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在线近邻嵌入指标的合成氨过程运行状态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：CN114841621B 。

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：202210651303.4，技术领域涉及：G06F18/2433；该发明授权一种基于在线近邻嵌入指标的合成氨过程运行状态异常检测方法是由章涛;陈勇旗;陈杨设计研发完成，并于2022-04-30向国家知识产权局提交的专利申请。

本一种基于在线近邻嵌入指标的合成氨过程运行状态异常检测方法在说明书摘要公布了：本发明公开一种基于在线近邻嵌入指标的合成氨过程运行状态异常检测方法，旨在通过分析合成氨过程采样数据的近邻关系分布特征，实时通过不同的近邻特征提取机制来计算在线近邻检测指标，从而解决合成氨过程运行状态异常检测的难题。首先，本发明方法涉及采用了一种全新的在线近邻关系特征分析方法技术，通过实时更新获取的特征向量来计算在线采样数据近邻嵌入异常检测指标，保证了近邻关系特征提取的自适应特性，而不是像传统方法那样使用固定的特征提取机制来分析提取在线数据中潜藏的特征成分。其次，本发明方法使用的是考虑了近邻关系的局部异常检测指标，能充分考虑合成氨过程采样数据的局部分布变化特征。

本发明授权一种基于在线近邻嵌入指标的合成氨过程运行状态异常检测方法在权利要求书中公布了：1.一种基于在线近邻嵌入指标的合成氨过程运行状态异常检测方法，其特征在于，具体包括以下所示步骤： 步骤1：从合成氨过程配套的DCS数据库中，获取正常运行状态下的N组采样数据x1，x2，…，xN，并将其组成正常数据矩阵X＝[x1，x2，…，xN]；其中，xi∈R39×1表示第i组采样数据，下标号i∈{1，2，…，N}，每组采样数据具体由21个温度测量数据，6个压力测量数据和12个流量测量数据组成，R39×1表示39×1维的实数向量； 步骤2：根据对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，zk∈R1×N表示正常数据矩阵X中第k行的行向量，表示中第k行的行向量，μk和δk分别表示行向量zk中所有元素的平均值和标准差，k∈{1，2，…，39}，R39×N表示39×N维的实数矩阵； 步骤3：对参考数据矩阵中的列向量实施近邻关系特征分析，得到近邻关系矩阵Y∈R39×N，具体实施过程如步骤3.1至步骤3.4所示； 步骤3.1：根据公式计算平方距离矩阵D∈RN×N中的第i行第j列元素Di，j；其中，与分别表示参考数据矩阵中第i列与第j列的列向量，上标号T表示矩阵或向量的转置，下标号i∈{1，2，…，N}，下标号j∈{1，2，…，N}； 步骤3.2：当下标号i分别等于1，2，…，N时，重复实施步骤3.3至步骤3.4从而得到N个近邻关系向量再组建近邻关系矩阵 步骤3.3：根据平方距离矩阵D中第i行向量Di∈R1×N，确定出Di中除第i个元素之外的最小的C个元素所在的列，并将列标号记录为对应的近邻集合φi； 步骤3.4：根据近邻集合φi中的C个列标号，计算参考数据矩阵中相同列的列向量的平均值向量yi后，再根据公式计算近邻关系向量 步骤4：依次将分别当做成在线数据向量xt，根据如下所示步骤4.1至步骤4.5计算得到在线近邻嵌入指标再将中的最大值记录为 步骤4.1：初始化i＝1后，设置在线数据向量和在线近邻关系向量 步骤4.2：根据xt对应的近邻集合中的C个列标号，将近邻关系矩阵Y中相同列的列向量组建成参考近邻矩阵Yt∈R39×C； 步骤4.3：求解广义特征值问题中最大特征值λ对应的特征向量wt后，再利用公式对其实施归一化处理； 步骤4.4：根据公式计算出在线近邻嵌入指标 步骤4.5：设置后，再判断i是否小于N；若是，则设置i＝i+1后，再设置和后返回步骤4.2；若否；则得到N个在线近邻嵌入指标 步骤5：利用合成氨过程配套的DCS获取最新采样时刻的采样数据后，利用平均值μk和标准差δk通过公式对中的各行元素实施标准化处理，得到在线数据向量xt；其中，和xtk分别表示和xt中第k行的元素； 步骤6：从参考数据矩阵中找出与xt存在近邻关系的C个列向量，从而计算在线近邻关系向量yt，具体的实施过程如步骤6.1至步骤6.3所示； 步骤6.1：根据公式计算得到平方距离向量Dt∈R1×N；其中，Dti表示Dt中的第i个元素； 步骤6.2：确定出Dt中最小的C个元素所在列，并将列标号记录为xt对应的近邻集合φt； 步骤6.3：根据近邻集合φt中的C个列标号，计算中相同列的列向量的平均值向量后，再通过计算得到在线近邻关系向量yt； 步骤7：根据步骤4.2至步骤4.4的实施过程，计算得到在线近邻嵌入指标后，再判断是否大于若否，则合成氨过程正常运行，返回步骤5继续利用最新采样时刻的采样数据实施异常检测；若是，则执行步骤8从而决策是否触发异常警报； 步骤8：返回步骤5继续利用最新采样时刻的采样数据实施状态监测，若连续A个采样时刻的在线近邻嵌入指标都大于则触发异常警报；反之，则合成氨过程正常运行。

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。