買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江大學申請的專利一種數據驅動的工業過程故障檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114647231B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210367561.X，技術領域涉及：G05B23/02；該發明授權一種數據驅動的工業過程故障檢測方法是由孫斌;李強;金心宇;韓弘拓;金昀程設計研發完成，并于2022-04-08向國家知識產權局提交的專利申請。

本一種數據驅動的工業過程故障檢測方法在說明書摘要公布了：本發明公開了一種數據驅動的工業過程故障檢測方法，包括獲取工業生產的過程數據并進行中心化的預處理，然后將獲得的中心化的矩陣分別經過主成分分析法、獨立成分分析法和典型關聯分析法提取特征，再將所提取的特征經過工業過程故障檢測網絡，推斷得到過程數據的所對應的故障類型的分類標簽。本發明通過數據驅動的方法來進行故障診斷，對比基于知識和模型的方法，通用性更強，建模過程通過手動特征提取后進行深度學習網絡完成，能更好的適配規模較大和復雜的工業過程。

本發明授權一種數據驅動的工業過程故障檢測方法在權利要求書中公布了：1.一種數據驅動的工業過程故障檢測方法，其特征在于:包括的過程如下： S01、獲取工業生產的過程數據，過程數據的維度為53，總條數為m；然后構建一個m行53列的過程數據的原始矩陣Zsrc，將過程數據的原始矩陣Zsrc的每一列都減去訓練好的列平均值矩陣Zmean，得到中心化的矩陣Zo； S02、將中心化的矩陣Zo輸入主成分分析法并利用訓練好的特征向量矩陣A9計算特征數據Y1_online＝A9ZO；將中心化的矩陣Zo輸入獨立成分分析法并利用訓練好的矢量矩陣計算特征數據將中心化的矩陣Zo輸入典型關聯分析法并利用訓練好的特征向量矩陣Σ9和訓練好的右奇異向量正交基V9計算特征數據Y3_online： 其中，pk為中心化的矩陣zo的第k行；k∈1,m為過程數據的當前時刻的條數，將k從1到m依次帶入式23后獲得特征數據Y3_online；Σpp是歷史數據集Pk的協方差矩陣； 所述訓練好的列平均值矩陣Zmean、特征向量矩陣A9、矢量矩陣特征向量矩陣Σ9和右奇異向量正交基V9的獲取過程為： 1、田納西伊斯曼的過程數據進行軟件仿真獲得樣本數據并進行標簽，正常數據的標簽為0，異常數據的標簽為1-6；將樣本數據及其對應的標簽按照8:2劃分為訓練集和測試集； 2、對訓練集進行中心化的預處理后獲得中心化的矩陣Ztrain，同時保存訓練集每一列的平均值為所述訓練好的列平均值矩陣zmean＝[zmean_1,zmean_2,...,zmean_53]； 3、中心化的矩陣Ztrain通過主成分分析法的獲得特征向量矩陣A，取特征向量矩陣A的前9行并保存為所述訓練好的特征向量矩陣A9，輸出特征數據Y1＝A9Ztrain； 4、中心化的矩陣Ztrain通過獨立成分分析法獲得矢量矩陣取矢量個數r＝9并保存為所述訓練好的矢量矩陣輸出特征數據 5、中心化的矩陣Ztrain通過經過典型關聯分析法獲得特征向量矩陣Σ和右奇異向量正交基V，然后維度取n＝9，保存特征向量矩陣Σ的前9×9對角陣為所述訓練好的特征向量矩陣Σ9和右奇異向量正交基V的前9×9對角陣為所述訓練好的右奇異向量正交基V9，將k從訓練集的第一條到最后一條依次代入按式23，輸出特征數據Y3： S03、工業過程故障檢測網絡包括PCA通道、ICA通道和CCA通道的三通道卷積神經網絡，將特征數據Y1_online作為PCA通道的輸入，特征數據Y2_online作為ICA通道的輸入，特征數據Y3_online作為CCA通道的輸入，分別輸入到工業過程故障檢測網絡中，推斷得到過程數據的分類標簽，分類標簽為1-6屬于推斷結果異常，將數據打上異常標簽存入數據庫；如果分類標簽為0屬于推斷結果正常，則將數據打上正常標簽存入數據庫。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。