买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江工业大学申请的专利融合定性和定量信息的隐变量高斯过程软测量建模方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115472234B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211043918.5，技术领域涉及：G16C20/10；该发明授权融合定性和定量信息的隐变量高斯过程软测量建模方法是由刘毅;戴云;李菁设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本融合定性和定量信息的隐变量高斯过程软测量建模方法在说明书摘要公布了：融合定性和定量信息的隐变量高斯过程软测量建模方法，所述方法包括以下步骤：1、获取聚丙烯数据；2、确定聚丙烯数据的训练集与测试集以及预处理工作；3、融合定量因素与定性因素构建新的过程变量；4、学习有效的潜层变量；5、建立基于隐变量的软测量模型；6、模型表现评估。本发明采用一种融合定性和定量信息的隐变量高斯过程软测量模型，解决了具有高维数据特性的“小样本”建立可靠软测量模型困难的问题。相比于传统的软测量建模方法，所提方法可以较大地提升模型的预测性能，具有普遍性和通用性。

本发明授权融合定性和定量信息的隐变量高斯过程软测量建模方法在权利要求书中公布了：1.融合定性和定量信息的隐变量高斯过程软测量建模方法，其特征在于，包括以下步骤： 1）获取聚丙烯数据：选择进料流速、螺杆转速及螺杆配置作为过程建模的数据，所述进料流速及螺杆转速为定量因素，所述螺杆配置为定性因素； 2）将获取的聚丙烯数据划分为训练集与测试集，并对定量因素及定性因素分别进行预处理；步骤2）的过程如下： 步骤2.1：训练集与测试集划分： 在混合聚丙烯挤出工艺中，使用不同的螺杆元件作为挤出机配置的候选元件，从螺杆配置总数中，随机选择m个配置，在不同的配置下，在不同操作条件中收集过程输入和输出数据；对于每种操作条件，采用拉丁超立方体抽样方法确定收集的样本，并将样本划分为训练集与测试集； 步骤2.2：数据预处理： 对于定量因素进料流速和螺杆转速，采用最大-最小归一化方法进行预处理，其公式表示为： ； 式中，为归一化处理后的数据；为采集的原始数据；为原始数据中的最小值；为原始数据中的最大值；将进料流速和螺杆转速经最大-最小归一化处理后的变量分别表示为和； 对于定性因素螺杆配置，采用one-hot编码进行预处理；第一种候选螺杆配置表示为[1,0,0,…,0,0]，第二种候选螺杆配置表示为[0,1,0,…,0,0]，以此类推； 3）融合定量因素与定性因素构建高维过程变量；步骤3）的过程如下： 将定量因素与定性因素相融合，构成新的输入变量（）；采用符号⊕表示向量的连接操作，公式如下： ； 4）基于构建的高维过程变量，通过高斯过程潜变量GPLVM模型学习有效的潜层变量，以去除冗余信息对模型的影响 5）建立基于隐变量的软测量模型：在隐变量与关键质量变量间构建软测量模型实现对测试样本关键质量变量的预测； 6）模型表现评估。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。