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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉江南大學申請的專利基于軟測量模型的工業(yè)監(jiān)測方法、系統(tǒng)、裝置及存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120408564B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-23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?zhí)?專利號為：202510910184.3，技術(shù)領(lǐng)域涉及：G06F18/27；該發(fā)明授權(quán)基于軟測量模型的工業(yè)監(jiān)測方法、系統(tǒng)、裝置及存儲介質(zhì)是由熊偉麗;史彥承;史旭東;顧皓設(shè)計研發(fā)完成，并于2025-07-02向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于軟測量模型的工業(yè)監(jiān)測方法、系統(tǒng)、裝置及存儲介質(zhì)在說明書摘要公布了：本發(fā)明涉及基于軟測量模型的工業(yè)監(jiān)測方法、系統(tǒng)、裝置及存儲介質(zhì)，屬于軟測量技術(shù)領(lǐng)域。本發(fā)明通過構(gòu)建基于多尺度門控Transformer的軟測量模型來對工業(yè)過程中的質(zhì)量變量進行監(jiān)測，通過設(shè)計層級化特征融合結(jié)構(gòu)，實現(xiàn)全局與局部特征的有效融合。首先將卷積操作嵌入注意力機制，以提取數(shù)據(jù)的多尺度特征；其次利用門控單元自適應調(diào)節(jié)多尺度特征權(quán)重，并通過稀疏注意力機制剔除低相關(guān)或冗余特征，從而增強模型在數(shù)據(jù)缺失情況下的特征提取能力。將該方法應用于脫丁烷塔工業(yè)過程進行丁烷濃度預測，結(jié)果表明，本發(fā)明比現(xiàn)有軟測量工業(yè)監(jiān)測方法具有更高的預測精度。本發(fā)明還提供一種基于軟測量模型的工業(yè)監(jiān)測系統(tǒng)、裝置和存儲介質(zhì)，提高了工業(yè)監(jiān)測的便捷性。

本發(fā)明授權(quán)基于軟測量模型的工業(yè)監(jiān)測方法、系統(tǒng)、裝置及存儲介質(zhì)在權(quán)利要求書中公布了：1.一種基于軟測量模型的工業(yè)監(jiān)測方法，其特征在于，所述方法包括： 步驟1：周期性采集工業(yè)過程中的易測輔助變量與歷史難測主導變量； 步驟2：利用MGT模型對所述易測輔助變量與歷史難測主導變量進行特征提取，并對當前難測主導變量進行回歸預測； 所述MGT模型將輸入的易測輔助變量劃分到4個注意力子空間，在每個子空間利用多尺度注意力機制內(nèi)部的卷積層提取局部特征，并采用注意力機制進行全局特征的提取；其次，采用可訓練門控單元自適應分配權(quán)重，對多尺度特征進行融合；然后，利用稀疏注意力機制對融合特征進行稀疏化操作；最后得到多尺度門控注意力輸出，在將各子空間特征融合后，采用全連接層解碼進行回歸預測； 所述多尺度門控注意力輸出的計算過程為： 其中，為融合后的特征矩陣，為經(jīng)TopK操作篩選后的注意力分數(shù)，TopK操作表示選取的前個注意力分數(shù)；表示矩陣第i行第j列的元素，表示特征稀疏矩陣第i行第j列的元素，表示的第i行向量；表示歸一化操作后的稀疏注意力得分矩陣，表示很小的常數(shù)，用于避免分母為0，表示所述多尺度門控注意力輸出； 所述融合后的特征矩陣表示為： 其中，表示全局特征，值為標準注意力得分，表示門控單元，表示向量間的點乘運算，表示對Q進行卷積操作，為查詢向量Q和鍵向量K的維度； 所述門控單元表示為： 其中，和為門控單元的權(quán)重矩陣和偏置向量，為Sigmoid函數(shù)。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人江南大學，其通訊地址為：214122 江蘇省無錫市經(jīng)開區(qū)金融八街1-2201-2；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)”。