買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙江工業(yè)大學(xué)申請(qǐng)的專利一種基于深度圖網(wǎng)絡(luò)的化工過(guò)程故障診斷方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114330549B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202111633669.0，技術(shù)領(lǐng)域涉及：G06F18/22；該發(fā)明授權(quán)一種基于深度圖網(wǎng)絡(luò)的化工過(guò)程故障診斷方法是由劉毅;賈明偉;朱佳良;鄧?guó)櫽⒃O(shè)計(jì)研發(fā)完成，并于2021-12-28向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于深度圖網(wǎng)絡(luò)的化工過(guò)程故障診斷方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于深度圖網(wǎng)絡(luò)的化工過(guò)程故障診斷方法，所述方法包括以下步驟：1數(shù)據(jù)的獲取和整合；2數(shù)據(jù)選擇和排序；3建立因果有向圖；4建模訓(xùn)練；5模型測(cè)試。本發(fā)明方法采用基于深度圖網(wǎng)絡(luò)的化工過(guò)程故障診斷方法，提高了故障的識(shí)別效果，同時(shí)也準(zhǔn)確定位故障變量，具有普遍性和通用性。

本發(fā)明授權(quán)一種基于深度圖網(wǎng)絡(luò)的化工過(guò)程故障診斷方法在權(quán)利要求書(shū)中公布了：1.一種基于深度圖網(wǎng)絡(luò)的化工過(guò)程故障診斷方法，其特征在于，所述方法包括以下步驟： 1數(shù)據(jù)的獲取和整合： 通過(guò)田納西-伊斯曼TE仿真過(guò)程設(shè)置階躍故障，并對(duì)每個(gè)故障生成數(shù)據(jù)進(jìn)行劃分、收集和整合； 2數(shù)據(jù)選擇和排序： 根據(jù)歐式距離度量進(jìn)行數(shù)據(jù)選擇，去除冗余無(wú)用的數(shù)據(jù)；根據(jù)最大互信息準(zhǔn)則進(jìn)行數(shù)據(jù)排序； 3建立因果有向圖： 根據(jù)TE流程圖，對(duì)其變量之間構(gòu)建因果有向圖； 所述步驟3的過(guò)程為： 步驟3.1：將工藝過(guò)程沿工藝流程分解為若干設(shè)備級(jí)單元； 步驟3.2：在設(shè)備單元連接處標(biāo)記數(shù)字； 步驟3.3：建立每一設(shè)備單元的因果有向圖； 步驟3.4：利用各設(shè)備單元的因果有向圖，根據(jù)工藝流程和設(shè)備單元連接處標(biāo)的數(shù)字構(gòu)建系統(tǒng)的因果有向圖； 4建模訓(xùn)練： 構(gòu)建基于深度時(shí)空?qǐng)D卷積網(wǎng)絡(luò)DSTCGCN模型，模型的輸入為經(jīng)過(guò)數(shù)據(jù)選擇保留的數(shù)據(jù)；然后利用DSTCGCN模型對(duì)所整合的數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練； 所述步驟4的過(guò)程為： 步驟4.1：DSTCGCN是依托固定采樣層、圖池化層、時(shí)空?qǐng)D卷積層構(gòu)建的層級(jí)模型； 固定采樣層主要是將輸入不同時(shí)間長(zhǎng)度的數(shù)據(jù)進(jìn)行固定數(shù)量的劃分后取平均得到固定時(shí)間長(zhǎng)度的數(shù)據(jù)； 圖池化層是一種可以簡(jiǎn)化圖結(jié)構(gòu)的算法，對(duì)于圖G，定義簇分配矩陣其中C表示簡(jiǎn)化后的圖節(jié)點(diǎn)數(shù)量，最終得到簡(jiǎn)化后的鄰接矩陣Acoar： Acoar＝STAS3 其中A為原本Z個(gè)節(jié)點(diǎn)的因果有向圖鄰接矩陣，根據(jù)簡(jiǎn)化后的節(jié)點(diǎn)數(shù)R，使用其拉普拉斯矩陣定義其池化算子以簡(jiǎn)化變量數(shù)： 其中Θl為鄰接矩陣Acoar的特征向量； 時(shí)空卷積層主要由圖卷積網(wǎng)絡(luò)和卷積長(zhǎng)短期記憶網(wǎng)絡(luò)構(gòu)成，圖卷積是一種在非歐空間上對(duì)數(shù)據(jù)進(jìn)行卷積的算法，可以表示為： 其中H為當(dāng)前層特征向量，l表示層數(shù)，*表示卷積操作，Γ為卷積核，σ為激活函數(shù)，A表示輸入的鄰接矩陣，D＝∑jAj表示鄰接矩陣的度矩陣； 卷積長(zhǎng)短期記憶網(wǎng)絡(luò)是通過(guò)其當(dāng)前的輸入和過(guò)去的狀態(tài)來(lái)確定網(wǎng)格中某個(gè)單元的未來(lái)狀態(tài)的算法，可以表示為： 其中，表示Hadamard乘積，It表示輸入門的結(jié)果，F(xiàn)t表示遺忘門的結(jié)果，Ct表示當(dāng)前時(shí)刻記憶單元的結(jié)果，Ot表示輸出門的結(jié)果，Ht表示當(dāng)前時(shí)刻的模塊輸出結(jié)果，W表示可訓(xùn)練參數(shù)，B表示可訓(xùn)練偏置，Xt表示輸入數(shù)據(jù)，tanh.表示雙曲正切函數(shù)，Wxi,Wxf,Wxc,Wxo分別表示輸入門、遺忘門、記憶單元和輸出門中輸入數(shù)據(jù)Xt的可訓(xùn)練權(quán)重；Whi,Whf,Whc,Who分別表示輸入門、遺忘門、記憶單元和輸出門中上一時(shí)刻模塊輸出結(jié)果Ht-1的可訓(xùn)練權(quán)重；Bi,Bf,Bc,Bo分別表示輸入門、遺忘門、記憶單元和輸出門中的可訓(xùn)練偏置； 步驟4.2：將4.1中的層按順序堆疊，并且結(jié)合特征選擇和排序部分構(gòu)成所需DSTCGCN模型，通過(guò)DSTCGCN模型對(duì)TE過(guò)程進(jìn)行故障識(shí)別； 步驟4.3：使用訓(xùn)練數(shù)據(jù)訓(xùn)練DSTCGCN，最終得到訓(xùn)練后的DSTCGCN模型； 5模型測(cè)試： 將訓(xùn)練后的DSTCGCN模型用于TE過(guò)程的故障診斷。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市拱墅區(qū)朝暉六區(qū)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。