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基于特征提取与增量学习的流程工业软测量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：CN119226915B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411052198.8，技术领域涉及：G06F18/2415；该发明授权一种基于特征提取与增量学习的流程工业软测量方法是由杨春节;赵雨辰;刘哲;孙优贤;张宇彦设计研发完成，并于2024-08-01向国家知识产权局提交的专利申请。

本一种基于特征提取与增量学习的流程工业软测量方法在说明书摘要公布了：本发明提供了一种基于特征提取与增量学习的流程工业软测量方法，该方法引入了一个由多个并行的时序特征提取自编码器网络与一个回归器网络前后连接组成的端到端神经网络软测量模型，从多工序过程变量时间序列数据中提取时序特征，并将其用于性能指标软测量建模。除此之外，该方法还基于模型所提取到的时序特征，提出了一种基于时序特征的增量学习方法。本发明提供的软测量方法可以有效、准确地对流程工业中的一些难以直接测量，或者测量成本高昂的性能指标进行软测量，并且通过增量学习的方法，确保了软测量模型在实时性较强的工业数据流中长期保持较好的软测量性能，进而为流程工业生产过程中各类参数的监控、测量、优化和控制提供参考和指导。

本发明授权一种基于特征提取与增量学习的流程工业软测量方法在权利要求书中公布了：1.一种基于特征提取与增量学习的流程工业软测量方法，其特征在于，包括如下步骤： 1从DCS数据库中读取数据，按照工序对数据变量进行分类，并构建用于预训练端到端神经网络软测量模型的多工序过程变量时间序列数据集； 所述端到端的神经网络软测量模型由多个并行的时序特征提取自编码器网络与一个回归器网络前后连接组成，所述时序特征提取自编码器网络用于从对应工序的二维过程变量时间序列中，提取出一组一维的时序特征；所述回归器网络用于综合多个时序特征提取自编码器网络所提取得到的高维时序特征，拟合得到性能指标的软测量结果；所述多工序过程变量时间序列数据集由多组过程变量时间序列数据和性能指标软测量标签数据组成，其构建方法是：首先，将DCS数据库中获得的过程变量分为多个组别，分别对其设定合适的时间序列长度，然后以DCS数据库中软测量性能指标标签值采集的时间戳为起点，根据过程变量的组别分别向前截取相应长度的过程变量时间序列，使得数据集范围内每一个性能指标标签值，都能与相应的多个过程变量时间序列对应起来； 2设置预训练参数，使用所构建的过程变量时间序列数据集和所设计的损失函数，对端到端神经网络软测量模型进行预训练； 3保存预训练得到的端到端神经网络软测量模型，通过软测量模型从过程变量时间序列数据集中提取相应特征以构建过程知识库，所述过程知识库是一系列从历史数据过程变量时间序列中提取得到的时序特征的集合； 4将预训练得到的软测量模型、过程知识库以及增量学习算法部署在在线平台上，在模型执行软测量任务的同时，运行相应的增量学习程序，促使模型的回归网络部分的参数在工业数据流中得到持续的更新； 5将模型的软测量结果以及增量学习过程上传至DCS数据库中进行存储；所述增量学习的过程包括过程知识库的大小、组成，软测量模型增量学习的发生时间，增量学习过程消耗的时间长度。

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”。

以上内容由龙图腾AI智能生成。