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！

龙图腾网获悉宁波大学科学技术学院申请的专利一种基于时序差异特征提取的合成氨一段炉运行异常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：CN114841620B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202210651302.X，技术领域涉及：G06F18/2433；该发明授权一种基于时序差异特征提取的合成氨一段炉运行异常检测方法是由陈勇旗;陈杨;王瑾设计研发完成，并于2022-04-30向国家知识产权局提交的专利申请。

本一种基于时序差异特征提取的合成氨一段炉运行异常检测方法在说明书摘要公布了：本发明公开了一种基于时序差异特征提取的合成氨一段炉运行异常检测方法，旨在如何自适应的为合成氨一段炉过程数据实时提取时序差异特征，从而实现并完成高敏感性的合成氨一段炉运行异常检测任务。具体来讲，本发明方法通过合成氨一段炉的过程数据自适应的建立时序误差生成模型。在此基础上，利用在线自回归模型的误差实施合成氨一段炉运行异常检测。本发明方法最大的技术优势在于：本发明采用了一种全新的时序差异特征分析算法技术对合成氨一段炉的过程数据进行特征分析提取，能够自适应的更新得到从最大化时序误差的时序差异特征。因此，从这个角度出发，本发明方法理论上能使用高敏感性的时序差异特征来实施异常检测。

本发明授权一种基于时序差异特征提取的合成氨一段炉运行异常检测方法在权利要求书中公布了：1.一种基于时序差异特征提取的合成氨一段炉运行异常检测方法，其特征在于，具体包括以下所示步骤： 步骤1：从DCS历史数据库中，获取合成氨一段炉运行在正常状态下的N组过程数据x1，x2，…，xN；其中，xi∈R13×1表示第i组过程数据，下标号i∈{1，2，…，N}，R13×1表示13×1维的实数向量，每组过程数据包括13个数据； 步骤2：将N组过程数据x1，x2，…，xN组建成训练数据矩阵X＝[x1，x2，…，xN]后，对X中各行的行向量分别实施标准化处理，从而得到参考数据矩阵其中，标准化的方式具体是行向量减去该行向量的均值后，再除以该行向量的标准差，R13×N表示13×N维的实数矩阵，R表示实数集； 步骤3：设置时序相关阶数等于D后，再根据如下所示公式和如下所示公式①分别组建时序矩阵XD∈R13×N-D+1和时序扩展矩阵Z∈R13D-1×N-D+1： 其中，依次表示参考数据矩阵中第1列，第2列，至第N列的列向量，表示中第D-2列的列向量，表示中第D-1列的列向量，表示中第N-2列的列向量表示中第N-D+1列的列向量，R13D-1×N-D+1表示13D-1×N-D+1的实数矩阵，R13×N-D+1表示13×N-D+1维的实数矩阵； 步骤4：将XD中第1列至第N-D+1列的列向量依次当成在线数据向量实施时序差异特征分析，从而计算出相应的异常检测指标Q1，Q2，…，QN-D+1后，再确定异常检测指标的控制上限Qlim，具体的实施过程如步骤4.1至步骤4.6所示； 步骤4.1：初始化i＝1后，设置等于XD中第i列的列向量，设置在线时序向量zt等于Z中第i列的列向量； 步骤4.2：将XD中除第i列向量之外的其余N-D列向量组成参考时序矩阵将Z除第i列向量之外的其余N-D列向量组成参考时序扩展矩阵 步骤4.3：实施时序差异特征分析，从而得到在线载荷向量wt和在线系数向量βt； 步骤4.4：根据公式计算异常检测指标Qi；其中，在线时序误差 步骤4.5：判断i是否小于N-D+1；若是，则设置i＝i+1后，再设置等于XD中第i列的列向量，并设置zt等于Z中第i列的列向量后，返回步骤4.2；若否，得到N-D+1个异常检测指标Q1，Q2，…，QN-D+1后，执行步骤4.6； 步骤4.6：对Q1，Q2，…，QN-D+1实施核密度估计，从而得到在置信度α＝99.5％时的置信限QKDE，并将Q1，Q2，…，QN-D+1中数值最大的ξ个异常检测指标的平均值记录为QAVG后，再确定控制上限Qlim＝max{QKDE，QAVG}；其中，ξ表示不大于n×99％的最大整数，n＝N-D+1，max{QKDE，QAVG}表示取QKDE和QAVG中的最大值； 步骤5：利用DCS获取合成氨一段炉在最新采样时刻的过程数据xt∈R13×1后，对其实施与步骤2中相同的标准化处理，从而得到最新采样时刻对应的在线数据向量 步骤6：将前一个采样时刻对应的在线数据向量前两个采样时刻对应的在线数据向量至前D-1个采样时刻对应的在线数据向量合并组成在线时序向量 步骤7：设置和后，再对在线数据向量实施时序差异特征分析，从而得到相应的在线载荷向量wt和在线系数向量βt，进而根据公式计算出最新采样时刻的异常检测指标Qt； 步骤8：判断Qt是否大于Qlim；若否，则合成氨一段炉正常运行，返回步骤5继续利用最新采样时刻的过程数据实施异常检测；若是，则执行步骤9从而决策是否触发异常警报； 步骤9：返回步骤5继续利用最新采样时刻的过程数据实施异常检测，若连续A个采样时刻的异常检测指标都大于Qlim，则触发异常警报；反之，则合成氨一段炉正常运行；其中，A等于触发异常警报要求的最短时间除以采样间隔时间的商。

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宁波大学科学技术学院，其通讯地址为：315302 浙江省宁波市慈溪市白沙路街道文蔚路521号宁波大学科学技术学院；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。