CN111433599A - 用于使用有源声谱仪确定过程属性的方法和系统 - Google Patents
用于使用有源声谱仪确定过程属性的方法和系统 Download PDFInfo
- Publication number
- CN111433599A CN111433599A CN201880076136.7A CN201880076136A CN111433599A CN 111433599 A CN111433599 A CN 111433599A CN 201880076136 A CN201880076136 A CN 201880076136A CN 111433599 A CN111433599 A CN 111433599A
- Authority
- CN
- China
- Prior art keywords
- material state
- state
- cluster
- predetermined
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 171
- 230000008569 process Effects 0.000 title claims description 74
- 239000000463 material Substances 0.000 claims abstract description 266
- 238000001228 spectrum Methods 0.000 claims abstract description 47
- 230000009467 reduction Effects 0.000 claims abstract description 19
- 238000004886 process control Methods 0.000 claims description 24
- 230000007704 transition Effects 0.000 claims description 24
- 238000000513 principal component analysis Methods 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000010924 continuous production Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 239000012530 fluid Substances 0.000 description 12
- 238000005259 measurement Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000002730 additional effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000011343 solid material Substances 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000006101 laboratory sample Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000012056 semi-solid material Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4472—Mathematical theories or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/02—Analysing fluids
- G01N29/036—Analysing fluids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/02—Analysing fluids
- G01N29/032—Analysing fluids by measuring attenuation of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/222—Constructional or flow details for analysing fluids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/34—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor
- G01N29/348—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor with frequency characteristics, e.g. single frequency signals, chirp signals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4481—Neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/10—Number of transducers
- G01N2291/102—Number of transducers one emitter, one receiver
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
提供了用于在有源声谱仪系统(100)中确定材料属性的方法，该方法包括：使用声谱仪获取(200)来自容器中的材料的多维声谱；使用数学降维方法降低(202)该声谱的维度，从而形成(204)描述材料状态的经降维的声谱；以及确定(206)该材料状态是否属于预定材料状态聚类。还提供了用于执行所描述的方法的系统。
Description
技术领域
本发明涉及有源声谱仪(spectroscopy)系统以及用于在有源声谱仪系统中确定材料属性的方法。
背景技术
在过程工业中，很多时候，监视和控制过程中涉及的各种材料的属性非常重要。对于流体过程，可以执行其中使用单独的仪器来确定流体的不同属性的控制测量，或者可以收集实验室样本用于进一步分析以确定所分析的材料的属性。
然而，这样的分析给出了整个流体的有限的描述，而不是完整描述。此外，这些分析工具可能既昂贵又耗时，并且期望简化各种过程中的材料表征和过程控制。
