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！

龙图腾网获悉镇江智捷智能科技有限公司申请的专利一种基于时序特征分析的一段转化炉运行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：CN116881788B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310857051.5，技术领域涉及：G06F18/241；该发明授权一种基于时序特征分析的一段转化炉运行异常检测方法是由孙学强;陈文设计研发完成，并于2023-07-13向国家知识产权局提交的专利申请。

本一种基于时序特征分析的一段转化炉运行异常检测方法在说明书摘要公布了：本发明公开一种基于时序特征分析的一段转化炉运行异常检测方法，旨在通过分析表示一段转化炉采样数据的时序特征，完成对一段转化炉运行状态的实时异常检测。具体来讲，本发明方法针对一段转化炉在其正常运行时采集到的样本数据实施多个时间节点上的时序特征分析，学习表示出相应的时序特征后建立用于在线实时异常检测的数据模型，再通过一个综合异常检测指标检测一段转化炉的运行是否出现异常。相比于现有技术，本发明方法通过能使在时间先后上的得分向量之间的差异最小化的时序特征分析过程得到相应的特征变换矩阵，并在此基础上通过融合有三个不同异常检测指标的综合异常检测指标监测来完成一段炉的实时在线异常检测。

本发明授权一种基于时序特征分析的一段转化炉运行异常检测方法在权利要求书中公布了：1.一种基于时序特征分析的一段转化炉运行异常检测方法，包括以下所示步骤1至步骤9： 步骤1：确定一段转化炉的测量变量后，在一段转化炉运行正常时，同时为测量变量连续采集至少800个采样时刻的样本数据以组成数据矩阵；其中，数据矩阵中的各行向量由所述测量变量在相同采样时刻的样本数据按照固定的测量变量顺序排列组成，中第一行向量至最后一行向量是按照采样时刻先后顺序排列的； 步骤2：计算数据矩阵中第1列向量、第2列向量至第13列向量的平均值和标准差后，再利用平均值和标准差对中的各行向量实施标准化处理，再将经标准化处理后的行向量组成矩阵； 步骤3：设置时序阶数后，将矩阵中第行向量至最后一行向量组成0阶时序矩阵、将矩阵中第行向量至倒数第二行向量组成1阶时序矩阵、按照此规律直至得到阶时序矩阵； 步骤4：针对0阶时序矩阵、1阶时序矩阵至阶时序矩阵实施时序特征分析，得到特征变换矩阵； 步骤5：设置时序特征参数等于一个小于13的正整数，再将特征变换矩阵中的第1列向量至第列向量组成动态变换矩阵、中的第列向量至第13列向量组成静态变换矩阵后，通过公式和分别计算得到0阶得分矩阵、1阶得分矩阵至阶得分矩阵和静态得分矩阵；其中，； 步骤6：利用最小二乘回归算法确定0阶得分矩阵和之间的回归模型：；其中，输入矩阵，回归系数矩阵和误差矩阵，上标号T表示矩阵或向量的转置； 步骤7：按照公式、和分别计算误差异常检测指标向量、动态异常检测指标向量和静态异常检测指标向量后，再设置误差异常控制限、动态异常控制限和静态异常控制限分别对应等于、和中的最大数据；其中，表示将花括号内矩阵对角线元素转变成列向量的操作； 步骤8：根据公式计算综合异常检测指标向量后，再计算中所有数据的平均值和标准差后，设置相应的控制上限； 步骤9：保留用于在线实时异常检测的参数后，对一段转化炉实施在线异常检测；其中，保留的参数包括步骤2中的平均值和标准差、步骤5中的动态变换矩阵和静态变换矩阵、步骤6中的回归系数矩阵、步骤7中的误差异常控制限、动态异常控制限和静态异常控制限、以及步骤8中的控制上限； 其特征在于：所述步骤4的具体实施过程如下所示： 步骤4.1：对矩阵实施奇异值分解，得到，再按照公式计算正交变换矩阵；其中，表示奇异值分解产生的酉矩阵，是由非零奇异值组成的对角矩阵； 步骤4.2：通过公式分别计算0阶特征矩阵、1阶特征矩阵至阶特征矩阵； 步骤4.3：按照公式计算特征相关矩阵，再对实施奇异值分解，得到；其中，是由非零奇异值按照数值大小降序排列组成的对角矩阵，为奇异值分解产生的酉矩阵； 步骤4.4：按照公式计算得到特征变换矩阵。

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镇江智捷智能科技有限公司，其通讯地址为：212132 江苏省镇江市新区四平山路36号科技园孵化器4309；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。