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！

龙图腾网获悉浙江科技大学申请的专利一种基于时空特征解耦的工业过程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：CN121365252B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511924729.2，技术领域涉及：G06F18/214；该发明授权一种基于时空特征解耦的工业过程故障检测方法是由吕玉婷;闻佳敏;周乐;叶茂钞设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本一种基于时空特征解耦的工业过程故障检测方法在说明书摘要公布了：本发明涉及一种基于时空特征解耦的工业过程故障检测方法，在MemAE的编码器后分别构建时间分支与空间分支，并为两个分支结构配置独立的记忆模块，分别存储时序动态关系和空间关联关系的记忆，实现了时空特征的有效解耦；在时间分支与空间分支的记忆模块后分别引入DSVDD模块，为每个分支构建独立的高度紧凑的特征空间，增强了正常样本与故障样本之间的区分度；同时，基于DSVDD‑MemAE模型设计了故障检测统计量，联合重构误差与时空分支的DSVDD偏离误差，使得异常数据的判断更为综合全面。本发明能够有效解耦时空特征，扩大正常样本与异常样本的区分度，有效提高故障检测率与工业过程监测的可靠性。

本发明授权一种基于时空特征解耦的工业过程故障检测方法在权利要求书中公布了：1.一种基于时空特征解耦的工业过程故障检测方法，其特征在于包括如下步骤： 1获取工业过程多变量时间序列数据集，将数据集划分为训练集与测试集，分别对训练集与测试集进行标准化处理； 2利用时间窗对训练集数据进行序列化处理，构建DSVDD-MemAE模型，对模型进行超参数配置，并完成其网络参数的初始化； 3优化模型损失函数，得到完成训练的DSVDD-MemAE模型，实现训练数据时序动态特征与空间关联特征的解耦； 4基于训练样本的重构误差以及时空分支中DSVDD模块的偏离误差，获得训练样本的统计量，并确定统计量的控制限； 5将测试样本输入步骤3完成训练的DSVDD-MemAE模型，经时空特征解耦后，获得其对应的统计量，并与控制限进行比较，判定样本属于正常或异常，实现工业过程故障检测； 所述步骤2的具体过程为：利用滑动窗口，沿训练集的序列方向进行采样，将完整的时间序列划分为一系列子序列样本，并将子序列样本输入DSVDD-MemAE模型；DSVDD-MemAE模型包含五个关键模块：编码器、时间分支、空间分支、解码器和DSVDD模块； 将子序列样本输入DSVDD-MemAE模型的过程为： a将子序列样本输入编码器，得到时空混合特征，该特征随后被分别输入到时间分支和空间分支，以进行特征解耦； b在时间分支中，首先将相邻时间步的特征进行拼接，将瞬时信息转化为时序动态信息，并利用一维卷积进一步提取特征，随后将提取到的特征输入时间分支的记忆模块，得到最终的时序动态特征； c在空间分支中，全连接神经网络对同一时间步内不同过程变量进行非线性变换和特征提取，随后将提取到的特征输入空间分支的记忆模块，得到最终的空间关联特征； d将时序动态特征与空间关联特征进行融合，输入解码器，得到重构后的输出； e从时间分支和空间分支的记忆模块输出特征后，将时序动态特征与空间关联特征分别压缩到一个超球体内，为正常样本构建特征空间边界。

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科技大学，其通讯地址为：310023 浙江省杭州市西湖区留和路318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。