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！

龙图腾网获悉浙江大学申请的专利一种数据驱动的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：CN114647231B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202210367561.X，技术领域涉及：G05B23/02；该发明授权一种数据驱动的工业过程故障检测方法是由孙斌;李强;金心宇;韩弘拓;金昀程设计研发完成，并于2022-04-08向国家知识产权局提交的专利申请。

本一种数据驱动的工业过程故障检测方法在说明书摘要公布了：本发明公开了一种数据驱动的工业过程故障检测方法，包括获取工业生产的过程数据并进行中心化的预处理，然后将获得的中心化的矩阵分别经过主成分分析法、独立成分分析法和典型关联分析法提取特征，再将所提取的特征经过工业过程故障检测网络，推断得到过程数据的所对应的故障类型的分类标签。本发明通过数据驱动的方法来进行故障诊断，对比基于知识和模型的方法，通用性更强，建模过程通过手动特征提取后进行深度学习网络完成，能更好的适配规模较大和复杂的工业过程。

本发明授权一种数据驱动的工业过程故障检测方法在权利要求书中公布了：1.一种数据驱动的工业过程故障检测方法，其特征在于:包括的过程如下： S01、获取工业生产的过程数据，过程数据的维度为53，总条数为m；然后构建一个m行53列的过程数据的原始矩阵Zsrc，将过程数据的原始矩阵Zsrc的每一列都减去训练好的列平均值矩阵Zmean，得到中心化的矩阵Zo； S02、将中心化的矩阵Zo输入主成分分析法并利用训练好的特征向量矩阵A9计算特征数据Y1_online＝A9ZO；将中心化的矩阵Zo输入独立成分分析法并利用训练好的矢量矩阵计算特征数据将中心化的矩阵Zo输入典型关联分析法并利用训练好的特征向量矩阵Σ9和训练好的右奇异向量正交基V9计算特征数据Y3_online： 其中，pk为中心化的矩阵zo的第k行；k∈1,m为过程数据的当前时刻的条数，将k从1到m依次带入式23后获得特征数据Y3_online；Σpp是历史数据集Pk的协方差矩阵； 所述训练好的列平均值矩阵Zmean、特征向量矩阵A9、矢量矩阵特征向量矩阵Σ9和右奇异向量正交基V9的获取过程为： 1、田纳西伊斯曼的过程数据进行软件仿真获得样本数据并进行标签，正常数据的标签为0，异常数据的标签为1-6；将样本数据及其对应的标签按照8:2划分为训练集和测试集； 2、对训练集进行中心化的预处理后获得中心化的矩阵Ztrain，同时保存训练集每一列的平均值为所述训练好的列平均值矩阵zmean＝[zmean_1,zmean_2,...,zmean_53]； 3、中心化的矩阵Ztrain通过主成分分析法的获得特征向量矩阵A，取特征向量矩阵A的前9行并保存为所述训练好的特征向量矩阵A9，输出特征数据Y1＝A9Ztrain； 4、中心化的矩阵Ztrain通过独立成分分析法获得矢量矩阵取矢量个数r＝9并保存为所述训练好的矢量矩阵输出特征数据 5、中心化的矩阵Ztrain通过经过典型关联分析法获得特征向量矩阵Σ和右奇异向量正交基V，然后维度取n＝9，保存特征向量矩阵Σ的前9×9对角阵为所述训练好的特征向量矩阵Σ9和右奇异向量正交基V的前9×9对角阵为所述训练好的右奇异向量正交基V9，将k从训练集的第一条到最后一条依次代入按式23，输出特征数据Y3： S03、工业过程故障检测网络包括PCA通道、ICA通道和CCA通道的三通道卷积神经网络，将特征数据Y1_online作为PCA通道的输入，特征数据Y2_online作为ICA通道的输入，特征数据Y3_online作为CCA通道的输入，分别输入到工业过程故障检测网络中，推断得到过程数据的分类标签，分类标签为1-6属于推断结果异常，将数据打上异常标签存入数据库；如果分类标签为0属于推断结果正常，则将数据打上正常标签存入数据库。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。