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！

龙图腾网恭喜中国科学技术大学申请的专利一种基于改进自注意机制的KL散度微小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：CN119337241B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202411878260.9，技术领域涉及：G06F18/2415；该发明授权一种基于改进自注意机制的KL散度微小故障检测方法是由唐一鸣;马鹏飞;刘延军;滕智帆;李磊;吴超;王斌;王海峰设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种基于改进自注意机制的KL散度微小故障检测方法在说明书摘要公布了：本发明涉及工业过程故障检测技术领域，公开了一种基于改进自注意机制的KL散度微小故障检测方法，包括离线训练：基于训练数据进行主成分分析建模，得到负载矩阵，计算训练数据的得分矩阵和测试数据的得分矩阵；基于滑窗策略以及得分矩阵进行KL散度检验，得到KL散度统计量；引入改进自注意机制和局部离群因子赋权法，基于KL散度统计量得到训练加权得分矩阵进行第二次KL散度计算，得到注意力统计量，进而得到历史生产数据的最终统计量；使用核密度估计方法估计的控制限；计算在线统计量，并与控制限进行比较，以判断当前时刻工业过程是否发生故障。本发明对微小故障感知更加敏感，具有较高的故障检测率与较好的鲁棒性。

本发明授权一种基于改进自注意机制的KL散度微小故障检测方法在权利要求书中公布了：1.一种基于改进自注意机制的KL散度微小故障检测方法，其特征在于，包括：离线训练：采集正常工业运行过程各个时刻的历史生产数据，将历史生产数据分为训练数据集和测试数据集；基于进行主成分分析建模，得到负载矩阵，并计算主元子空间内训练数据的得分矩阵和测试数据的得分矩阵；基于滑窗策略以及、进行KL散度检验，得到历史生产数据的散度统计量；引入改进自注意机制和局部离群因子赋权法，基于散度统计量得到训练加权得分矩阵；进行第二次KL散度计算，得到注意力统计量，结合得到历史生产数据的最终统计量；对于给定的影响因子，使用核密度估计方法估计的控制限；在线检测：采集当前工业运行过程的在线生产数据，使用计算在线生产数据的得分矩阵，计算在线统计量，通过比较与，判断当前时刻的工业运行过过程是否发生故障；具体包括以下步骤：S21，持续采集在线生产数据，组成在线生产数据集，为中第个在线生产数据，为中在线生产数据的总数；当满足时，对在线生产数据进行标准化，使用所述负载矩阵计算在线生产数据的得分矩阵；表示在线生产数据的滑动窗口宽度；S22，通过计算每个滑动窗口内在线生产数据的均值和方差，得到在线生产数据的散度统计量，当时，开始在线检测；其中k为局部离群因子赋权法中的邻居值；S23，计算出第o个时刻滑动窗口内的在线生产数据的查询矩阵，表示第o个时刻的散度统计量，根据局部离群因子赋权法得到在线生产数据的权重矩阵，将在线生产数据的得分矩阵作为在线生产数据的价值矩阵；S24，根据滑动窗口中的第o个时刻的在线生产数据对应的查询矩阵、权重矩阵和价值矩阵，得到第o个时刻滑动窗口内的在线生产数据的改进自注意力输出矩阵，并记为在线加权得分矩阵；S25，根据进行第二次KL散度计算：通过KL散度检验公式计算在线注意力统计量；将在线生产数据的权重矩阵求取平均值得到在线权值矩阵，进而得到在线统计量；表示训练加权得分矩阵中的训练加权得分，表示在线加权得分矩阵中的在线加权得分；S26，判断在线统计量是否大于控制限，如是，则判断当前工业运行过程发生故障；如否，则重复运行步骤S22至步骤S26，实现在线故障检测。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。