買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉天津大學(xué)申請(qǐng)的專利一種基于遷移學(xué)習(xí)的新模態(tài)過(guò)程監(jiān)測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114880621B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210445470.3，技術(shù)領(lǐng)域涉及：G06F17/16；該發(fā)明授權(quán)一種基于遷移學(xué)習(xí)的新模態(tài)過(guò)程監(jiān)測(cè)方法是由張淑美;雷琦設(shè)計(jì)研發(fā)完成，并于2022-04-26向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于遷移學(xué)習(xí)的新模態(tài)過(guò)程監(jiān)測(cè)方法在說(shuō)明書摘要公布了：本發(fā)明涉及一種基于遷移學(xué)習(xí)的新模態(tài)過(guò)程監(jiān)測(cè)方法，包括下列步驟：獲取q種不同已知模態(tài)正常工況狀態(tài)下的數(shù)據(jù)，獲取新模態(tài)正常工況下的數(shù)據(jù)；計(jì)算不同已知模態(tài)正常工況下的數(shù)據(jù)與新模態(tài)正常工況下的數(shù)據(jù)之間的距離，選擇距離新模態(tài)最近的已知模態(tài)作為參考模態(tài)；對(duì)參考模態(tài)數(shù)據(jù)和新模態(tài)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；利用遷移成分分析算法建立新模態(tài)的過(guò)程監(jiān)測(cè)模型；獲取工業(yè)過(guò)程中新模態(tài)的在線運(yùn)行數(shù)據(jù)，并記為在線監(jiān)測(cè)數(shù)據(jù)；對(duì)在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行在線故障檢測(cè)。

本發(fā)明授權(quán)一種基于遷移學(xué)習(xí)的新模態(tài)過(guò)程監(jiān)測(cè)方法在權(quán)利要求書中公布了：1.一種基于遷移學(xué)習(xí)的新模態(tài)過(guò)程監(jiān)測(cè)方法，包括下列步驟： 步驟1：獲取q種不同已知模態(tài)正常工況狀態(tài)下的數(shù)據(jù)，獲取新模態(tài)正常工況下的數(shù)據(jù)，計(jì)算不同已知模態(tài)正常工況狀態(tài)下的過(guò)程數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，計(jì)算新模態(tài)正常工況下的數(shù)據(jù)的均值和標(biāo)準(zhǔn)差； 步驟2：計(jì)算不同已知模態(tài)正常工況下的數(shù)據(jù)與新模態(tài)正常工況下的數(shù)據(jù)之間的距離，選擇距離新模態(tài)最近的已知模態(tài)作為參考模態(tài)，并記為Xs； 步驟3：對(duì)參考模態(tài)數(shù)據(jù)和新模態(tài)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，獲得無(wú)量綱化的參考模態(tài)數(shù)據(jù)Xs和新模態(tài)數(shù)據(jù)Xt； 步驟4：利用遷移成分分析算法建立新模態(tài)的過(guò)程監(jiān)測(cè)模型以及相應(yīng)的T2統(tǒng)計(jì)量和SPE統(tǒng)計(jì)量的控制限，方法如下： 1構(gòu)建參考模態(tài)與新模態(tài)正常工況下的數(shù)據(jù)之間的MMD矩陣，計(jì)算參考模態(tài)與新模態(tài)數(shù)據(jù)之間的MMD距離： DistXs,Xt＝trATXMXAT 其中，X＝[Xs,Xt]表示作為源域的參考模態(tài)數(shù)據(jù)Xs和作為目標(biāo)域的新模態(tài)數(shù)據(jù)Xt構(gòu)成的數(shù)據(jù)樣本，A為待求取的變換矩陣，M是MMD矩陣，tr·為矩陣的跡； 2構(gòu)建參考模態(tài)與新模態(tài)正常工況下的數(shù)據(jù)之間的中心矩陣C，并且給出計(jì)算參考模態(tài)與新模態(tài)數(shù)據(jù)的特征方差的表達(dá)式： 參考模態(tài)與新模態(tài)之間的中心矩陣表示為： 其中，In為n階單位矩陣，1n為n階的全1矩陣； 參考模態(tài)與新模態(tài)數(shù)據(jù)之間的特征方差表示如下： 其中，C是中心矩陣，I為單位矩陣； 3構(gòu)建遷移成分分析TCA算法的目標(biāo)函數(shù)； 其中，μ≥0是權(quán)衡系數(shù)，trATA表示L2正則項(xiàng)； 4建立新模態(tài)的過(guò)程監(jiān)測(cè)模型； 通過(guò)引入拉格朗日乘子法來(lái)求解目標(biāo)函數(shù)，找出使得遷移成分分析TCA算法的目標(biāo)函數(shù)最小的轉(zhuǎn)換矩陣A，進(jìn)而建立新模態(tài)的過(guò)程監(jiān)測(cè)模型； 5計(jì)算得分向量矩陣； 根據(jù)新模態(tài)的過(guò)程監(jiān)測(cè)模型中的轉(zhuǎn)換矩陣A，通過(guò)轉(zhuǎn)換矩陣A，計(jì)算正常工況下的得分向量矩陣T； 6計(jì)算新模態(tài)正常工況下的T2統(tǒng)計(jì)量和SPE統(tǒng)計(jì)量； 構(gòu)建TCA算法下的T2和SPE統(tǒng)計(jì)量； T2統(tǒng)計(jì)量表示為： T2＝ti TΛ-1ti＝xi TAΛ-1ATxi 所述轉(zhuǎn)換矩陣A∈Rm×k為特征分解所得到的前k個(gè)最小特征值所對(duì)應(yīng)的特征向量，Λ為取其前k個(gè)最小的特征值所組成的對(duì)角矩陣Λ＝{λ1,λ2,…,λk}∈Rk×k； SPE統(tǒng)計(jì)量表示為： SPE＝||I-AATxi||2＝xi TI-AATxi 其中，xi為Xt中第i個(gè)樣本，ti＝ATxi表示成分向量矩陣T中的第i個(gè)成分向量； 7通過(guò)核密度估計(jì)法，對(duì)T2統(tǒng)計(jì)量和SPE統(tǒng)計(jì)量進(jìn)行處理，設(shè)置99％的置信區(qū)間，從而得到T2和SPE的控制限； 步驟5：獲取工業(yè)過(guò)程中新模態(tài)的在線運(yùn)行數(shù)據(jù)，并記為在線監(jiān)測(cè)數(shù)據(jù)，并根據(jù)步驟1中計(jì)算得到的新模態(tài)正常工況下的均值向量和標(biāo)準(zhǔn)差，對(duì)在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理； 步驟6：對(duì)在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行在線故障檢測(cè)：通過(guò)步驟4中的新模態(tài)的過(guò)程監(jiān)測(cè)模型，計(jì)算在線監(jiān)測(cè)數(shù)據(jù)的T2統(tǒng)計(jì)量和SPE統(tǒng)計(jì)量，若出現(xiàn)在線監(jiān)測(cè)數(shù)據(jù)的T2統(tǒng)計(jì)量或者SPE統(tǒng)計(jì)量超出T2和SPE的控制限的情況，則認(rèn)為當(dāng)前系統(tǒng)出現(xiàn)故障，否則認(rèn)為當(dāng)前系統(tǒng)正處于正常運(yùn)行的狀態(tài)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人天津大學(xué)，其通訊地址為：300072 天津市南開區(qū)衛(wèi)津路92號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。