CN110929425B - 一种基于Lasso算法的纸张纵向伸长率的软测量方法 - Google Patents

一种基于Lasso算法的纸张纵向伸长率的软测量方法 Download PDF

Info

Publication number
CN110929425B
CN110929425B CN201911306076.6A CN201911306076A CN110929425B CN 110929425 B CN110929425 B CN 110929425B CN 201911306076 A CN201911306076 A CN 201911306076A CN 110929425 B CN110929425 B CN 110929425B
Authority
CN
China
Prior art keywords
paper
longitudinal elongation
soft measurement
lasso
follows
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911306076.6A
Other languages
English (en)
Other versions
CN110929425A (zh
Inventor
洪蒙纳
满奕
胡松
李继庚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Poi Intelligent Information Technology Co ltd
Original Assignee
Guangzhou Poi Intelligent Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Poi Intelligent Information Technology Co ltd filed Critical Guangzhou Poi Intelligent Information Technology Co ltd
Priority to CN201911306076.6A priority Critical patent/CN110929425B/zh
Publication of CN110929425A publication Critical patent/CN110929425A/zh
Application granted granted Critical
Publication of CN110929425B publication Critical patent/CN110929425B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Paper (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明公开了一种基于Lasso算法的纸张纵向伸长率的软测量方法，包括下述步骤：S1、纸种生产过中的纸机及相关工艺参数的采集；S2、对预处理之后的数据集进行相关性分析，选取出对纸张纵向伸长率有影响和关联的变量；S3、根据Lasso算法原理搭建纸张纵向伸长率软测量模型，并输入数据集进行模型的训练；S4、利用步骤S3训练完成的纸张纵向伸长率软测量模型，对测试样本进行纵向伸长率的软测量；本发明优点在于：基于Lasso算法，建立纸张纵向伸长率软测量模型，其模型精度高，泛化能力强，可以为纸厂提供纵向伸长率在线的软测量数据。