此外，存在过程可能是半连续的阶段，并且需要更改参数以实现所处理的材料的特定质量，即“适当质量”。“适当质量”的定义通常是由与具体质量参数相关的单个或多个属性的组合给出的描述。在这样的过程中，希望通过以优化的方式更改质量参数来节省能量和原材料，即以最快可能的方式在不同的预定材料属性之间切换。此外，在某些过程中，能够重复地识别特定的过程状态比知道过程的特定属性更为重要。
有源声谱仪是一种用于分析容器或密封装置如管或桶内部的流体的测量技术。该技术当前主要用于过程工业。该技术需要具有高精度的小型传感器，以在过程工业中实现具有足够质量的测量。此外，通过使用有源声谱仪，可以以仅一次测量确定材料的属性的范围。
因此，有源声谱仪解决了上述问题中的一些问题。然而，有源声谱仪提供了多维的测量结果，并且包括复杂的数据。在许多情况下，需要对测量结果进行数据处理和人工处理以得出描述材料和过程属性的有用信息。
鉴于上述情况，期望增加有源声谱仪作为可以在广泛的过程中使用的测量工具的可及性(accessibility)。
发明内容
鉴于现有技术的上述和其他缺点，本发明的目的是提供用于在有源声谱仪系统中确定材料属性的改进方法。
根据本发明的第一方面，提供了一种用于在有源声谱仪系统中确定材料属性的方法。该方法包括：使用声谱仪获取来自容器中的材料的多维声谱；使用数学降维方法降低声谱的维度，从而形成描述材料状态的经降维的声谱；以及确定所述材料状态是否属于预定材料状态聚类。
该材料可以是流体或固体材料，而容器可以是管、桶等。流体可以是液体或气体。因此，可以从管中的移动或静止材料(诸如移动流体)以及从容器中的静止流体、固体或半固体材料获取声谱。此外，术语材料不仅指单一的材料种类。替代地，术语材料在本上下文中应被认为包括混合物、溶液、化合物、聚结物(agglomeration)以及包括不同相的多种不同组分的任何其他组合。
本文中，材料状态可以被视为具有材料属性的某些组合的材料的表示，即流体或固体或它们的组合。
可以例如在管的不同位置处或在过程的不同阶段评估管中的流体材料。所描述的方法还可以在过程期间在容器中使用，其中在该过程期间监视材料属性。在某些应用中，监视材料属性以确保它们不发生改变可能是重要的；并且在其他应用中，可以监视材料属性的变化以确保变化以受控和预期的方式进行。在选定的过程期间出现的不同材料状态也可以被称为过程状态。因此，可以理解，材料属性的一种特定组合，即材料状态或过程状态，会产生用于重复测量的基本上相同的声谱，并且因此应当通过一种材料状态来描述材料属性的特定组合，从而提供较高的可重复性。所描述的方法还可以例如在材料属性随时间变化的配料容器中使用。
本发明基于以下认识：可以通过首先降低频谱的维度，然后进行聚类，来简化通过执行有源声谱术获取的复杂的多维频谱，其中，在该聚类中确定经降维的频谱是否属于经降维的频谱的预定聚类。因此，提供了表示材料的不同状态的简化方法，该材料的不同状态在不同属性之间可能具有复杂的关系。
材料状态聚类可以被认为描述在由选定的降低的维度确定的表示中彼此接近的多个材料状态。材料状态聚类也可以被视为例如材料“质量”。所描述的方法可以例如在过程工业中采用。在可以实现许多不同质量并且在不同时间点可能需要不同质量的过程中，材料状态聚类可以帮助过程的操作员控制过程以有效地识别并达到特定质量。
根据本发明的一个实施方式，该方法还可以包括：使用机器学习方法基于多个材料状态来定义多个预定聚类。因此，在不具有对所涉及的过程或材料的属性的任何现有知识的情况下，可以在过程中使用该方法和有源谱仪系统。借助于机器学习算法，可以随时间定义材料状态聚类。机器学习方法因此可以用于借助于通过机器学习方法执行的聚类来改善工业过程的可控制性和可预测性。
此外，该方法可以包括：随着过程的进行以及过程随着时间的发展而定义新聚类，从而潜在地定义识别过程中的新材料质量的新聚类。因此，在随着过程的进行而重新定义聚类时，谱仪系统可以主动地自我学习。
根据本发明的一个实施方式，数学降维方法可以选自包括以下的组：主分量分析、小波变换、神经网络、等距映射(isomap)和多维缩放。此处，降维方法的主要目的可以被视为简化复杂的数据表示，同时在简化的数据表示中保留尽可能多的信息。
根据本发明的一个实施方式，可以基于由相应的数学降维方法得到的所得材料状态的质量测量来选择要使用的数学降维方法。针对所获取的声谱的集合使用选定的降维方法，然后进行聚类，将导致特定的聚类聚合。基于该聚类，可以针对特定聚类确定材料状态的质量测量。因此，使用不同的降维方法将产生聚类的不同分布。因此，有利的是，对同一声谱数据集合采用若干种不同的降维方法，以基于材料状态确定所得聚类分布中的哪一个表现出最高的质量测量。
根据本发明的一个实施方式，该质量测量可以基于以下至少之一：表示材料状态的选定的数据点之间的距离；所得聚类的半径；以及一定半径内的数据点的数目。表示材料状态的选定的数据点之间的距离可以例如用于确定已知相同或相似的材料状态是否最终互相足够靠近。还可能需要的是：还应当在一定半径内找到已知表示相似材料状态的一定数目的数据点，以满足质量要求。
根据本发明的一个实施方式，经降维的声谱可以是二维数据点。因此，多维声谱的维度已降低到二维。材料状态的二维表示提供了简单的图形化表示和过程操作员的容易的解释。针对某些过程和应用，二维声谱可能足以描述相关的过程状态或材料状态聚类。然而，对于其他过程，可能需要更高的维度以正确地确定不同的材料状态聚类。因此，经降维的声谱原则上可以具有比原始声谱的维度低的任意维度。用于表示不同材料状态聚类的声谱的所需维度例如可以凭经验确定。因此，以上讨论的数据点之间的距离和聚类的半径可以在两个或更多个维度上定义。
根据本发明的另一实施方式，该方法还可以包括确定两个不同且分离的预定材料状态聚类之间的最佳路径。由于材料状态聚类可以表示一定的材料质量，因此也可能期望以最有效的方式控制过程变化，即不同质量之间的转变。因此，可以定义材料状态聚类之间的最佳路径，使得可以监视过程并将该过程控制成遵循从第一材料状态聚类到第二材料状态聚类的预定路径。
根据本发明的一个实施方式，确定两个不同且分离的预定材料状态聚类之间的最佳路径可以包括：基于从第一材料状态聚类转变至第二材料状态聚类所需的估计时间来优化路径。这在这样的应用中可以是有利的：在所述应用中，控制过程以尽可能快地在不同的过程状态即不同的材料状态聚类之间移动是重要的。在连续过程中，也可能期望尽可能快地从一种材料质量改变为另一种材料质量，以使转变期间的浪费最小化。一个示例可以是其中纸浆的质量在从较深的纸到较浅或白色纸的转变中发生变化的造纸过程。
根据本发明的一个实施方式，确定两个不同且分离的预定材料状态聚类之间的最佳路径可以包括：基于从第一材料状态聚类转变至第二材料状态聚类所需的估计能量来优化路径。这在能量消耗是重要的过程中可能是有利的，并且通过控制表示过程状态的两个聚类之间的转变以使能量消耗最小化，可以提高过程的整体能量效率。也可能存在如下应用：在所述应用中，过程中其他工具的能量消耗取决于材料质量，例如材料或材料的组分是否由研磨机等提供。
