大连理工大学杨鑫获国家专利权
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！
龙图腾网获悉大连理工大学申请的专利面向化工生产过程的多监测点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：CN115830532B 。
龙图腾网通过国家知识产权局官网在2026-01-30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：202211489417.X，技术领域涉及：G06V20/52；该发明授权面向化工生产过程的多监测点异常检测方法是由杨鑫;魏小鹏;武志超;朱理;徐喜荣设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。
本面向化工生产过程的多监测点异常检测方法在说明书摘要公布了：本发明属于计算机与化工交叉学科多监测点监控中的异常检测领域，提供了一种面向化工生产过程的多监测点异常检测方法，步骤如下：1趋势误差和均方误差的加权捕捉趋势的变化；2极差统计量放大异常和正常数据的变化；3将时间序列之间的内部关联用RP图的相似度来表达。本发明的方法具有以下优点：1方法的创新；2时间序列异常识别的结果和效率；3适用性更广泛。
本发明授权面向化工生产过程的多监测点异常检测方法在权利要求书中公布了：1.一种面向化工生产过程的多监测点异常检测方法，其特征在于，步骤如下： 步骤1、构建新的时间序列相似度矩阵 首先，利用RP捕捉化工生产过程个传感器之间的延迟、非线性行为，将个传感器的行为信息映射到图像上；然后，利用图相似度函数SSIM计算图像之间的相似度，形成时间序列的相似度矩阵； 步骤2、构建带有趋势损失的图神经网络 首先，将化工生产过程个传感器数据和相似度矩阵作为GCN网络的输入；然后，利用我们定义的趋势损失函数进行GCN神经网络的训练，保存训练后的模型参数； 趋势损失函数的定义： ； ； ； 最小化目标函数； 其中，分别表示时刻前、时刻和时刻后的预测值，分别表示时刻前、时刻和时刻后的真实值，为加权因子； 步骤3、异常识别的过程 通过步骤2训练得到的模型对未知多变量时间序列进行预测后，进而对异常进行推断；具体过程为：首先，利用步骤2得到的模型，预测每个时刻个传感器采集到的数值，然后，计算预测值与真实值之间的误差的平均值和极差，得到相应的极差值；最后，利用SOPT方法估计极差值的异常阈值，通过确定的阈值自动判断每个时刻的值是否为异常。
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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路２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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励