[发明专利]一种基于稀疏深度神经网络的工业数据非线性因果分析方法有效
| 申请号： | 201811563379.1 | 申请日： | 2018-12-20 |
| 公开（公告）号： | CN109407654B | 公开（公告）日： | 2020-08-04 |
| 发明（设计）人： | 谢磊;乔丹;苏宏业 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G05B23/02 | 分类号： | G05B23/02 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 胡红娟 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于稀疏深度神经网络的工业数据非线性因果分析方法，包括以下步骤：(1)采集待检测工业过程中全部控制回路的过程输出信号；(2)选取一个过程输出信号作为输出变量，全部变量的各阶滞后作为输入变量，构建稀疏深度神经网络；(3)通过依次删减输入变量，逐个完成格兰杰因果检验，得到此过程输出信号的全部格兰杰原因；(4)重复步骤(2)和(3)，得到全部过程输出信号间的因果关系；(5)综合全部过程输出信号间的因果关系，定位故障源位置及故障传播路径。利用本发明，可以对工业过程的控制回路信号进行非线性因果分析，完成故障源的定位及故障传播路径的分析。 | ||
| 搜索关键词： | 一种 基于 稀疏 深度 神经网络 工业 数据 非线性 因果 分析 方法 | ||
【主权项】：
1.一种基于稀疏深度神经网络的工业数据非线性因果分析方法，其特征在于，包括以下步骤：(1)采集待检测工业过程中全部控制回路的过程输出信号；(2)选取一个过程输出信号作为输出变量，全部变量的各阶滞后作为输入变量，构建稀疏深度神经网络；(3)通过依次删减输入变量，逐个完成格兰杰因果检验，得到此过程输出信号的全部格兰杰原因；(4)重复步骤(2)和(3)，得到全部过程输出信号间的因果关系；(5)综合全部过程输出信号间的因果关系，定位故障源位置及故障传播路径。
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浙江大学，未经浙江大学许可，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/201811563379.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种室内通用多移动机器人算法验证系统
- 下一篇：一种调试芯片的方法及装置
