2  
  首页 新闻公告 研究方向 研究成果 科研团队 项目案例 论文发表

招聘信息


  研究成果   面向混合特性并存的工业过程监测与故障诊断技术  
 

时序预测



模型迁移



机理发现



持续学习



故障诊断


 
 

 

在复杂工业过程与装备的故障诊断方面,提出了动态非高斯混合序列建模、基于综合检验与非线性度量的工业过程监测、混合特性深度解析、迭代条件变量选择的时序因果发现、基于注意力机制的故障关联分析与检测、基于层次注意力机制的故障检测和故障溯源、基于混合特征自适应融合网络的故障检测、对抗记忆自编码器模型等新方法,解决了动态、非线性和非高斯性等混合特性导致的过程建模不准确、浅层模型的特征提取能力不足、维度爆炸和路径间接不确定性、复杂装备的故障关联定量分析、深度记忆自编码器模型中记忆单元利用效率低,模型的稳定性和通用性差等问题,研究成果得到了国际国内人工智能、机器人、智能制造等专家的关注和积极评价。

 

 

[1] Li Shuai*, Zhou Xiaofeng*, Shi Haibo, Pan Fucheng, Dynamic Non-Gaussian hybrid serial modeling for industrial process monitoring, Chemometrics and Intelligent Laboratory Systems, 2021, 216: 104371. (IF=3.9, 中国科学院2区)
[2] Li Shuai*, Zhou Xiaofeng*, Shi Haibo, Pan Fucheng, Li Xin, Zhang Yichi, Comprehensive monitoring of industrial processes using multivariable characteristics evaluation and subspace decomposition, Canadian Journal of Chemical Engineering, 2022, 100(8): 1796-1813. (IF=2.1, 中国科学院4区)
[3] Xia Shaoxuan, Zhou Xiaofeng*, Shi Haibo, Li Shuai, Xu Chunhui. A fault diagnosis method with multi-source data fusion based on hierarchical attention for AUV, Ocean Engineering, 2022, 266: 112595. (IF=5, 中国科学院2区)
[4] Xia Shaoxuan, Zhou Xiaofeng*, Shi Haibo, Li Shuai, Xu Chunhui. A fault diagnosis method based on attention mechanism with application in Qianlong-2 autonomous underwater vehicle, Ocean Engineering, 2021, 233: 109049. (IF=5, 中国科学院2区)
[5] Xia Shaoxuan, Zhou Xiaofeng*, Shi Haibo, Li Shuai, Hybrid feature adaptive fusion network for multivariate time series classification with application in AUV fault detection, Ships and Offshore Structures, 2023, 1-13. (IF=2.1, 中国科学院4区)
[6] Zhao Tianzi, Jin Liang*, Zhou Xiaofeng, Li Shuai, Liu Shurui, Zhu Jiang, Unsupervised Anomaly Detection Approach Based on Adversarial Memory Autoencoders for Multivariate Time Series, CMC-Computers Materials & Continua, 2023, 76(1): 329-346. (IF=3.1, 中国科学院4区)
[7] 李帅, 周晓锋, 史海波, 潘福成, 李歆, 张宜驰. 基于层次密度峰值聚类和最相似模态的故障监测方法. ZL 201711365157.4, 2020-08-07. (已授权)
[8] 李帅, 周晓锋, 史海波, 潘福成, 李歆, 张宜弛. 基于混合特性评价和子空间分解的层次故障监测方法. ZL 201911117695.0, 2022-03-18. (已授权)

  

地址:中国・辽宁省沈阳市沈河区南塔街114号 沈阳自动化研究所  邮编:110016  电话:024-23970263  
版权所有:中国科学院沈阳自动化研究所 大数据与智能决策组