宁波大学科学技术学院陈杨获国家专利权
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!
龙图腾网获悉宁波大学科学技术学院申请的专利一种基于邻域差异特征分析提取的批次生产过程监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:CN114967624B 。
龙图腾网通过国家知识产权局官网在2025-06-24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:202210650166.2,技术领域涉及:G05B19/418;该发明授权一种基于邻域差异特征分析提取的批次生产过程监测方法是由陈杨;王瑾;陈勇旗设计研发完成,并于2022-04-30向国家知识产权局提交的专利申请。
本一种基于邻域差异特征分析提取的批次生产过程监测方法在说明书摘要公布了:本发明公开了一种基于邻域差异特征分析提取的批次生产过程监测方法,针对青霉素生产批次数据的批次不等长和时变问题提供行之有效的解决方案。具体来讲,本发明方法首先通过时间邻域窗口从多个正常生产的批次矩阵中获取相近时间邻域内的参考数据,并即时分析新生产批次数据相对于邻域矩阵的差异,从而直接通过监控该差异特征变化范围来实现对青霉素批次生产异常的监测。主要优势在于:其一,可以应对青霉素生产批次的数据不等长问题;其二,可以提取出直接用于过程监测的即时差异特征;其三,可以应对批次数据的时变特性。本发明方法实施的技术关键是:获取相近时间邻域内的参考数据组成邻域矩阵,从而提取出直接用于过程监测的差异特征。
本发明授权一种基于邻域差异特征分析提取的批次生产过程监测方法在权利要求书中公布了:1.一种基于邻域差异特征分析提取的批次生产过程监测方法,其特征在于,具体包括以下所示步骤: 步骤1:从青霉素生产批次的历史数据库中,获取J个青霉素正常生产批次的样本数据集,按照采样时间先后分别组成相应的批次矩阵X1,X2,…,XJ;其中,第j个青霉素正常生产批次对应的批次矩阵具体由Nj个10×1维的数据向量组成,j∈{1,2,…,J},表示10×Nj维的实数矩阵,R表示实数集,Xj中的第1列向量为第j个青霉素正常生产批次的第1个采样时刻的数据向量,Xj中的第Nj列向量为第j个青霉素正常生产批次的第Nj个采样时刻的数据向量; 步骤2:设置时间邻域窗口的基准长度等于L,开始青霉素最新生产批次的生产,并获取各个采样时刻的样本数据;其中,L是一个正整数; 步骤3:将最新采样时刻的10个样本数据组建成一个10×1维的数据向量xt,分别从批次矩阵X1,X2,…,XJ中获取参考数据向量,从而合并组建成参考数据矩阵Xt,具体如步骤3.1至步骤3.4所示; 步骤3.1:将当前采样时刻记为青霉素最新生产批次的第ζ个采样时刻后,再初始化j=2; 步骤3.2:判断ζ是否大于L;若否,则将X1中第1列至第ζ+L列的列向量组建成参考数据矩阵Xt;若是,则将X1中第ζ-L列至第min{ζ+L,N1}列的列向量组建成参考数据矩阵Xt;其中,min{ζ+L,N1}表示选取ζ+L与N1中的最小值; 步骤3.3:判断ζ是否大于L;若否,则将Xj中第1列至第ζ+L列的列向量依次记录为参考数据向量v1,v2,…,vζ+L后,再根据公式Xt=[Xt,v1,v2,…,vζ+L]更新参考数据矩阵Xt;若是,则将Xj中第ζ-L列至第列的列向量依次记录为参考数据向量后,再根据公式更新参考数据矩阵Xt;其中,表示选取ζ+L与Nj中的最小值; 步骤3.4:判断j是否小于J;若是,则设置j=j+1后,返回步骤3.3;若否,则得到最终的参考数据矩阵Xt; 步骤4:计算参考数据矩阵Xt中所有列向量的平均值向量μt和标准差向量δt后,根据公式对数据向量xt实施标准化处理,从而得到在线数据向量再按照相同的方式对参考数据矩阵Xt中的各个列向量实施标准化处理,从而得到邻域矩阵其中,符号表示将左右两个向量中相同位置的元素相除; 步骤5:利用在线数据向量和邻域矩阵实施差异特征即时提取,从而得到即时转换向量wt,具体的实施过程如步骤5.1至步骤5.2所示; 步骤5.1:计算中各个列向量与之间的距离,再将中与之间距离最小的C个列向量标记为u1,u2,…,uC; 步骤5.2:根据公式计算即时系数向量βt∈RC×1后,再求解特征值问题中最大特征值λ对应的特征向量p,并根据公式计算出即时转换向量wt;其中,U=[u1,u2,…,uC]; 步骤6:根据公式计算得到即时差异特征yt后,根据公式计算得到参考特征向量ξ,再将ξ中最大的元素和最小的元素分别记录为ξmax和ξmin; 步骤7:判断是否满足条件ξmin≤yt≤ξmax;若是,则青霉素生产批次正常运行,并执行步骤8;若否,则执行步骤9决策青霉素生产批次是否正常运行; 步骤8:判断该批次的青霉素生产是否结束;若否,则返回步骤3利用下一个采样时刻的样本数据继续实施批次生产过程监测;若是,则该批次的青霉素生产运行正常,将该生产批次所有采样时刻的数据向量按照采样时间先后组成批次矩阵XJ+1后,设置J=J+1,再清理完青霉素生产设备并返回步骤2; 步骤9:返回步骤3利用下一个采样时刻的样本数据继续实施批次生产过程监测,若连续A个采样时刻对应的即时差异特征都不满足步骤7中的判断条件,则青霉素生产批次运行异常,立即停止该批次的青霉素生产。
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宁波大学科学技术学院,其通讯地址为:315302 浙江省宁波市慈溪市白沙路街道文蔚路521号宁波大学科学技术学院;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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。