是否基于时间或基于能量消耗优化两种过程状态之间的转变可以由操作员人工地控制，或者可以是自动控制方法中的设置。也可能是以下情况：期望优化过程中用于某些转变的时间和用于其他转变的能量，或者可以基于时间和能量效率的组合来控制两个材料状态聚类之间的转变。此外，优化可以涉及机器学习，使得可以基于先前执行的转变来改进优化过程。
根据本发明的一个实施方式，该方法还可以包括：确定过程正从第一材料状态聚类向第二材料状态聚类转变；确定针对该过程的转变速度；以及将所确定的转变速度与从第一材料状态聚类到第二材料状态聚类的预定的估计转变速度进行比较。比预定的转变速度阈值高的转变速度可能例如导致过冲(overshoot)，以致即使这样的转变速度高，也要花费更长的时间达到稳定的过程状态。因此，期望根据预定参数控制两个材料状态聚类之间的转变速度，以确保转变速度不太高。
根据本发明的一个实施方式，如果材料状态不属于预定材料状态聚类，则该方法还可以包括确定材料状态是否位于两个预定材料状态聚类之间的路径上。由此，如果观察到材料状态改变以致当前的材料状态不再可以属于预定材料状态聚类，则可以确定该材料或过程是否在朝向不同材料状态聚类的路径上，或者是否正在意外地漂移。因此，取决于与预定材料状态聚类的偏离的性质，可以采取适当的动作。
根据本发明的一个实施方式，该方法还可以包括：获取影响材料状态的第一相关过程控制参数集合；以及基于过程控制参数和当前材料状态，确定是否预期材料状态朝向第一预定材料状态聚类移动。可以假设过程控制参数的给定集合导致材料属性的给定集合，从而预测材料状态聚类。由此，不仅所获取的声谱而且该过程的控制参数都可以用于评估是否将达到选定的材料状态聚类。由此，可以对过程进行监视和控制，使得可以达到选定的材料状态聚类。
根据本发明的一个实施方式，该方法还可以包括：获取影响材料状态的第一相关过程控制参数集合；基于过程控制参数和当前材料状态，确定是否预期材料状态对应于第一预定材料状态聚类；获取影响材料状态的第二相关过程控制参数集合；以及基于第二过程控制参数集合和当前材料状态，确定是否预期材料状态朝向不同于第一预定材料状态聚类的第二预定材料状态聚类移动。因此，可以监视和控制从第一材料状态聚类朝向第二材料状态聚类的特定移动。而且，还可以确定和预测在更改过程控制参数的同时，例如第一材料状态聚类与第二材料状态聚类之间的预期路径是否将随着时间改变以及如何改变。
根据本发明的一个实施方式，该方法还可以包括：如果材料状态不属于预定材料状态聚类，则确定该材料状态是未定义材料状态。如果观察到未定义材料状态，则可以触发警报，使得可以根据需要校正该过程。这样的校正可以通过调整预定过程控制参数来自动地执行，或者可以由操作员人工地执行。当使用机器学习算法并基于先前的材料状态聚类时，该方法可以识别不属于材料状态聚类的材料状态是否是新的常规材料状态，或者是类似于先前已触发警报的状态的材料状态。
根据本发明的一个实施方式，该方法还可以包括：如果预定数量的连续确定的材料状态位于同一个预定材料状态聚类内，则确定所监视的过程处于稳定状态。这与在预定时间段内处于相同状态聚类的过程等效，因为可以认为连续声谱仪测量之间的时间是已知的。
根据本发明的一个实施方式，该方法还可以包括：如果材料状态不在选定的材料状态聚类内，则基于多个先前所确定的材料状态来估计到达选定的材料状态聚类的时间。因此，基于先前的测量并且通过观察材料状态朝向选定的材料状态聚类移动的速度，例如通过推算，可以确定预期的路径。也可以使用预定的数学模型以基于先前所获取的材料状态来估计未来的材料状态。
根据本发明的一个实施方式，该方法还可以包括：基于描述多个材料状态的多个经降维的声谱，根据多个经降维的声谱定义至少一个材料状态聚类。由此，可以基于先前所确定的状态来定义一个或多个聚类。存在可以确定材料状态聚类的若干种不同方式。可以通过将材料状态与通过其他手段(例如常规分析工具和测量)确定的已知过程状态进行匹配，来人工地定义材料状态聚类。也可以使用聚类算法自动地定义材料状态聚类。这样的聚类算法的示例包括DBSCAN(具有噪声的应用的基于密度的空间聚类)、离差平方和(ward)聚类和使用支持矢量机。聚类工具可以例如基于监督学习进行操作。
根据本发明的第二方面，提供了一种用于在有源声谱仪系统中确定材料属性的方法。该方法包括：使用声谱仪获取来自容器中的材料的多个多维声谱；使用数学降维方法来降低声谱的维度，从而形成描述相应的多个材料状态的多个经降维的声谱；使用机器学习方法来评估多个材料状态，以定义至少一个材料状态聚类。
因此，所描述的方法可以用于在连续过程中定义材料状态聚类，而不会中断该过程并且不需要该过程的任何现有知识。
该方法还可以包括使用机器学习方法来评估每个新获取的材料状态，以确定是否要基于新获取的材料状态来修改所定义的至少一个材料状态聚类。由此，可以按顺序连续地更新根据材料状态聚类的过程和不同过程状态的表示，以改善过程的控制。新识别的材料状态聚类在用于整个过程控制系统之前可能需要验证。这样的验证可以例如由被提示检查新的材料状态聚类的过程操作员执行，或者可以通过与包括可能的材料状态聚类的本地或远程数据库进行比较来执行验证。
本发明第二方面的附加效果和特征在很大程度上类似于以上关于本发明第一方面所描述的那些效果和特征。
根据本发明的第三方面，提供了一种有源声谱仪系统，包括：声发射器，其被布置成将声信号发射到容器中的材料中；声接收器，其被布置成接收受到材料影响的声信号；以及控制单元，其连接至声发射器和声接收器中的每一个。控制单元被配置成：使用声谱仪获取来自容器中的材料的多维声谱；降低声谱的维度，以形成描述材料状态的经降维的声谱；以及确定该材料状态是否属于预定材料状态聚类。
声发射器和声接收器可以例如被布置在诸如管的容器的相对侧，由此发射器将声信号发射到管中。声信号在到达发射器之前将通过位于管中的材料传播。此外，声信号还将在容器的壁中传播，其中该传播受容器壁的材料属性影响。因此，到达接收器的声信号将由于该信号通过材料传播而直接地受到容器中的材料的影响以及由于该信号在容器的与材料接触的侧壁中传播而间接地受到容器中的材料的影响。
根据本发明的一个实施方式，该系统还可以包括被布置在声发射器与容器之间的力传感器。由此，可以更精确地确定正被发送到容器中的声信号的属性，原因是声信号的属性不仅通过声发射器确定，而且通过与声发射器连接的容器的属性确定。
本发明的第三方面的附加效果和特征在很大程度上类似于以上关于本发明的第一方面和第二方面描述的那些效果和特征。
当研究所附权利要求书和以下描述时，本发明的其他特征和优点将变得明显。技术人员认识到，在不偏离本发明的范围的情况下，可以组合本发明的不同特征以创建除了以下描述的那些实施方式之外的实施方式。
