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！

龙图腾网获悉北京科技大学申请的专利一种基于因果循环回路解除的流程工业异常根源诊断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：CN119828634B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411781769.1，技术领域涉及：G05B23/02；该发明授权一种基于因果循环回路解除的流程工业异常根源诊断方法是由杨旭;李禹亭;高峰;黄健;高晶晶;崔家瑞;李擎设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种基于因果循环回路解除的流程工业异常根源诊断方法在说明书摘要公布了：本发明提供一种基于因果循环回路解除的流程工业异常根源诊断方法，涉及故障诊断技术领域。该方法包括：离线建模：采用动态时间规整与滑动窗口技术相结合的方法实时计算可变时间延迟，构建正常状态下可变时间延迟矩阵；对正常状态下可变时间延迟进行趋势分析，将因果网络中的循环回路分解为时间因果关系，解除因果网络中存在的循环回路；建立基于可变时间延迟的贝叶斯网络，确定正常状态下的条件概率表；在线诊断：构建异常状态下可变时间延迟矩阵，更新贝叶斯网络，确定异常状态下的条件概率表，对比正常和异常状态下的条件概率表以定位异常变量并推断根源和传播路径。这样，能够提高动态流程工业异常根源诊断的准确度。

本发明授权一种基于因果循环回路解除的流程工业异常根源诊断方法在权利要求书中公布了：1.一种基于因果循环回路解除的流程工业异常根源诊断方法，其特征在于，所述方法包括： 离线建模： 步骤S1，对流程工业生产过程中正常状态下产生的过程变量数据，采用动态时间规整与滑动窗口技术相结合的方法实时计算可变时间延迟，构建正常状态下可变时间延迟矩阵； 步骤S2，对正常状态下可变时间延迟进行趋势分析，将因果网络中的循环回路分解为时间因果关系，解除因果网络中存在的循环回路； 步骤S3，建立基于可变时间延迟的贝叶斯网络，确定正常状态下的条件概率表； 在线诊断： 步骤S4，对流程工业生产过程中异常状态下产生的过程变量数据，采用动态时间规整与滑动窗口技术相结合的方法实时计算可变时间延迟，构建异常状态下可变时间延迟矩阵； 步骤S5，根据构建的异常状态下可变时间延迟矩阵，计算对数似然值用以更新贝叶斯网络，确定异常状态下的条件概率表，对比正常和异常状态下的条件概率表以定位异常过程变量并推断根源和传播路径； 其中，所述步骤S1包括： 步骤S11，获取流程工业生产过程中正常状态下产生的过程变量数据； 步骤S12，对获取的正常状态下产生的过程变量数据实施标准化； 步骤S13，使用DTW方法确定过程变量之间的时间延迟；其中，DTW表示动态时间规整； 步骤S14，结合滑动窗口技术实时更新DTW，计算最佳时间延迟； 步骤S15，保存每个窗口对应的最佳时间延迟，构建正常状态下可变时间延迟矩阵； 其中，所述步骤S2包括： 步骤S21，开发流程工业的因果网络，构建初始BN模型；其中，BN表示贝叶斯网络； 步骤S22，确定因果网络中存在的循环回路； 步骤S23，对循环回路中涉及的成对过程变量进行可变时间延迟趋势分析； 步骤S24，通过分析时间延迟的变化趋势，将循环回路中固有的滞后趋势递增的因果关系转化为时间因果关系，解除因果网络中存在的循环回路； 其中，所述步骤S3包括： 步骤S31，采用流程工业生产过程中的正常数据，建立隐马尔可夫模型；其中，所述正常数据为：流程工业生产过程中正常状态下产生的过程变量数据； 步骤S32，基于建立的隐马尔可夫模型，利用考虑可变时间延迟的正常数据，计算正常状态下的对数似然值； 步骤S33，根据正常数据以及计算得到的正常状态下的对数似然值，确定正常状态下的先验概率和条件概率； 步骤S34，基于确定的正常状态下的先验概率和条件概率，建立改进的BN模型； 步骤S35，根据改进的BN模型，构建正常状态下的条件概率表。

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科技大学，其通讯地址为：100083 北京市海淀区学院路30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。