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！

龙图腾网获悉浙江大学申请的专利基于时序卷积网络的高炉炼铁鲁棒多变量故障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：CN117216697B 。

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：202311091566.5，技术领域涉及：G06F18/2433；该发明授权基于时序卷积网络的高炉炼铁鲁棒多变量故障检测方法是由杨春节;朱雄卓;楼嗣威设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本基于时序卷积网络的高炉炼铁鲁棒多变量故障检测方法在说明书摘要公布了：本发明公开了一种基于时序卷积网络的高炉炼铁鲁棒多变量故障检测方法robusttemporalconvolutiondetectionnetwork,RTCDN首先将时序卷积网络temporalconvolutionnetwork,TCN中残差模块进行堆叠构建时序卷积检测网络temporalconvolutiondetectionnetwork,TCDN，TCDN利用因果时序卷积网络在时间尺度上提取过程的动态信息，同时利用卷积神经网络的通道数量对变量的空间维度进行变换，在实现时间尺度信息提取的同时，对变量进行压缩和重构；TCDN根据变量的重构误差的平方和实现故障的检测功能；而针对高炉原始数据普遍存在离群点的现象，本发明在TCDN的基础上提出了一种基于l1范数的鲁棒解决方案，能将带有离群点的数据进行分离，分离出稀疏的离群点矩阵，进而获得干净的数据进行模型训练，使模型具有强大的鲁棒性。

本发明授权基于时序卷积网络的高炉炼铁鲁棒多变量故障检测方法在权利要求书中公布了：1.一种基于时序卷积网络的高炉炼铁鲁棒多变量故障检测方法，其特征在于，将时序卷积网络TCN中残差模块进行堆叠构建时序卷积检测网络TCDN，TCDN利用因果时序卷积网络在时间尺度上提取过程的动态信息，同时利用卷积神经网络的通道数量对变量的空间维度进行变换，TCDN根据变量的重构误差的平方和实现故障的检测功能；针对高炉原始数据存在的离群点，将带有离群点的原始数据进行分离，分离出稀疏的离群点矩阵，从而获得不含离群点的数据进行模型训练； 所述将时序卷积网络中残差模块进行堆叠构建时序卷积检测网络为： 将时序卷积网络TCN的残差模块进行堆叠，堆叠层，假设原始高炉数据归一化后的数据记为，模型设定的时间步timestep为k，因此模型的过程变量输入形式为，,通过每一层残差模块residualblock即得到对应的潜变量，依次为,,…,,前一层残差模块的输出将会作为后一层残差模块的输入；TCDN的目标函数为重构输入，即最小化最后一层残差模块的输出与原始输入的均方误差MSE，如下式所示： ； 其中，MSE为模型训练的损失函数，n为样本数，k为设定的时间步，为输入，为最后一层残差模块的输出，即重构结果； 所述的TCDN利用因果时序卷积网络在时间尺度上提取过程的动态信息为： TCDN使用的卷积神经网络为一维卷积神经网络，卷积方向为变量的时间维度； 所述同时利用卷积神经网络的通道数量对变量的空间维度进行变换为： 残差模块由卷积神经网络构成，卷积神经网络结构需要设计通道数，其中原始输入的通道数即为变量的空间维度，中间部分残差模块中的卷积神经网络的通道数设计为,其中，潜变量空间实现变量空间维度的压缩；而最后一层残差模块中的卷积网络通道数设计为，即重构回原始输入的空间维度； 所述TCDN根据变量的重构误差的平方和实现故障的检测功能为，假设重构得到的结果为，其中，监测统计量设计为重构误差的平方和，即，而监测统计量的阈值通过训练时每个样本的SPE，通过核密度估计KDE方法进行估计当在线检测时，新样本计算得到的SPE数值大于，则认为发生了故障；若新样本计算得到的SPE数值小于等于，则认为过程没有发生故障； 所述的方法，将带有离群点的原始数据进行分离，分离出稀疏的离群点矩阵，进而保留干净的数据进行模型训练为： 由于过程变量中包含了离群点，因此将原始输入分解成两部分，其中为低秩矩阵，而为稀疏的离群点矩阵；首先构建以下损失函数： ； ； 其中，代表TCDN模型，代表TCDN的重构结果，代表可以被TCDN模型重构的部分，为l1范数，而为F范数，为权重系数；其中该损失函数使用ADMM方法进行求解，即利用反向梯度传播优化，随后固定，再利用近端方法优化，随后固定，继续优化，如此循环直到收敛为止；最终，得到的是不包含离群点的干净数据，用其训练TCDN模型进行故障检测； 上述近端方法优化中的近端方法为： ； 其中表示迭代次数，为一个超参数；表示第j个变量在第次迭代时的值；当一个元素连续两次被分离且差异小于时，它被直接识别为离群值，不再被优化。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。