Apr, 2024

工业碱性水电解槽动态故障检测与诊断的变分贝叶斯字典学习方法

PDF
TL;DR提出一种新的稳健动态变分贝叶斯字典学习（RDVDL）监测方法，以提高碱性水电解（AWE）操作的可靠性和安全性。RDVDL 采用稀疏贝叶斯字典学习来保留 AWE 过程的动态机制信息，从而容易解释故障检测结果。为了提高对测量不确定性的鲁棒性，提出了一种低秩矢量自回归（VAR）方法，可可靠地提取出过程变量的串行相关性。该方法在工业氢气生产过程中得到了有效验证，RDVDL 能够高效地检测和诊断关键的 AWE 故障。
alkaline water electrolysisgreen hydrogen productiondynamic variational bayesian dictionary learningmeasurement uncertaintyfault detection
发现论文，激发创造
  • 质子交换膜水电解中的机器学习 -- 第一部分：知识整合框架

    在这项研究中，我们提出采用一种新颖的框架，即知识集成机器学习，来推进质子交换膜水电解（PEMWE）的发展。通过融合数据驱动的模型和领域专业知识，系统地应对 PEMWE 在优化性能方面的挑战。我们展示了一种分层的三级框架，在 PEMWE 的背景下应用于细胞退化分析的三个案例研究中，证明了其在插值、外推和信息表示方面的有效性。这项研究为工程领域的知识驱动型增强的机器学习应用奠定了基础。

    Jan, 2024

  • 一种新型的水电机组故障定位与数据优化方法

    基于稀疏自编码器（SAE）- 生成对抗网络（GAN）- 小波降噪（WNR）- 流形增强深度学习（SG-WMBDL）的水电站故障定位方法，通过提供高质量样本数据、降噪和捕捉局部特征，结合自适应增强的多深度学习，实现了具有非线性和非平滑特性的水电站故障的精准定位。

    May, 2024

  • 通过可解释的机器学习增强动力系统建模：以阴极电泳沉积为例的案例研究

    利用数据驱动方法、推理技术和机器学习增强模型的建模，针对阴极电泳沉积（EPD）进行建模，并通过实验数据的推理和可调整的模型增强方法来改进物理模型的系统性。

    Jan, 2024

  • 生成对抗小波神经运算器：多变量时间序列数据的故障检测和隔离应用

    提出了一种新的无监督深度学习方法，即生成对抗小波神经算子（GAWNO），用于多元时间序列过程的故障检测和隔离。该方法结合了小波神经算子和生成对抗网络（GANs）的优势，有效地捕捉底层系统中不同变量的时间分布和空间依赖关系，并通过基于重构误差的阈值方法来检测和隔离故障。通过在正常操作条件下的数据集上训练 GAWNO，并使用 Tennessee Eastman Process（TEP）数据集、Avedore 污水处理厂（WWTP）和 WWTPN2O 数据集验证了所提出的方法，结果显示相比文献中各种建立良好基线，将小波分析、神经算子和生成模型结合到一个框架中以检测和隔离故障的想法得到了有希望的结果。

    Jan, 2024

  • 使用混合动态贝叶斯网络监测复杂物理系统

    本文中，我们使用混合（离散 / 连续）动态贝叶斯网络（DBN）对逆水气转移系统（RWGS）进行建模，并展示了如何使用概率推断跟踪系统状态。通过从真实数据中进行测试，证明了混合 DBNs 在监测复杂实际物理系统方面的可行性。

    Dec, 2012

  • 复杂动态的变分编码

    使用时间滞后变分自编码器（VDE）对复杂的非线性蛋白质折叠等过程进行降维，并通过 saliency mapping 方法分析 VDE 所选择的用来描述动态过程的特征。

    Nov, 2017

  • 神经自动写作评估与纠正反馈

    提出了一个整合的系统，通过纠正性反馈来弥合第二语言学习者自动写作评估和语法错误纠正结果之间的差距。

    Feb, 2024

  • 发现沉积过程的规则：利用无监督学习进行过程洞察、代理模型和敏感性分析

    本研究介绍了一种综合方法，利用数据驱动方法来阐明化学气相沉积（CVD）反应器中的沉积过程机制，并揭示了各个机制之间相互作用。该研究通过实验证明，采用流场分布（CFD）模型衍生的过程结果可以识别出对应于不同过程机制的 “结果” 簇，其中输入变量的相对影响发生显著转变。此外，通过多项式混沌展开（PCE）方法构建了一个高效的代理模型，该模型具有高准确性，方便了计算分析。最后，通过 Sobol' 指数实现了敏感性分析，量化了在已识别过程中的过程输入的影响。这项研究的揭示为后过渡区域发生的现象提供了假设，并强调了温度在扩散受限区域的重要性，即阿伦尼乌斯图表证明了在高温下激发了气相反应。我们提出的方法不仅具有与实验观察和理论原则相一致的洞察力，还有助于决策过程设计和优化。借助避免了昂贵费时的实验，我们的方法为提高过程效率提供了实用途径。此外，这项研究强调了基于数据驱动的计算方法在创新反应器设计范例方面的潜力。

    May, 2024

  • 零资源语言的多语种音频词向量

    该研究针对缺乏已标注数据的零资源语言开发语音应用的挑战，特别使用声学词嵌入（AWE），通过多语言转移利用来自几种资源丰富的语言的已标注数据。该研究介绍了一种新的神经网络，优于现有的 AWE 模型在零资源语言上的表现，研究还探讨了资源丰富语言的选择对结果的影响。AWE 应用于斯瓦希里语广播中的仇恨言论检测的关键词识别系统，展示了在实际场景中的稳健性。此外，新颖的语义 AWE 模型提高了语义查询示例搜索的性能。

    Jan, 2024

  • FM-AE：用于锌电解板接触异常检测的频率屏蔽多模态自编码器

    为了确保生产质量和效率，文章提出了一种将细胞电压信号和红外图像信息作为输入的端到端网络 ——Frequency-masked Multimodal Autoencoder（FM-AE）。通过自动编码将这两种特征融合在一起，并通过级联检测器预测锌电解槽板的不良接触状态。实验结果表明，该方法在保持高准确性（86.2%）的同时具有良好的鲁棒性和推广能力，有效地检测锌电解槽板的不良接触状态，并为生产实践提供了有力支持。

    Jan, 2024