[发明专利]基于字典学习的多工况工业监测方法、装置、设备及介质有效
| 申请号： | 201810589017.3 | 申请日： | 2018-06-08 |
| 公开（公告）号： | CN110580488B | 公开（公告）日： | 2022-04-01 |
| 发明（设计）人： | 黄科科;周龙飞;陈晓方;阳春华;桂卫华 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G05B13/02;G05B13/04 |
| 代理公司： | 北京华进京联知识产权代理有限公司 11606 | 代理人： | 刘诚 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及一种基于字典学习的多工况工业监测方法，包括：获取含有纯净值、测量噪声和异常值的无标签历史数据；构建基于所述无标签历史数据的无监督字典学习模型；根据所述无监督字典学习模型，求解字典、稀疏编码矩阵和异常值矩阵；根据生产工况信息将所述字典划分为多个子字典；获取测试数据，通过所述子字典判断所述测试数据是否为故障点。所述方法能够抑制所述测量噪声、减少所述异常值影响，从而有效的防止工业监测中对故障的误报。因此提高了对故障监测的准确性，保证了监测方法对数据中异常值和噪声的鲁棒性。 | ||
| 搜索关键词： | 基于 字典 学习 工况 工业 监测 方法 装置 设备 介质 | ||
【主权项】：
1.一种基于字典学习的多工况工业监测方法，其特征在于，包括：/nS10，获取含有纯净值、测量噪声和异常值的无标签历史数据；/nS20，构建基于所述无标签历史数据的无监督字典学习模型；/nS30，根据所述无监督字典学习模型，求解字典、稀疏编码矩阵和异常值矩阵；/nS40，根据生产工况信息将所述字典划分为多个子字典；/nS50，获取测试数据，通过所述子字典判断所述测试数据是否为故障点。/n
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中南大学，未经中南大学许可，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/201810589017.3/，转载请声明来源钻瓜专利网。
