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！

龙图腾网获悉北京化工大学申请的专利一种基于双重支持向量数据描述的间歇过程测量数据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：CN115935218B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202210425939.7，技术领域涉及：G06F18/2337；该发明授权一种基于双重支持向量数据描述的间歇过程测量数据异常检测方法是由王建林;艾兴聪;周新杰设计研发完成，并于2022-04-21向国家知识产权局提交的专利申请。

本一种基于双重支持向量数据描述的间歇过程测量数据异常检测方法在说明书摘要公布了：本发明公开了一种基于双重支持向量数据描述的间歇过程测量数据异常检测方法，首先利用模糊聚类方法对间歇过程进行模态划分，获得各模态数据集，并融合各稳定模态和相邻过渡模态数据构建融合模态数据集；然后分别依据各模态数据集与融合模态数据集，构建双重SVDD过程测量数据异常检测模型；最后利用双重SVDD模型的内外层控制限和数据异常判别策略实现间歇过程测量数据的异常检测。本发明充分考虑了间歇过程不同模态间的数据变化关系，依据所构建双重SVDD模型的内外层控制限和数据异常判别策略对间歇过程测量数据异常进行检测，能够有效地降低过程测量数据异常检测的误检率，提高了间歇过程测量数据异常检测的准确性。

本发明授权一种基于双重支持向量数据描述的间歇过程测量数据异常检测方法在权利要求书中公布了：1.一种基于双重支持向量数据描述的间歇过程测量数据异常检测方法，其特征在于：该方法包括以下步骤： 步骤一：采集多批次间歇过程数据，利用模糊C均值FCM算法对其进行模态划分，根据模态划分信息获得各稳定模态和过渡模态数据集，并融合稳定模态和相邻过渡模态数据获得融合模态数据集；所述间歇过程数据为青霉素发酵过程变量，包括通风率、搅拌功率、底物流加速率、底物流温度、底物浓度、溶解氧浓度、生物质浓度、青霉素浓度、反应器体积、二氧化碳浓度、PH、反应器温度、产热量、加酸流速、加碱流速、加冷却水流速、加热水流速； 步骤二：分别对所有稳定模态和过渡模态数据集训练得到内层SVDD模型，然后对融合后的模态数据集训练得到外层SVDD模型，构建基于双重SVDD的间歇过程测量数据异常检测模型； 步骤三：利用双重SVDD模型的内外层超球体半径Rin和Rout，结合移动窗思想构建数据异常判别策略，对间歇过程测量数据进行在线异常检测； 所述步骤三，具体包括： 在线样本，根据样本的采样时间信息确定样本所属模态，并利用该模态数据集的均值和标准差对其进行标准化得，将传入模态的内层SVDD模型得到样本与超球体球心之间的距离； 将与和进行比较，当小于等于时，直接判定为正常样本；而当大于等于时，将被直接判定为异常样本； 当大于并小于时，此时不能直接被判定为正常样本或异常样本，结合移动窗思想对该类样本状态进行判断；设移动窗左端点表示为WINL，右端点表示为WINR，移动窗宽度的选取只需满足小于等于最短模态的长度即可，并且窗的移动被限制于同一个模态内部，保证当前时刻样本的状态只参考当前模态内数据样本的状态信息，窗的移动规则为：1采样时刻为窗右端点，且不等于当前模态右边界时，在不超出当前模态右边界条件下向后移动一个宽度；2采样时刻为窗右端点，且等于当前模态右边界时直接向后移动一个宽度；3在当前模态内部，采样时刻与窗左端重合时，窗向前移动至右端点与采样时刻重合； 设的采样时刻为，结合建立的移动窗，对样本状态进行判断；的球心距从内部穿越到了和之间，此时计算窗左端点到时刻样本球心距的标准差以及加入之后的标准差，两者没有明显变化，认为同样为正常样本；加入之后前后标准差发生了大于等于2倍的变化，此时认为为异常样本；从的外部穿越到了和之间，此时计算窗左端到时刻样本球心距均值，当均值小于时，认为为正常样本；窗左端点到时刻的样本球心距均值大于等于，认为仍为异常样本；此外，如果处于下述两种情况时其状态保持不变，即当为当前模态的左端点或者的前一时刻样本也处于之间时认为与前一时刻样本状态一致，没有发生改变。

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北京化工大学，其通讯地址为：100029 北京市朝阳区北三环东路15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。