Description

一种基于Lasso算法的纸张纵向伸长率的软测量方法
技术领域
本发明涉及造纸纸产品质量软测量技术领域，特别涉及一种基于Lasso算法的纸张纵向伸长率的软测量方法。
背景技术
纸张的纵向伸长率是一项重要的质检数据，决定着纸张是否符合企业或者国家制定的标准。但是现在纸厂对于纸张纵向伸长率的检测，多是采用抽检的模式。即一轴纸随机采集几个样品，再由检测工人使用仪器对样品的纵向伸长率进行一个测量，由于工人的操作影响必然会带入一个误差。并且纸厂并不会对每一轴纸都进行纵向伸长率的检测，由于时间和人力的限制，无法检验每个纸轴的质量，存在漏检不合格品的情况；如果操作人员操作失误或记录错误，纸张纵向伸长率的检测结果出现偏差或错检。这就会导致纵向伸长率不合格的纸厂流入后续工序环节，难以发现，可能会对纸厂造成一定的经济损失。
纸张的生产过程是一个连续的过程，抽检方式使得造纸企业对纸张横向生产率的测量达不到百分之百覆盖，存在着漏洞。
计算机和通信技术的发展，生产端积累了大量的历史数据。由生产过程参数监控及预测纸张的纵向伸长率，及时性、全面性得到生产结果，及时响应生产状态变化，进一步以最小化生产成本最大化生产品质做相应的决策和应变。实现纸张纵向伸长率的实时监控和预测，发现当前工序的问题，避免有质量问题的产品流入到后一道工序，减少生产资源能源的浪费，同时也提高了产品良率。基于历史数据抽象的经验知识，生产人员能够快速地针对那些表现不佳的产品溯源、分析问题，重点分析和调整那些关键的影响因子，加快不良问题的处理、提高整体工艺水平。基于该预测模型建立成本优化模型，节约资源并且提升生产效率。
本发明提出的一种基于Lasso算法的纸张纵向伸长率的软测量方法，可以在实际生产过程中对纸张横向伸长率进行实时测量，为操作工人修改生产工艺参数提供可靠的参考。
发明内容
本发明针对现有技术的缺陷，提供了一种基于Lasso算法的纸张纵向伸长率的软测量方法，解决了现有技术中存在的缺陷。
为了实现以上发明目的，本发明采取的技术方案如下：
一种基于Lasso算法的纸张纵向伸长率的软测量方法，包括以下步骤：
S1、纸种生产过中的纸机及相关工艺参数的采集：利用MES系统采集的到纸机生产过程中的生产数据，并且进行数据预处理；
S2、对预处理之后的数据集进行相关性分析，选取出对纸张纵向伸长率有影响和关联的变量；
S3、根据Lasso算法原理搭建纸张纵向伸长率软测量模型，并输入数据集进行模型的训练；
S4、利用步骤S3训练完成的纸张纵向伸长率软测量模型，对测试样本进行纵向伸长率的软测量。
进一步地，步骤S1中，纸种生产过中的纸机及相关工艺参数的采集，具体步骤如下：
利用MES系统采集的到纸机生产过程中的变量，利用MES系统采集的到纸机生产过程中的生产数据，并且进行数据预处理。利用统计学的3σ原则进行异常值的排查。3σ方法是基于概率统计理论而言的，对于某个变量，其均值的偏差值超过3σ的概率不超过11.11％，因此如果该变量值与其平均值之差的绝对值超过3σ则认为是异常值。
进一步地，步骤S2中，对预处理之后的数据集进行相关性分析，选取出对纸张纵向伸长率有影响和关联的变量，具体步骤如下：
通过相关性分析分析与纸张纵向伸长率的关联性和影响程度，相关性分析中采用皮尔逊相关系数，具体计算公式如下：
其中cov(X，Y)表示两个变量间的协方差，σXσY则分别代表各自协方差，E代表的是各个变量的期望。
选取出对纸张纵向伸长率有影响的变量，需要采集的变量数据主要有：卷速vj/m·s-1、真空网速vw/m·s-1、纸张定量m/(g·m-2)、湿部风罩供风机低频率f/Hz、液压单位电流Iy/A、卷曲率C/%、烘缸油站电流Ih/A。
进一步地，步骤S3中，所述基于的Lasso算法的纸张横向伸长率的软测量原理，具体如下：
Lasso是回归方法，采用的是缩放的方法，将回归系数收缩在一定的区域内。LASSO的主要思想是构造一个一阶惩罚函数获得一个精炼的模型,通过最终确定一些变量的系数为0进行特征筛选，Lasso的公式如下：
其中，模型第一项是经验风险可以表示成RSS(βj)，第二项是惩罚项目，由于Lasso算法中的惩罚项中含有绝对值，此函数的导数是连续不光滑的，所以无法进行求导并使用梯度下降优化。采用使用坐标下降发对Lasso回归系数进行计算。坐标下降法是每次选择一个维度的参数进行一维优化，然后不断的迭代对多个维度进行更新直到函数收敛。具体的求解过程如下：
令则可以得到：
关于正则项的求倒，采用梯度下降求导，具体过程如下：
