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！

龙图腾网获悉华南理工大学申请的专利一种针对连续搅拌釜式反应器的在线监测和故障诊断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：CN118152902B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202410104847.8，技术领域涉及：G06F18/2411；该发明授权一种针对连续搅拌釜式反应器的在线监测和故障诊断方法是由刘乙奇;李志;于广平;刘坚设计研发完成，并于2024-01-24向国家知识产权局提交的专利申请。

本一种针对连续搅拌釜式反应器的在线监测和故障诊断方法在说明书摘要公布了：本发明公开了一种针对连续搅拌釜式反应器的在线监测和故障诊断方法，包括利用离线数据训练一类支持向量机模型，得到训练集的分数集合。再利用该分数集合训练核密度估计模型，并根据分数集合数据分布特征确定概率阈限。对采集到的实时现场数据进行预处理，送入一类支持向量机得到分数值，再使用核密度估计模型得到预测概率。如果预测概率值低于概率阈限则可判定发生了故障。将实时监测到的故障送入夏普利加性解释模型，在统计到足够数量的故障点之后得到特征重要度排序图，结合专家知识完成故障诊断。本发明充分考虑到连续搅拌釜式反应器过程复杂且变量繁多的特点，使用一类支持向量机建立了针对连续搅拌反应器的在线监测模型。

本发明授权一种针对连续搅拌釜式反应器的在线监测和故障诊断方法在权利要求书中公布了：1.一种针对连续搅拌釜式反应器的在线监测和故障诊断方法，其特征在于，包括以下步骤： 确定观测变量并设定采样间隔，将采集正常工况时的观测数据作为训练集，对训练集进行预处理，得到预处理后的训练集； 根据训练集特征确定一类支持向量机的核函数类型及相应超参数，使用预处理后的训练集训练一类支持向量机，并得到训练集对应的分数集合； 使用分数集合训练核密度估计模型，并根据分数集合的数据分布特征确定概率阈限用于判断新样本是否异常； 判断连续搅拌釜式反应器是否发生故障：将该观测时刻经预处理后的观测样本送入一类支持向量机得到分数值，再将该分数值送入核密度估计模型得到预测概率；若预测概率大于概率阈限，则判定工况正常，进行下一次采样；若预测概率小于概率阈限，则判定该观测时刻发生故障，发出报警； 使用夏普利加性解释模型解释器计算故障样本的夏普利值，并使用统计方法对故障样本的夏普利值进行重要度排序，得到特征重要度排序图； 使用夏普利加性解释模型解释器计算故障样本的夏普利值，包括： 使用夏普利加性解释库创建夏普利加性解释模型解释器，并将训练好的一类支持向量机模型作为参数传递给解释器，再使用解释器计算每个故障样本的夏普利值，该解释器使用以下公式计算每个特征的夏普利值： 其中，为第i个样本的第j个特征，为对应的夏普利值，L为训练集中所有特征的集合，其特征维数为p；S表示从L中选取的特征子集，其特征维数为|S|，和fS分别表示在特征子集S的基础上添加特征i和不添加特征i的情况下，一类支持向量机模型f的分数值；在得到各个特征对应的夏普利值后，对各个特征对应的夏普利值取绝对值； 根据特征重要度排序图，结合连续搅拌釜式反应器中故障发生的特点和模式，利用专家知识从特征重要度排序图中识别故障类型，使用统计方法得到特征重要度排序图，包括：统计一定数量的故障样本，对这些样本的夏普利值进行排序并可视化，得到包含多个故障样本的特征重要度排序图。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。