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！

龙图腾网获悉中国科学院沈阳自动化研究所申请的专利基于时空图卷积网络的工业过程关键参数预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：CN119644945B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411758773.6，技术领域涉及：G05B19/418；该发明授权基于时空图卷积网络的工业过程关键参数预测方法是由周晓锋;李霖智;李帅;胡国良;潘福成;史海波设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本基于时空图卷积网络的工业过程关键参数预测方法在说明书摘要公布了：本发明针对工业过程数据中存在的时滞特性、数据冗余和缺失信息等问题，提供一种基于时空图卷积网络的工业过程关键参数预测方法。该方法首先对采集到的工业过程数据进行数据预处理和序列划分；然后通过全局和局部图卷积在变量维度对子序列内部特征进行建模；接着通过连续时间建模和多头注意力在时间维度完成子序列间的时间建模，其中连续时间建模由多个神经常微分方程和门控机制组成，通过循环依次完成对每个子序列在整个时间维度的连续建模；最后利用多层感知机实现工业过程关键参数的预测。通过本发明解决了工业过程数据在建模中存在的问题，提高了工业过程关键参数数据的预测精度，为工业过程的优化控制提供了技术支撑。

本发明授权基于时空图卷积网络的工业过程关键参数预测方法在权利要求书中公布了：1.基于时空图卷积网络的工业过程关键参数预测方法，其特征在于，包括如下步骤： S1、采集工业过程的关键参数数据；所述工业过程的关键参数数据为设置在工业生产环境中的检测传感器和调控设备采集的工业状态数据和过程控制数据； S2、对数据进行预处理，建立数据集并序列划分； S3、子序列内的变量维度建模：将子序列内单个序列点的特征嵌入到空间维度生成新的嵌入向量，用于后续网络在建模时能捕获数据中的时滞特性；随后利用全局图卷积建模子序列内的所有依赖关系；同时利用局部图卷积对嵌入向量进行冗余优化，使得模型只关注与自身相关的特征；最后将两者的输出相加完成子序列内的时序数据建模；所述局部图卷积是将自适应图卷积的邻接矩阵通过局部图卷积计算邻居节点的权重并掩码掉权重低的节点，得到一个相似度矩阵R，从而对子序列内的冗余信息进行掩码； S4、子序列间的时间维度建模：对每个子序列通过连续时间建模提取更细粒度的特征，用于弥补模型因数据缺失导致特征提取不足的缺陷，然后通过多头注意力提取整个序列的时间特征，得到时间维度建模的输出特征；所述连续时间建模包括： 利用神经常微分方程对当前时刻的单个子序列的数据和上一个时刻的子序列的输出进行连续时间建模，用于模拟系统的连续演变； 在建模一段时间后，通过门控机制捕捉数据中的长期依赖性，用于缓解连续时间建模的遗忘问题； 重复上述两个步骤，直到建模到下个子序列的时间点，得到该子序列的输出并用于下个子序列的连续时间建模； 重复上述三个步骤，直到建模完所有的子序列； S5、建立多层感知机网络，用于迭代学习输入特征与输出标签之间的映射关系，从而预测未来的工业过程关键参数序列； S6、以数据集中的数据为输入，重复步骤3-步骤5迭代训练，选择精度最好的模型参数作为最终的理想模型，并根据工业过程的历史数据预测未来的关键参数序列。

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国科学院沈阳自动化研究所，其通讯地址为：110016 辽宁省沈阳市沈河区南塔街114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”。

以上内容由龙图腾AI智能生成。