这样整体的偏导数就可以表示成：
令可以得到
通过上面的公式便可以每次选取一维进行不断优化并不断迭代得到最优的回归系数。得到的回归系数再如入如下公式：
y＝βX
y即为输入数据集的，纸张纵向伸长率的软测量模型。
进一步地，步骤S4中，利用训练完成的纵向伸长率软测量模型，对待测试的纸张进行纵向伸长率软测量，具体如下：
获得待测纸张的输入，包括：卷速vj/m·s-1、真空网速vw/m·s-1、纸张定量m/(g·m-2)、湿部风罩供风机低频率f/Hz、液压单位电流Iy/A、卷曲率C/％、烘缸油站电流Ih/A。
与现有技术相比，本发明的优点在于：基于Lasso算法，建立纸张纵向伸长率软测量模型，其模型精度高，泛化能力强，可以为纸厂提供纵向伸长率在线的软测量数据。可以在实际生产过程中对纸张横向伸长率进行实时测量，为操作工人修改生产工艺参数提供可靠的参考。
附图说明
图1是本发明实施例软测量模型建立方法的流程图；
图2是本发明实施例待测纸张的Lasso算法软测量结果与Ridge算法的软测量结果的对比图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。
如图1所示，一种基于Lasso算法的纸张纵向伸长率的软测量方法，包括以下步骤：
S1、纸种生产过中的纸机及相关工艺参数的采集：利用MES系统采集的到纸机生产过程中的生产数据，并且进行数据预处理；
S2、对预处理之后的数据集进行相关性分析，选取出对纸张纵向伸长率有影响和关联的变量；
S3、根据Lasso算法原理搭建纸张纵向伸长率软测量模型，并输入数据集进行模型的训练；
S4、利用步骤S3训练完成的纸张纵向伸长率软测量模型，对测试样本进行纵向伸长率的软测量。
步骤S1中，纸种生产过中的纸机及相关工艺参数的采集，具体步骤如下：
利用MES系统采集的到纸机生产过程中的变量，利用MES系统采集的到纸机生产过程中的生产数据，并且进行数据预处理。利用统计学的3σ原则进行异常值的排查。3σ方法是基于概率统计理论而言的，对于某个变量，其均值的偏差值超过3σ的概率不超过11.11％，因此如果该变量值与其平均值之差的绝对值超过3σ则认为是异常值。
步骤S2中，对预处理之后的数据集进行相关性分析，选取出对纸张纵向伸长率有影响和关联的变量，具体步骤如下：
通过相关性分析分析与纸张纵向伸长率的关联性和影响程度，相关性分析中采用皮尔逊相关系数，具体计算公式如下：
其中cov(X，Y)表示两个变量间的协方差，σXσY则分别代表各自协方差，E代表的是各个变量的期望。
选取出对纸张纵向伸长率有影响的变量，需要采集的变量数据主要有：卷速vj/m·s-1、真空网速vw/m·s-1、纸张定量m(g·m-2)、湿部风罩供风机低频率f/Hz、液压单位电流Iy/A、卷曲率C/％、烘缸油站电流Ih/A。
所述基于的Lasso算法的纸张横向伸长率的软测量原理，具体如下：
Lasso是回归方法，采用的是缩放的方法，将回归系数收缩在一定的区域内。LASSO的主要思想是构造一个一阶惩罚函数获得一个精炼的模型,通过最终确定一些变量的系数为0进行特征筛选，Lasso的公式如下：
其中，模型第一项是经验风险可以表示成RSS(βj)，第二项是惩罚项目，由于Lasso算法中的惩罚项中含有绝对值，此函数的导数是连续不光滑的，所以无法进行求导并使用梯度下降优化。采用使用坐标下降发对Lasso回归系数进行计算。坐标下降法是每次选择一个维度的参数进行一维优化，然后不断的迭代对多个维度进行更新直到函数收敛。具体的求解过程如下：
令则可以得到：
关于正则项的求倒，采用梯度下降求导，具体过程如下：
这样整体的偏导数就可以表示成：
令可以得到
通过上面的公式便可以每次选取一维进行不断优化并不断迭代得到最优的回归系数。得到的回归系数再如入如下公式：
y＝βX
y即为输入数据集的，纸张纵向伸长率的软测量模型。
步骤S4中，利用训练完成的纵向伸长率软测量模型，对待测试的纸张进行纵向伸长率软测量，具体如下：
获得待测纸张的输入，包括：卷速vj/m·s-1、真空网速vw/m·s-1、纸张定量m/(g·m-2)、湿部风罩供风机低频率f/Hz、液压单位电流Iy/A、卷曲率C/％、烘缸油站电流Ih/A。
并把采用Lasso算法软测量结果与采用Ridge算法的得到的待测纸张纵向伸长率软测量结果进行对比(如图2所示)。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (3)

