 样本数据 样本训练 影响因素 测试集 浓密机 小样本 高维 决策 标签 检测 预测 学习 | ||
【主权项】：
1.一种湿法冶金浓密洗涤过程的故障监测方法，其特征在于包括以下步骤：1)确定故障状态及影响因素，提取故障特征，采集用于选定训练集和测试集的样本数据；2)为建模和在线监测需要，对采集的三维矩阵数据进行预处理，得到二维数据阵；3)根据二维数据阵，为进行样本训练，得到训练集；4)将训练集对SVM分类器进行训练，得到一个训练好的基于SVM的浓密机底流管道堵塞故障检测模型；5)用得到的检测模型对测试集进行标签预测，辅助实际决策和控制，或与实际结果比较，调整支持向量机分类器的参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东北大学，未经东北大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810344519.X/，转载请声明来源钻瓜专利网。
