• <menu id="wgeeg"><input id="wgeeg"></input></menu>
    <samp id="wgeeg"><label id="wgeeg"></label></samp>
  • <menu id="wgeeg"><s id="wgeeg"></s></menu>
    <blockquote id="wgeeg"><samp id="wgeeg"></samp></blockquote>
  • <menu id="wgeeg"></menu>

    歡迎訪問控制科學與工程學院

    關于江南大學欒小麗教授學術報告的通知

    作者:發布者:李芳發布時間:2020-08-05瀏覽次數:445

    報告題目:基于堆棧正則自編碼器的近紅外故障檢測

    報告人:欒小麗教授

    報告時間:2020年8月6日上午10:00

    報告地點:工科E1329

    報告人簡介:

            欒小麗,女,江南大學教授,博士生導師,副院長,2010年中國—澳大利亞(維多利亞大學-江南大學)聯合培養博士;2016年4月至9月阿爾伯特大學化學工程學院訪問教授;國家自然科學基金優秀青年基金獲得者、江蘇省“六大人才高峰”、 江蘇省“雙創計劃”、江南大學“至善青年學者”最高榮譽入選者。研究方向為復雜動態系統建模、先進控制與優化,工業大數據分析與應用。作為項目負責人先后承擔國家自然科學基金重大項目課題、優秀青年基金、面上項目、青年項目各1項;科技部重點研發計劃課題1項。在Automatica、IEEE TAC、IEEE TIE等期刊發表學術論文80多篇,授權國內發明專利18項,美國發明專利3項。主持企業技術開發項目1000多萬,獲中國輕工業聯合會科技進步二等獎1項、中國商業聯合會科技進步一等獎1項、中國石油和化工自動化應用協會科技進步一等獎1項。

    報告摘要:

           近紅外光譜是從微觀分子振動的角度獲取過程信息,相比于傳統的基于宏觀過程變量的故障檢測手段,由于微觀層面的變化早于宏觀層面,使得基于近紅外光譜數據的故障檢測方法對早期故障的判斷更為靈敏,對故障的檢測時間也更為提前。常用監控方法是利用PCA統計量指標進行故障檢測,由于近紅外光譜波段多、冗余性強,導致檢測結果對故障過于靈敏、誤報率高,因此提出利用堆棧式自編碼器對光譜特征進行逐層深度提取,以提高檢測結果的魯棒性。同時為了避免堆棧式自編碼器的過擬合,引入L2正則項來調整自編碼器的權值和截距,以提升檢測結果的泛化能力。最后利用Softmax回歸,建立所提取的特征與系統運行狀態之間的模型關系,實現對過程運行狀態的監控。

    2020日日摸夜夜添夜夜添,国模GOGO大尺度尿喷人体,中文乱码字幕在线观看,玩中年熟妇让你爽视频