1.一种基于Lasso算法的纸张纵向伸长率的软测量方法，其特征在于，包括以下步骤：
S1、纸种生产过中的纸机及相关工艺参数的采集：利用MES系统采集的到纸机生产过程中的生产数据，并且进行数据预处理；
S2、对预处理之后的数据集进行相关性分析，选取出对纸张纵向伸长率有影响和关联的变量，具体步骤如下：
通过相关性分析分析与纸张纵向伸长率的关联性和影响程度，相关性分析中采用皮尔逊相关系数，具体计算公式如下：
其中cov(X，Y)表示两个变量间的协方差，σXσY则分别代表各自协方差，E代表的是各个变量的期望；
选取出对纸张纵向伸长率有影响的变量，需要采集的变量数据主要有：卷速vj/m·s-1、真空网速vw/m·s-1、纸张定量m/(g·cm-2)、湿部风罩供风机低频率f/Hz、液压单位电流Iy/A、卷曲率C/％、烘缸油站电流Ih/A；
S3、根据Lasso算法原理搭建纸张纵向伸长率软测量模型，并输入数据集进行模型的训练，具体如下：
Lasso是回归方法，采用的是缩放的方法，将回归系数收缩在一定的区域内；LASSO的主要思想是构造一个一阶惩罚函数获得一个精炼的模型,通过最终确定一些变量的系数为0进行特征筛选，Lasso的公式如下：
其中，模型第一项是经验风险可以表示成RSS(βj)，第二项是惩罚项目，由于Lasso算法中的惩罚项中含有绝对值，此函数的导数是连续不光滑的，所以无法进行求导并使用梯度下降优化；采用使用坐标下降发对Lasso回归系数进行计算；坐标下降法是每次选择一个维度的参数进行一维优化，然后不断的迭代对多个维度进行更新直到函数收敛；具体的求解过程如下：
令则可以得到：
关于正则项的求倒，采用梯度下降求导，具体过程如下：
这样整体的偏导数就可以表示成：
令可以得到
通过上面的公式便可以每次选取一维进行不断优化并不断迭代得到最优的回归系数；得到的回归系数再如入如下公式：
y＝βX
y即为输入数据集的，纸张纵向伸长率的软测量模型；
S4、利用步骤S3训练完成的纸张纵向伸长率软测量模型，对测试样本进行纵向伸长率的软测量。
2.根据权利要求1所述的方法，其特征在于：步骤S1中，纸种生产过中的纸机及相关工艺参数的采集，具体步骤如下：
利用MES系统采集的到纸机生产过程中的变量，利用MES系统采集的到纸机生产过程中的生产数据，并且进行数据预处理；利用统计学的3σ原则进行异常值的排查；3σ方法是基于概率统计理论而言的，对于某个变量，其均值的偏差值超过3σ的概率不超过11.11％，因此如果该变量值与其平均值之差的绝对值超过3σ则认为是异常值。
3.根据权利要求1所述的方法，其特征在于：步骤S4中，利用训练完成的纵向伸长率软测量模型，对待测试的纸张进行纵向伸长率软测量，具体如下：
获得待测纸张的输入，包括：卷速vj/m·s-1、真空网速vw/m·s-1、纸张定量m/(g·cm-2)、湿部风罩供风机低频率f/Hz、液压单位电流Iy/A、卷曲率C/％、烘缸油站电流Ih/A。
CN201911306076.6A 2019-12-18 2019-12-18 一种基于Lasso算法的纸张纵向伸长率的软测量方法 Active CN110929425B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911306076.6A CN110929425B (zh) 2019-12-18 2019-12-18 一种基于Lasso算法的纸张纵向伸长率的软测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911306076.6A CN110929425B (zh) 2019-12-18 2019-12-18 一种基于Lasso算法的纸张纵向伸长率的软测量方法

