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！

龙图腾网获悉中南大学申请的专利基于时空变分图注意力自编码器的复杂工业过程故障检测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：CN116520799B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202310438339.9，技术领域涉及：G05B23/02；该发明授权基于时空变分图注意力自编码器的复杂工业过程故障检测方法是由孙备;吕明杰;李勇刚;阳春华;李懋鹏;梁慧平;彭志轩;洪冉设计研发完成，并于2023-04-23向国家知识产权局提交的专利申请。

本基于时空变分图注意力自编码器的复杂工业过程故障检测方法在说明书摘要公布了：本发明涉及工业过程故障检测技术领域，具体公开了基于时空变分图注意力自编码器的复杂工业过程故障检测方法，步骤1：基于慢特征分析的时间特征提取：对测量数据进行慢特征提取可获得m个慢特征；步骤2：基于度量学习和先验知识的空间图拓扑构造：对获得慢特征构建图形拓扑；步骤3：基于变分图注意力自编码器的时空特征表示学习：变分图注意力自编码器能够处理步骤1时间特征和步骤2的空间结构，生成潜在特征时空表示；步骤4：通过重构计算时间特征、空间关系和潜在表示的分布的损失进行训练；步骤5：基于阈值计算，将训练的损失输入到核密度估计中得到故障检测阈值。本发明能够处理工业过程时空信息，提高了故障检测率并减低误报率。

本发明授权基于时空变分图注意力自编码器的复杂工业过程故障检测方法在权利要求书中公布了：1.基于时空变分图注意力自编码器的复杂工业过程故障检测方法，其特征在于：包括以下步骤： 步骤1：基于慢特征分析SFA的时间特征提取，提取携带重要信息的慢分量，找到一个转换函数，使得特征St＝gXt最慢，传感器数据经过SFA之后，可获得m个SFs； 步骤2：基于度量学习和先验知识的空间图拓扑构造，对获得的SFs基于度量学习和先验知识构建图形拓扑； 步骤3：基于变分图注意力自编码器的时空特征表示学习：变分图注意力自编码器结合图注意力自编码器GATE和变分图自编码器VGAE，将VGAE的原始GCN编码器替换为GATE的图形注意网络GAT编码器，生成高质量的潜在时空特征表示； 步骤4：损失函数综合训练：重构图空间结构与原始图空间结构、重构图节点特征和原始图节点特征和潜在表示的分布的损失计算，然后优化，优化的训练对象包含节点特征和图拓扑结构； 步骤5：基于核密度估计的阈值计算，对于步骤4的损失函数综合训练，故障检测阈值具体由训练的重构损失函数L的分布决定，采用一种非参数估计方法核密度估计来计算L的阈值； 步骤6：在线测试。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。