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！

龙图腾网获悉华中科技大学申请的专利一种基于数字孪生的多任务学习石化装置异常定位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：CN119691643B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411757285.3，技术领域涉及：G06F18/2433；该发明授权一种基于数字孪生的多任务学习石化装置异常定位方法是由周纯杰;杜鑫;王昆昆;梁旭清;徐裴行设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本一种基于数字孪生的多任务学习石化装置异常定位方法在说明书摘要公布了：本发明属于石化技术领域，公开了一种基于数字孪生的多任务学习石化装置异常定位方法，包括：构建石化装置的数字孪生模型，基于数字孪生模型模拟生成状态扩展的正常与异常运行数据，构建带有标签的异常检测和异常定位的多任务联合数据集；构建多任务学习异常定位模型，模型的前端共享网络进行特征学习，后续连接两个子任务网络分别输出异常检测及异常定位结果，两个任务采用交叉熵分类损失函数进行联合训练；利用多任务模型中的异常定位子任务输出对石化装置工艺数据进行在线异常状态定位。本发明通过结合数字孪生生成多任务学习数据集，避免了对于实际标签数据的依赖，提升了石化装置异常定位的准确性。

本发明授权一种基于数字孪生的多任务学习石化装置异常定位方法在权利要求书中公布了：1.一种基于数字孪生的多任务学习石化装置异常定位方法，其特征在于，包括以下步骤： 步骤1，利用数字孪生技术，根据目标石化装置的历史工艺运行数据与控制及工艺参数，构建数字孪生模型； 步骤2，对于石化装置的工艺生产过程进行分析； 设定包含正常与异常工况的模拟生产流程场景，基于数字孪生模型在设定模拟场景下生成状态扩展的石化装置模拟工艺运行数据，为运行数据添加异常检测标签与异常定位标签，基于工艺模拟数据与数据标签构建多任务联合训练数据集； 步骤3，构建多任务学习异常定位模型； 模型的前端共享网络对训练数据进行特征表示学习，前端共享网络的输出同步连接到异常检测和异常定位两个子任务分类器网络，两个子网络分别预测异常检测及异常定位结果，在训练过程中对于两个子任务网络进行联合训练； 步骤4，在线检测阶段，采用数字孪生模型对于石化装置的工艺数据进行状态扩展，基于多任务异常定位模型对扩展状态数据进行推理预测，结合异常定位子任务网络的预测结果得到异常工艺状态定位的警报输出； 所述的多任务联合训练数据集采用如下方式构建： 所述数字孪生模型除了能够模拟和预测得到石化装置的d个采样设备的工艺测量状态X＝[x1,x2,...,xd]外，其中xi为第i个采样设备的特征数据，依据石化装置中的采样状态之间存在相互关联的特性，使用数字孪生模型能够预测生成与已有采样状态关联的e个额外扩展工艺状态数据，如生成石化装置上未采样的温度、压力、流量等工艺状态，最后得到包含e+d个工艺状态扩展的数据XE＝[x1,x2,...,xd,xd+1,...,xd+e]； 采用数字孪生模型在设定的正常与异常工况场景下模拟生成石化装置的工艺模拟数据其中包括正常模拟数据与异常模拟数据；异常模拟数据中包括了存在多工艺状态异常的数据； 为数字孪生模型模拟生成的工艺数据增加异常检测标签AAD与异常定位标签AAL； 工艺模拟数据标签中的异常检测标签表示工艺数据是否存在异常，其中，Ntrain为训练数据数量，标签数据取值为1表示该组工艺模拟数据中存在异常，0表示正常； 异常定位标签其中 表示第i个数据的第j个采样状态是否存在异常，取值1表示异常，0表示正常； 模拟生成的运行数据作为后续多任务异常定位模型训练过程的输入数据，以异常检测标签与异常定位标签作为模型的训练目标，构建包含两类标签的多任务联合训练数据集 所述工艺模拟数据以及数据标签的生成方法包括以下步骤： 设定工艺模拟数据中异常模拟数据的占比为PA∈0,1，则模拟数据中异常模拟数据的数量其中表示向下取整，则正常模拟数据的数量NN＝Ntrain-NA； 使用数字孪生模型按照NN的数量模拟生成正常工艺数据 设定异常工艺状态的注入比例PI∈0,1]，表示在使用数字孪生模型生成异常模拟数据的过程中，将有个石化装置的工艺状态状态会被随机选出，并进行异常注入； 异常的注入模式包括拒绝服务式注入MDOS、阶越式注入MSTEP、最大最小值式注入MMM、随机注入MRAND、偏置式注入MBIAS；其中MDOS通过模拟石化装置中被选中状态的传感器与执行器失效来实现，模拟得到的工艺状态取值与失效前保持固定；MSTEP表示对应的工艺状态值被篡改为设定值的阶越值；MMM表示工艺状态值会随机被注入为其最大或者最小值；MRAND表示工艺状态的取值将被篡改为一定范围内的随机值；MBIAS表示给篡改工艺状态取值，在原有取值的基础上增加一个偏置数值； 其中，对于异常注入模式MSTEP、MRAND和MBIAS设定异常状态的注入强度S限制异常的注入幅度； 从异常注入模式集合MINTJ＝{MDOS,MSTEP,MMM,MRAND,MBIAS}中依次选择异常注入模式，按照异常模拟数据总量NA均匀划分模拟时间段块分别在数字孪生模型进行异常模拟的过程中进行异常注入，得到异常模拟数据进而得到完整的工艺模拟数据 使用数字孪生生成没有异常注入但是工况与保持一致的正常模拟数据 设定正常模拟数据对应的数据标签设置为其中i∈[1,Ntrain]；异常模拟数据对应的标签设置为其中i∈[NN,Ntrain]，得到异常检测任务标签 设定正常模拟数据中的异常定位标签为此时j∈[1,d]，i∈[1,NN]； 对于异常模拟数据中的异常定位标签，计算模拟数据的绝对值偏差对于工艺状态xj，其中j∈[1,d]，在i时刻对应的模拟数据状态偏差为eij，对于状态取值偏离正常值范围过大的状态，如当时，即认定该工艺状态为异常，设定异常定位标签反之则设定为其中τ∈0,1为百分比偏差系数，i∈NN，Ntrain]，用于筛选出受到异常注入影响的异常工艺状态；得到数据集的异常定位标签

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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”。