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！

龙图腾网获悉杭州师范大学申请的专利基于变分贝叶斯推断的工业动态过程鲁棒故障隔离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：CN115982650B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202211512368.7，技术领域涉及：G06F18/2415；该发明授权基于变分贝叶斯推断的工业动态过程鲁棒故障隔离方法是由曾九孙;卢成;徐晓滨;姚乐;刘熠;沈冰冰设计研发完成，并于2022-11-29向国家知识产权局提交的专利申请。

本基于变分贝叶斯推断的工业动态过程鲁棒故障隔离方法在说明书摘要公布了：本发明公开了一种基于变分贝叶斯推断的工业动态过程鲁棒故障隔离方法。通过传感器采集到正常工况下和故障工况下的流程工业生产过程中的数据作为整个数据集；针对正常工况下和故障工况下的数据集建立各自的鲁棒故障隔离模型；对所建立的鲁棒故障隔离模型中的各个变量选择合适的先验分布，然后利用变分贝叶斯推断的方法进行求解，计算各个变量的后验分布，根据求解结果中故障指示矩阵进行故障判断和隔离。本发明方法能够适应具有异常值或较大噪声的工业动态过程数据，能够实现准确的故障隔离，为工业生产控制行为提供有效支持。

本发明授权基于变分贝叶斯推断的工业动态过程鲁棒故障隔离方法在权利要求书中公布了：1.一种基于变分贝叶斯的工业动态过程鲁棒故障隔离方法，其特征在于：方法包括以下步骤： 步骤1，通过传感器采集到正常工况下和故障工况下的流程工业生产过程中的数据作为整个数据集； 步骤2，针对正常工况下和故障工况下的数据集建立各自的鲁棒故障隔离模型； 步骤3，对所建立的鲁棒故障隔离模型中的各个变量选择合适的先验分布，然后利用变分贝叶斯推断的方法进行求解，计算各个变量的后验分布，根据求解结果中故障指示矩阵进行故障判断和隔离； 所述步骤1中，传感器采集到正常工况下和故障工况下的流程工业生产过程中的数据分别作为训练数据和测试数据，将训练数据和测试数据合并后进行归一化处理得到均值为零和单位方差为一的数据集； 所述步骤2中，具体为： 对于正常工况下的训练数据，建立以下鲁棒故障隔离模型： X={xr} xr={xi} D={} 式中，X表示正常工况下的训练数据，xr表示正常工况下的数据向量，xi表示正常工况下的数据向量xr的第i个测量值，D表示投影矩阵，是投影矩阵D的第i行，g表示正常工况下的数据向量投影到降维空间后的降维向量，si表示正常工况下的指示异常值向量的幅值，vi表示正常工况下的投影矩阵乘以降维向量后的结果和数据向量的第i个测量值xi之间的差值；是正常工况下的数据向量的第i个测量值xi的指示异常值向量，代表包含异常值，反之若代表不包含异常值； 对于故障工况下的训练数据，建立以下鲁棒故障隔离模型： D={} ={} 式中，表示正常工况下的训练数据，表示正常工况下的数据向量，表示正常工况下的数据向量的第i个测量值，表示故障指示矩阵，表示故障指示矩阵的第i行，表示故障工况下的数据向量投影到降维空间后的降维向量，表示故障工况下的指示异常值向量的幅值，表示故障工况下的投影矩阵乘以降维向量后的结果和数据向量的第i个测量值xi之间的差值；是正常工况下的数据向量的第i个测量值的指示异常值向量，代表包含异常值，反之若代表不包含异常值；是权重矩阵；是稀疏表示的标签参数矩阵；符号代表了哈达玛乘积； 所述步骤3中，仅将正常工况和故障工况下的指示异常值向量和、标签参数矩阵Z设置为伯努利-高斯先验分布，将正常工况和故障工况下的降维向量g和、正常工况和故障工况下的指示异常值向量幅值和指示异常值向量的幅值、正常工况和故障工况下的差值vi和差值、投影矩阵D、权重矩阵W设置为高斯分布。

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杭州师范大学，其通讯地址为：311121 浙江省杭州市余杭区余杭塘路2318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。