附图说明
现在将参照示出本发明的示例实施方式的附图来更详细地描述本发明的这些和其他方面，在附图中：
图1示意性地示出了根据本发明的实施方式的有源声谱仪系统；
图2是概述根据本发明的实施方式的方法的总体步骤的流程图；
图3是示意性地示出根据本发明的实施方式的方法的示例应用的图；
图4是示意性地示出根据本发明的实施方式的方法的示例应用的图；
图5是概述根据本发明的实施方式的方法的总体步骤的流程图；
图6是示意性地示出根据本发明的实施方式的方法的示例应用的图；并且
图7是示意性地示出根据本发明的实施方式的方法的示例应用的图。
具体实施方式
在本详细描述中，参照布置成确定管中流体材料的属性的有源声谱仪系统，主要描述了根据本发明的用于在有源声谱仪系统中确定材料属性的方法以及系统的各种实施方式。然而，可以以许多不同的配置来设置所描述的方法和系统，以确定各种容器中的材料属性。
图1示意性地示出了有源声谱仪系统100，其包括声发射器102，该声发射器102被布置成将声信号发射到(此处是管106的形式的)容器106中的材料104中。在声发射器与管之间布置有力传感器107以更精确地确定发射到容器106中的声信号的属性。力传感器107被配置成使得：从声发射器102提供至力传感器107的力通过力传感器107传递并且被传递至容器106。然而，应当注意，力传感器在所描述的系统100中是可选的。图1以分解图示出了发射器102和力传感器107。实际上，发射器102机械地连接至力传感器107，力传感器107又附接至管106。
该系统还包括声接收器108，该声接收器108被布置成接收已经受到材料影响的声信号。在本图示中，声接收器108被布置成与声发射器102相对，使得声信号通过材料104行进最大可能距离。然而，不需要将声接收器108布置成与声发射器102相对，声接收器108同样可以被布置在容器上的其他位置。
有源声谱仪系统100还包括控制单元110，该控制单元连接至声发射器102和声接收器108中的每一个。控制单元110可以包括微处理器、微控制器、可编程数字信号处理器或另外的可编程装置。控制单元110还可以或者替代地包括专用集成电路、可编程门阵列或可编程阵列逻辑、可编程逻辑装置、数字信号处理器或者遵循冯·诺依曼模型的任何给定单元。在控制单元110包括可编程装置诸如上述微处理器、微控制器或可编程数字信号处理器的情况下，处理器还可以包括控制可编程装置的操作的计算机可执行代码。
控制单元被配置成执行根据本发明的实施方式的方法，其中方法步骤由图2的流程图示出。因此，控制单元110被配置成使用声谱仪从容器中的材料获取200多维声谱；使用数学降维方法降低202声谱的维度以形成204描述材料状态的经降维的声谱；以及确定206该材料状态是否属于预定材料状态聚类。
在下文中，将描述使用有源声谱仪的一般方法的示例。发射器102将具有预定幅度的包括0kHz至20kHz之间的频率的频谱的形式的测量信号发射到流体104中。该测量信号可以是包括所有选定的频率的连续信号，其中针对每个频率的幅度可以任意选择。信号也可以以频率扫描的形式提供，其中在改变信号的频率的同时预定幅度可以保持恒定。替选地，可以在频率扫描期间调制信号源的幅度。所发射的信号被声接收器108接收，并且所接收的信号由于与信号传播通过的流体的相互作用而将不同于所发射的信号。声接收器108例如可以是压电传感器，并且管壁中的振动可以交替地压缩和扩展压电传感器，从而产生来自传感器108的随时间变化的电压输出。随时间变化的电压输出被数字化，从而产生电压值的矢量。
接下来，根据电压值的矢量例如使用FFT来获取从传感器108输出的信号的频谱。FFT的结果是表示容器壁中的振动的幅度的值(即表示电压值的值)的矢量，其中，这些值按振动频率排序。该矢量被称为信号的频谱。为了便于处理非常大量的值，针对频率间隔即所谓的频率元(bin)对频谱中的值进行了汇总。为了方便起见，在针对从0Hz至20kHz的频率扫描给出2000个频率元的情况下，用于所描述的频率范围的频率元可以对应于约10Hz的频率间隔。
由此，获取了多维声谱，其中每个频率元可以被视为表示一个维度。可以在US 9,772,311中找到对声谱仪的更详细的描述，因此在本公开内容中将不进行更详细的讨论。
所描述的方法的关键特征在于：在搜索有用的信息时对所获取的声谱进行压缩即降维以及随后的聚类。将描述将主分量分析(PCA)用作数学降维方法的示例方法，然而也可以使用其他降维方法或它们的组合。
如上面所介绍的，多维信息是根据频谱得出的，其中每个元表示一个频段，并且其中每个元是相应频段的属性的矢量表示。可以将应用PCA视为在保留尽可能多的信息的同时“转变”矢量以降低频谱的维度。PCA分析的结果可以被视为PCA空间，其中PCA空间的维度由PCA方法的参数确定。在本说明书中，假设PCA空间包括预定的聚类。然而，如果正在分析新过程，或者如果已更改其他参数以致已知的聚类不正确，则聚类方法可以应用于PCA空间以自动生成PCA空间维度中的聚类。聚类，即分类，可以以许多不同的方式执行。聚类可以例如是完全自动化的、受监督的、半监督的或被人工地执行，这取决于手头应用的要求和复杂性。聚类方法的示例包括DBSCAN、离差平方和聚类和支持矢量机(SVM)模型。
原则上，可以使用任何给定的聚类算法进行对来自给定过程的所有不同的所测得的材料状态的聚类。然而，期望聚类方法满足以下要求：
-聚类算法可以发现数据集中存在的聚类数量。
-聚类算法可以在线运行以馈送新的数据点。
-聚类算法具有大的可扩展性。
-聚类算法可以处理不同的聚类大小。
-聚类算法可以处理不同的聚类形状(非平坦几何形状)。
此外，可以在声谱仪系统中设置所需的聚类算法，使得可以在离线环境中执行聚类。然而，也可以在声谱仪系统例如经由互联网连接、云环境或其他远程连接手段连接至远程资源的应用中远程地执行聚类。
图3是示意性地示出通过所描述的方法确定的多个材料状态300的图。此处将材料状态示出为二维状态以简化说明。然而，原则上，可以基于针对特定应用所需要的或所期望的内容来任意地决定材料状态的维度。图3还示出了三个材料状态聚类302a至302c，并且可以看出，材料状态中的一些落在聚类内，而一些材料状态在材料状态聚类之外。在材料状态聚类302a至302c之外的材料状态可以被视为未定义的材料状态。然而，期望以使得尽可能多的所确定的材料状态属于聚类的方式来定义聚类。还可以定义成组的聚类以帮助过程操作员或过程控制方法。
该方法还可以包括确定两个不同且分离的预定材料状态聚类之间的最佳路径。在不同的材料状态聚类表示过程的不同阶段或质量的应用中，以下可以是有利的：了解和监视材料状态聚类之间的路径，使得可以以最有效的方式执行聚类之间的改变，并且使得可以监视该过程正朝向所希望的聚类移动。