Publications (2)

Publication Number Publication Date
CN110929425A CN110929425A (zh) 2020-03-27
CN110929425B true CN110929425B (zh) 2023-08-11

Family

ID=69863063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911306076.6A Active CN110929425B (zh) 2019-12-18 2019-12-18 一种基于Lasso算法的纸张纵向伸长率的软测量方法

Country Status (1)

Country Link
CN (1) CN110929425B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1517207A2 (de) * 2003-09-16 2005-03-23 Voith Paper Patent GmbH System zur computergestützten Messung von Qualitäts- und/oder Prozessdaten
CN106414048A (zh) * 2013-10-16 2017-02-15 佐治亚-太平洋消费产品有限合伙公司 用于减小棉纸产品的松厚度并增大其密度的方法
CN109440515A (zh) * 2018-11-30 2019-03-08 华南理工大学 一种基于梯度增强回归树的造纸过程打浆度软测量方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105205224B (zh) * 2015-08-28 2018-10-30 江南大学 基于模糊曲线分析的时间差高斯过程回归软测量建模方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1517207A2 (de) * 2003-09-16 2005-03-23 Voith Paper Patent GmbH System zur computergestützten Messung von Qualitäts- und/oder Prozessdaten
CN106414048A (zh) * 2013-10-16 2017-02-15 佐治亚-太平洋消费产品有限合伙公司 用于减小棉纸产品的松厚度并增大其密度的方法
CN109440515A (zh) * 2018-11-30 2019-03-08 华南理工大学 一种基于梯度增强回归树的造纸过程打浆度软测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
段茵 ; 陈恺煊 ; 刘昕 ; 张金凤 ; .基于BP神经网络的纸张缺陷检测与识别研究.西安理工大学学报.2018,(第02期),全文. *

Also Published As

Publication number Publication date
CN110929425A (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
CN111222290B (zh) 一种基于多参数特征融合的大型设备剩余使用寿命预测方法
Arena et al. A novel decision support system for managing predictive maintenance strategies based on machine learning approaches
CN108763729B (zh) 基于网络结构熵的流程工业机电系统耦合状态评估方法
CN109446189A (zh) 一种工业参数离群点检测系统及方法
Gowid et al. A novel robust automated FFT-based segmentation and features selection algorithm for acoustic emission condition based monitoring systems
CN113657221B (zh) 一种基于智能感知技术的电厂设备状态监测方法
CN105607631B (zh) 间歇过程弱故障模型控制限建立方法及弱故障监测方法
CN112904810B (zh) 基于有效特征选择的流程工业非线性过程监测方法
CN110757510B (zh) 一种机器人剩余寿命预测方法及系统
CN117308275B (zh) 一种基于温差的管路连接异常检测方法及系统
CN111080074A (zh) 基于网络多特征关联的系统服役安全态势要素获取方法
CN112000081B (zh) 基于多块信息提取和马氏距离的故障监测方法及系统
CN114429152A (zh) 基于动态指数对抗性自适应的滚动轴承故障诊断方法
CN118154174B (zh) 一种工业设备智慧运维云平台
CN111913443A (zh) 基于相似性的工业设备故障预警方法
CN111105082A (zh) 基于机器学习的工件质量预测模型构建方法及预测方法
CN116880402A (zh) 智慧工厂协同管控系统及其方法
CN114896735A (zh) 改进偏最小二乘的热轧带钢头部浪形缺陷原因识别方法
CN116755411A (zh) 一种工业设备数据采集方法及装置
CN109598309B (zh) 一种金属包装冲压机的检测系统及其监测方法
CN108508860B (zh) 一种基于耦合关系的流程工业生产系统数据监测方法
CN117435908A (zh) 一种用于旋转机械的多种故障特征提取方法
CN110929425B (zh) 一种基于Lasso算法的纸张纵向伸长率的软测量方法
CN118050591A (zh) 基于ai的配网10kv架空线故障预警及定位系统
CN117977536A (zh) 一种智能电网负荷辨识方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant