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！

龙图腾网获悉无锡学院申请的专利面向不完备数据的工业过程软测量建模方法及系统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：CN121072793B 。

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：202511625804.5，技术领域涉及：G06N7/01；该发明授权面向不完备数据的工业过程软测量建模方法及系统是由沈飞凤;胡冰;沈静怡;曹朱帅;姜苏琪设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本面向不完备数据的工业过程软测量建模方法及系统在说明书摘要公布了：本发明涉及在线测量技术领域，尤其涉及面向不完备数据的工业过程软测量建模方法及系统，步骤包括：获取工业过程中包含缺失值的历史样本数据并构建BGPLVM模型；基于历史样本数据进行样本特征提取并作为先验约束初始化BGPLVM模型超参数；获取查询样本数据并基于BGPLVM模型，得到查询样本数据的隐变量变分分布；提取与隐变量变分分布最相似的历史样本数据构建局部样本数据集；构建高斯过程回归模型并通过最大化对数似然确定高斯过程回归模型参数；将查询样本数据的隐变量变分分布代入高斯过程回归模型，预测查询样本数据对应的输出变量。

本发明授权面向不完备数据的工业过程软测量建模方法及系统在权利要求书中公布了：1.面向不完备数据的工业过程软测量建模方法，其特征在于，包括： 获取工业过程中包含缺失值的历史样本数据并构建BGPLVM模型； 基于历史样本数据进行样本特征提取并作为先验约束初始化BGPLVM模型超参数，得到历史样本数据的隐变量变分分布以及模型超参数最优值； 获取查询样本数据并基于训练完成的BGPLVM模型进行概率建模，得到查询样本数据的隐变量变分分布； 通过对历史样本数据和查询样本数据的隐变量变分分布进行SKL散度度量，提取与隐变量变分分布最相似的历史样本数据构建局部样本数据集； 构建高斯过程回归模型并提取局部样本数据集中隐变量与输出变量之间的非线性特征，通过最大化对数似然确定高斯过程回归模型参数； 将查询样本数据的隐变量变分分布代入高斯过程回归模型，预测查询样本数据对应的输出变量； 所述基于历史样本数据进行样本特征提取，包括： 基于历史样本数据进行多维度样本特征提取并构建多维度样本特征向量，多维度样本特征向量包括样本的缺失特征向量、时延特征向量、测点空间特征向量以及工况标签特征向量； 将缺失特征向量、时延特征向量、测点空间特征向量以及工况标签特征向量进行拼接并生成样本特征描述矩阵； 将样本特征描述矩阵作为先验约束输入BGPLVM模型，用于在模型初始化阶段调节核函数超参数； 所述构建多维度样本特征向量，包括： 通过对历史样本数据中各输入变量进行缺失统计，确定各输入变量的缺失率以及缺失分布模式；采用滑动时间窗计算各变量缺失率随时间变化的曲线并提取缺失时间自相关系数；基于缺失率、缺失分布模式以及缺失时间自相关系数构建历史样本数据的缺失特征向量； 通过对历史样本数据中各输入变量与目标输出变量进行互相关分析，得到各输入变量与输出变量在不同时间滞后下的相关系数分布曲线；通过搜索相关系数分布曲线的峰值位置确定各输入变量相较于输出变量的最优滞后时间并构建时延特征向量； 基于数据测点间的物理空间距离构建测点空间邻接矩阵并计算所有输入变量间的互相关矩阵；融合邻接矩阵与互相关矩阵生成测点空间关联矩阵并将测点空间关联矩阵中的主特征向量作为样本的空间相关特征向量； 基于工业过程的负荷变化结合聚类算法为历史样本数据标注离散的工况标签，将工况标签进行独热编码构建样本的工况标签特征向量。

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无锡学院，其通讯地址为：214105 江苏省无锡市锡山区锡山大道333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。