图4示意性地示出了不同的材料状态聚类302a至302c以及不同聚类302a至302c之间的最佳路径400a至400c。在图4中，为了简单起见，将最佳路径示出为不同聚类302a至302c之间的直线或通道。然而，路径可以采用其他形状，并且聚类之间的优化路径的形状也可以基于所监视的过程的属性来确定。
通过定义聚类之间的路径，还可以确定任何给定的材料状态是否位于两个预定的材料状态聚类之间的路径上，从而使得可以确定所观察到的材料状态的变化是否指示例如过程质量的变化。
也可以使用过程的控制参数来预期材料状态是否将从一个聚类移动至另一聚类。因此，在假设过程控制参数的某些集合产生给定的聚类的情况下，则可以监视材料或过程以确保实际达到所预测的聚类。
图5是概述方法的示例实施方式的步骤的流程图。该方法包括获取500影响材料状态的第一相关过程控制参数集合；基于过程控制参数和当前材料状态，确定502是否期望材料状态朝向第一预定材料状态聚类移动；获取504影响材料状态的第二相关过程控制参数集合；并且基于第二过程控制参数集合和当前材料状态，确定506是否期望材料状态朝向不同于第一预定材料状态聚类的第二预定材料状态聚类移动。
图6以二维表示示意性地示出了各种可能形状的材料状态聚类600a至600g，从而示出了聚类可以具有许多不同的形状和大小。
图7示意性地示出了材料状态的替选表示，其中每个圈状部分700表示材料状态聚类，并且其中示出了聚类之间的可能路径702。所描述的表示可以例如在图形用户界面中使用，其中每个状态与过程参数的相应集合有关，并且其中过程参数的变化可以改变从一种状态至另一状态的所显示的路径。
尽管已经参照本发明的特定示例性实施方式描述了本发明，但是对于本领域技术人员而言，许多不同的变更、修改等将变得明显。而且，应当注意，可以以各种方式省略、互换或布置系统和方法的部分，而该系统和方法仍能够执行本发明的功能。
另外，根据对附图、公开内容和所附权利要求的研究，技术人员在实践所要求保护的本发明时可以理解和实现所公开的实施方式的变型。在权利要求书中，词语“包括”不排除其他元素或步骤，并且不定冠词“一(a)”或“一个(an)”不排除多个。在相互不同的从属权利要求中记载某些措施的这一事实不表示不能有利地使用这些措施的组合。
Claims (22)
1.一种用于在有源声谱仪系统(100)中确定材料属性的方法，所述方法包括：
使用声谱仪获取(200)来自容器中的材料的多维声谱；
使用数学降维方法降低(202)所述声谱的维度，从而形成(204)描述材料状态的经降维的声谱；以及
确定(206)所述材料状态是否属于预定材料状态聚类。
2.根据权利要求1所述的方法，还包括：
使用机器学习方法基于多个材料状态来定义多个预定聚类。
3.根据权利要求1或2所述的方法，其中，所述数学降维方法选自包括以下的组：主分量分析、小波变换、神经网络、等距映射和多维缩放。
4.根据权利要求3所述的方法，其中，基于由相应的数学降维方法得到的所得材料状态的质量测量来选择要使用的数学降维方法。
5.根据权利要求4所述的方法，其中，所述质量测量基于以下至少之一：
-表示材料状态的数据点之间的距离；
-所得聚类的半径；以及
-一定半径内的数据点的数目。
6.根据前述权利要求中任一项所述的方法，其中，所述经降维的声谱是二维数据点。
7.根据前述权利要求中任一项所述的方法，还包括确定两个不同且分离的预定材料状态聚类之间的最佳路径。
8.根据权利要求7所述的方法，其中，确定两个不同且分离的预定材料状态聚类之间的最佳路径包括：基于从第一材料状态聚类转变至第二材料状态聚类所需的估计时间来优化路径。
9.根据权利要求7所述的方法，其中，确定两个不同且分离的预定材料状态聚类之间的最佳路径包括：基于从第一材料状态聚类转变至第二材料状态聚类所需的估计能量来优化路径。
10.根据前述权利要求中任一项所述的方法，还包括：
确定过程正从第一材料状态向第二材料状态转变；
确定针对所述过程的转变速度；以及
将所确定的转变速度与从第一材料状态到第二材料状态的预定的估计转变速度进行比较。
11.根据前述权利要求中任一项所述的方法，其中，如果所述材料状态不属于预定材料状态聚类，则所述方法还包括确定所述材料状态是否位于两个预定材料状态聚类之间的路径上。
12.根据前述权利要求中任一项所述的方法，还包括：
获取影响材料状态的第一相关过程控制参数集合；以及
基于所述过程控制参数和当前材料状态，确定是否预期所述材料状态朝向第一预定材料状态聚类移动。
13.根据权利要求1至11中任一项所述的方法，还包括：
获取(500)影响所述材料状态的第一相关过程控制参数集合；
基于所述过程控制参数和当前材料状态，确定(502)是否预期所述材料状态对应于第一预定材料状态聚类；
获取(504)影响所述材料状态的第二相关过程控制参数集合；以及
基于所述第二过程控制参数集合和当前材料状态，确定(506)是否预期所述材料状态朝向不同于所述第一预定材料状态聚类的第二预定材料状态聚类移动。
14.根据前述权利要求中任一项所述的方法，其中，如果所述材料状态不属于预定材料状态聚类，则所述方法还包括确定所述材料状态是未定义的材料状态。
15.根据前述权利要求中任一项所述的方法，还包括：如果预定数目的相继确定的材料状态位于同一个预定材料状态聚类内，则确定受监视的过程处于稳定状态。
16.根据前述权利要求中任一项所述的方法，还包括：如果材料不在选定的聚类内，则基于多个先前确定的材料状态来估计到达所述选定的材料状态聚类的时间。
17.根据前述权利要求中任一项所述的方法，还包括：
基于描述多个材料状态的多个经降维的声谱，根据所述多个经降维的声谱定义至少一个材料状态聚类。
18.一种用于在有源声谱仪系统(100)中确定材料属性的方法，所述方法包括：
使用声谱仪获取(200)来自容器中的材料的多个多维声谱；
使用数学降维方法降低(202)所述声谱的维度，从而形成(204)描述相应的多个材料状态的多个经降维的声谱；
使用机器学习方法评估所述多个材料状态，以定义至少一个材料状态聚类。
19.根据权利要求18所述的方法，还包括：在连续过程中，使用机器学习方法评估每个新获取的材料状态，以确定是否要基于所述新获取的材料状态来修改所定义的至少一个材料状态聚类。
20.一种有源声谱仪系统(100)，包括：
声发射器(102)，被布置成将声信号发射到容器(106)中的材料(104)中；
声接收器(108)，被布置成接收受到了所述材料影响的声信号；以及
控制单元(110)，连接至所述声发射器和所述声接收器中的每一个，所述控制单元被配置成：
使用声谱仪获取来自容器中的材料的多维声谱；
使用数学降维方法降低所述声谱的维度，以形成描述材料状态的经降维的声谱；以及
确定所述材料状态是否属于预定材料状态聚类。
