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一种基于生成对抗框架的高炉故障自愈控制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：CN118377254B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202410430280.3，技术领域涉及：G05B19/042；该发明授权一种基于生成对抗框架的高炉故障自愈控制方法是由杨春节;张徐杰;楼嗣威;吴平设计研发完成，并于2024-04-10向国家知识产权局提交的专利申请。

本一种基于生成对抗框架的高炉故障自愈控制方法在说明书摘要公布了：本发明公开了一种基于生成对抗框架的高炉故障自愈控制方法，包括数据集标签属性等级化、构建潜空间转换自愈控制模型、模型多路径训练、高炉故障样本的控制变量调节。首先需要采集数据样本，选择控制变量作为样本标签，再将标签属性等级化，从而获得自制的数据集。然后构建潜空间转换自愈控制模型，用自制的数据集输入模型，根据多训练路径构建目标函数进行训练。最后，将高炉故障样本输入到训练好的模型中，模型会输出一个方案矩阵显示不同操作下转换样本的工况，只需选择健康工况对应的操作即可。本发明建立“控制变量‑样本故障特征‑异常炉况关系”的大型高炉特征广义模型，为应对异常炉况提供一定的操作指导。

本发明授权一种基于生成对抗框架的高炉故障自愈控制方法在权利要求书中公布了：1.一种基于生成对抗框架的高炉故障自愈控制方法，其特征在于，包括以下步骤：数据集标签属性等级化、构建潜空间转换自愈控制模型、模型多路径训练、高炉故障样本的控制变量调节； 首先需要采集数据样本，选择控制变量作为样本标签，再将标签属性等级化，从而获得自制的数据集；然后构建潜空间转换自愈控制模型，用自制的数据集输入模型，根据多训练路径的目标函数进行训练；最后，将高炉故障样本输入到训练好的模型中，模型输出一个方案矩阵显示不同操作下转换样本的工况，选择健康工况对应的操作； 所述的模型多路径训练包括如下步骤： 使用采集到的数据对模型进行训练，使其能够学习输入故障样本与控制变量之间的映射关系；根据三条路径来训练模型； 3.1非转换路径包括如下步骤： 3.1.1输入高炉样本xi，j，其中i为标签，j为标签对应的属性； 3.1.2将xi，j通过编码器E编码为特征e； 3.1.3将特征e输入生成器G进行重构，得到重构样本x′i，j； 3.1.4计算xi，j和x′i，j之间的重构损失； 3.2自转换路径使用从同一输入样本中提取的特征代码进行转换，确保特征代码包含输入样本的细节；所述的自转换路径包括如下步骤： 3.2.1输入同一个高炉样本xi，j； 3.2.2使用提取器F从xi，j中提取该标签i对应的特征代码si，j； 3.2.3将样本的特征e和提取的特征代码si，j一同输入转换器T； 3.2.4转换后的特征通过生成器G得到重构样本x″i，j； 3.2.5计算x″i，j与xi，j之间的重构损失； 3.3循环转换路径使用生成的特征代码和提取的特征代码进行循环一致性转换，确保它们都包含准确的标签细节；所述的循环转换路径包括如下步骤： 3.3.1随机采样一个目标属性 3.3.2使用映射器M根据生成对应的目标特征代码 3.3.3将xi，j的特征e和生成的特征代码输入转换器T，转换后的特征通过G生成自愈操作后的特征转换样本 3.3.4将的特征和提取的原始特征代码si，j输入转换器进行逆转换，得到循环重构样本x′″i，j； 3.3.5计算与xi，j的对抗损失，x″′i，j与xi，j之间的重构损失以及提取特征代码与生成特征代码之间的特征一致性损失； 3.4然后将三条路径计算的重构损失，对抗损失和特征一致性损失全部相加，即为模型的目标函数。

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。