21.根据权利要求20所述的有源声谱仪系统，其中，所述声发射器和所述声接收器被布置在所述容器的相对侧上。
22.根据权利要求20或21所述的有源声谱仪系统，还包括被布置在所述声发射器与所述容器之间的力传感器(107)。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| SE1751455-5 | 2017-11-27 | ||
| SE1751455A SE541498C2 (en) | 2017-11-27 | 2017-11-27 | Method and system for determining process properties using active acoustic spectroscopy |
| PCT/SE2018/051216 WO2019103689A1 (en) | 2017-11-27 | 2018-11-26 | Method and system for determining process properties using active acoustic spectroscopy |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111433599A true CN111433599A (zh) | 2020-07-17 |
Family
ID=66630752
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880076136.7A Pending CN111433599A (zh) | 2017-11-27 | 2018-11-26 | 用于使用有源声谱仪确定过程属性的方法和系统 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US11598754B2 (zh) |
| EP (1) | EP3717896B1 (zh) |
| CN (1) | CN111433599A (zh) |
| BR (1) | BR112020009861A2 (zh) |
| CA (1) | CA3082017A1 (zh) |
| SE (1) | SE541498C2 (zh) |
| WO (1) | WO2019103689A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111685735B (zh) * | 2020-06-08 | 2022-01-21 | 清华大学 | 基于鼾声信号的睡眠呼吸暂停监测方法及装置 |
| WO2023027616A1 (en) * | 2021-08-25 | 2023-03-02 | Acosense Ab | Acoustic spectroscopy assembly and a method for determining a property of a fluid in a pipe using the acoustic spectroscopy assembly |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1302764A1 (en) * | 2001-10-10 | 2003-04-16 | Borealis Technology Oy | Particle data analysis |
| JP2003232759A (ja) * | 2002-02-06 | 2003-08-22 | Shimadzu Corp | におい識別装置 |
| CN101460840A (zh) * | 2006-05-24 | 2009-06-17 | 株式会社捷太格特 | 声发射检测装置和控制装置 |
| WO2011026638A1 (en) * | 2009-09-04 | 2011-03-10 | Precitec Kg | Method for classifying a laser process and a laser material processing head using the same |
| US20120143082A1 (en) * | 2009-05-13 | 2012-06-07 | Ioan Notingher | Tissue sample analysis |
| CN102621221A (zh) * | 2012-04-16 | 2012-08-01 | 中国计量学院 | 一种基于相控超声波的缺陷分类方法 |
| JP2012187139A (ja) * | 2011-03-08 | 2012-10-04 | Toshiba Corp | 画像処理装置 |
| US20130054603A1 (en) * | 2010-06-25 | 2013-02-28 | U.S. Govt. As Repr. By The Secretary Of The Army | Method and apparatus for classifying known specimens and media using spectral properties and identifying unknown specimens and media |
| US20140060188A1 (en) * | 2012-08-29 | 2014-03-06 | Honeywell International Inc. | Non-destructive evaluation methods for aerospace components |
| CN103645249A (zh) * | 2013-11-27 | 2014-03-19 | 国网黑龙江省电力有限公司 | 基于精简集下采样不均衡svm变压器在线故障检测方法 |
| CN104597124A (zh) * | 2014-12-05 | 2015-05-06 | 广东省自动化研究所 | 一种基于声音频谱拟合的金属罐装产品质量在线检测方法 |
| CN104713714A (zh) * | 2015-02-09 | 2015-06-17 | 云南电网有限责任公司电力科学研究院 | 一种基于网格多密度聚类的高压断路器动作特性分析方法 |
| US20160369624A1 (en) * | 2015-06-22 | 2016-12-22 | Saudi Arabian Oil Company | Systems, methods, and computer medium to provide entropy based characterization of multiphase flow |
| CN107274105A (zh) * | 2017-06-28 | 2017-10-20 | 山东大学 | 基于线性判别分析的多属性决策树电网稳定裕度评估方法 |
| CN107328868A (zh) * | 2017-06-27 | 2017-11-07 | 福州大学 | 一种快速识别陶瓷涂层失效类型的声发射信号分析方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9772311B2 (en) | 2000-07-14 | 2017-09-26 | Acosense Ab | Active acoustic method for predicting properties of process fluids comprising solid particles or gas/liquid volumes based on their size distribution and concentration |
| EP2626696A1 (en) * | 2012-02-10 | 2013-08-14 | Acosense AB | Acoustic measurement system with circular buffer |
| US9568378B2 (en) * | 2013-12-18 | 2017-02-14 | Siemens Energy, Inc. | Multi functional sensor system for gas turbine combustion monitoring and control |
-
2017
- 2017-11-27 SE SE1751455A patent/SE541498C2/en unknown
-
2018
- 2018-11-26 CN CN201880076136.7A patent/CN111433599A/zh active Pending
- 2018-11-26 EP EP18880561.8A patent/EP3717896B1/en active Active
- 2018-11-26 WO PCT/SE2018/051216 patent/WO2019103689A1/en unknown
- 2018-11-26 CA CA3082017A patent/CA3082017A1/en active Pending
- 2018-11-26 US US16/764,254 patent/US11598754B2/en active Active
- 2018-11-26 BR BR112020009861-2A patent/BR112020009861A2/pt unknown
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1302764A1 (en) * | 2001-10-10 | 2003-04-16 | Borealis Technology Oy | Particle data analysis |
| JP2003232759A (ja) * | 2002-02-06 | 2003-08-22 | Shimadzu Corp | におい識別装置 |
| CN101460840A (zh) * | 2006-05-24 | 2009-06-17 | 株式会社捷太格特 | 声发射检测装置和控制装置 |
| US20100058867A1 (en) * | 2006-05-24 | 2010-03-11 | Hiroshi Ueno | Acoustic emission detector and controller |
| US20120143082A1 (en) * | 2009-05-13 | 2012-06-07 | Ioan Notingher | Tissue sample analysis |
| WO2011026638A1 (en) * | 2009-09-04 | 2011-03-10 | Precitec Kg | Method for classifying a laser process and a laser material processing head using the same |
| US20130054603A1 (en) * | 2010-06-25 | 2013-02-28 | U.S. Govt. As Repr. By The Secretary Of The Army | Method and apparatus for classifying known specimens and media using spectral properties and identifying unknown specimens and media |
| JP2012187139A (ja) * | 2011-03-08 | 2012-10-04 | Toshiba Corp | 画像処理装置 |
| CN102621221A (zh) * | 2012-04-16 | 2012-08-01 | 中国计量学院 | 一种基于相控超声波的缺陷分类方法 |
| US20140060188A1 (en) * | 2012-08-29 | 2014-03-06 | Honeywell International Inc. | Non-destructive evaluation methods for aerospace components |
| CN103645249A (zh) * | 2013-11-27 | 2014-03-19 | 国网黑龙江省电力有限公司 | 基于精简集下采样不均衡svm变压器在线故障检测方法 |
| CN104597124A (zh) * | 2014-12-05 | 2015-05-06 | 广东省自动化研究所 | 一种基于声音频谱拟合的金属罐装产品质量在线检测方法 |
| CN104713714A (zh) * | 2015-02-09 | 2015-06-17 | 云南电网有限责任公司电力科学研究院 | 一种基于网格多密度聚类的高压断路器动作特性分析方法 |
| US20160369624A1 (en) * | 2015-06-22 | 2016-12-22 | Saudi Arabian Oil Company | Systems, methods, and computer medium to provide entropy based characterization of multiphase flow |
| CN107328868A (zh) * | 2017-06-27 | 2017-11-07 | 福州大学 | 一种快速识别陶瓷涂层失效类型的声发射信号分析方法 |
| CN107274105A (zh) * | 2017-06-28 | 2017-10-20 | 山东大学 | 基于线性判别分析的多属性决策树电网稳定裕度评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3717896C0 (en) | 2023-12-27 |
| CA3082017A1 (en) | 2019-05-31 |
| SE541498C2 (en) | 2019-10-22 |
| EP3717896A1 (en) | 2020-10-07 |
| WO2019103689A1 (en) | 2019-05-31 |
| US20200278328A1 (en) | 2020-09-03 |
| EP3717896B1 (en) | 2023-12-27 |
| EP3717896A4 (en) | 2021-08-04 |
| US11598754B2 (en) | 2023-03-07 |
| SE1751455A1 (en) | 2019-05-28 |
| BR112020009861A2 (pt) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220365509A1 (en) | Methods and apparatus for machine learning predictions of manufacture processes | |
| US10488832B2 (en) | Predictive monitoring and diagnostics systems and methods | |
| CN110352349B (zh) | 异常音检测装置、异常度计算装置、异常音生成装置、异常信号检测装置、及其方法、记录介质 | |
| US20190154469A1 (en) | Method and apparatus for pneumatically conveying particulate material including a user-visible iot-based classification and predictive maintenance system noting maintenance state as being acceptable, cautionary, or dangerous | |
| US11216741B2 (en) | Analysis apparatus, analysis method, and non-transitory computer readable medium | |
| JP7408653B2 (ja) | 非定常性機械性能の自動分析 | |
| US20190227504A1 (en) | Computer System And Method For Monitoring Key Performance Indicators (KPIs) Online Using Time Series Pattern Model | |
| JP2018156151A (ja) | 異常検知装置及び機械学習装置 | |
| Silva et al. | Rapid prototyping and parametric optimization of plastic acoustofluidic devices for blood–bacteria separation | |
| CN111433599A (zh) | 用于使用有源声谱仪确定过程属性的方法和系统 | |
| US10139840B2 (en) | System, device, and method for fluid dispensing control | |
| JP6272133B2 (ja) | 弁状態診断システムおよび弁状態診断方法 | |
| CN116991146B (zh) | 一种超声波清洗装置的控制方法及系统 | |
| CN115129003B (zh) | 一种基于自学习时变数字孪生的自动化产线智能监测系统 | |
| CN116415127A (zh) | 用于造纸质量评估的方法、系统及介质 | |
| Brecher et al. | Optimized state estimation by application of machine learning | |
| KR101860608B1 (ko) | 계측 신호를 이용한 시스템 해석 방법 | |
| US20240118682A1 (en) | System And Method For Controlling A Robot Using Dimensionally Aware Rule Extraction | |
| US20230281364A1 (en) | Automated operating mode detection for a multi-modal system | |
| US20230346400A1 (en) | Kidney stone identification system | |
| Rossi et al. | A data-based measure for interactions in multivariate systems | |
| Rechtin et al. | Creating Adaptive Predictions for Packaging Critical Quality Parameters Using Advanced Analytics and Machine Learning | |
| US11899410B1 (en) | Monitoring a wellbore operation using distributed artificial intelligence | |
| CN118427577B (zh) | 用于农产品的农药残留检测方法及装置 | |
| Betz et al. | Accurate prediction of nonadiabatic transitions through avoided crossings |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200717 |
|
| WD01 | Invention patent application deemed withdrawn after publication |