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滑动窗口时序判别特征分析的青霉素生产异常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：CN116070818B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202210650637.X，技术领域涉及：G06Q10/063；该发明授权一种基于滑动窗口时序判别特征分析的青霉素生产异常检测方法是由陈勇旗;王瑾;陈杨设计研发完成，并于2022-04-30向国家知识产权局提交的专利申请。

本一种基于滑动窗口时序判别特征分析的青霉素生产异常检测方法在说明书摘要公布了：本发明公开了一种基于滑动窗口时序判别特征分析的青霉素生产异常检测方法，从有利于异常检测的角度出发，针对性的从青霉素生产的样本数据中提取出时序判别特征，直接用于青霉素生产异常的实时监测。具体来讲，本发明方法通过滑动窗口实时获取青霉素新生产批次的多个样本数据，并针对性的为这多个数据向量实施相应的时序判别特征分析得到相应的在线判别特征。与此同时，利用实时得到的一组左右转换向量对正常生产批次下的参考窗口矩阵实施同样的转换，并将参考判别特征变化的最大值和最小值用作于在线判别特征的上限和下限，从而可实施青霉素生产的异常检测。与传统方法相比，本发明方法实时提取的判别特征更有利于实施青霉素生产的异常检测。

本发明授权一种基于滑动窗口时序判别特征分析的青霉素生产异常检测方法在权利要求书中公布了：1.一种基于滑动窗口时序判别特征分析的青霉素生产异常检测方法，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后，再设置滑动窗口的长度等于L；其中，第j个青霉素正常生产批次对应的批次矩阵Xj∈RN×13具体由N个1×13维的数据向量组成，j∈{1,2,…,J}，RN×13表示N×13维的实数矩阵，R表示实数集； 步骤2：获取青霉素生产最新批次各个采样时刻的样本数据，并将每个采样时刻的13个样本数据组建成一个1×13维的数据向量，当获取到L个采样时刻的数据向量x1,x2,…,xL时，再设置k＝1并执行步骤3； 步骤3：分别将批次矩阵X1,X2,…,XJ中第k行至第k+L-1行的行向量对应组成训练窗口矩阵后，再计算J个训练窗口矩阵的平均值矩阵U∈RL×13和标准差矩阵Φ∈RL×13；其中，第j个训练窗口矩阵具体是由第j个批次矩阵Xj中第k行至第k+L-1行的行向量组成，U中第a行第b列元素等于中第a行第b列元素的平均值，a∈{1,2,…,L}，b∈{1,2,…,13}，Φ中第a行第b列元素等于中第a行第b列元素的标准差； 步骤4：设置滑动窗口矩阵Xt∈RL×13中第1行至第L行的行向量分别等于x1,x2,…,xL后，再利用公式对Xt实施标准化处理从而得到在线窗口矩阵并使用公式对训练窗口矩阵实施标准化处理得到参考窗口矩阵其中，j∈{1,2,…,J}，表示第j个参考窗口矩阵，符号表示将矩阵中相同位置的元素相除； 步骤5：为在线窗口矩阵实施时序判别特征分析，得到相应的左转换向量βt∈RL×1和右转换向量wt∈R13×1后，再计算在线判别特征 步骤6：判断是否满足条件若是，则青霉素最新批次的生产运行正常，再执行步骤7；若否，则青霉素最新批次的生产运行异常，停止该批次的青霉素生产；其中，C上和C下分别表示在线判别特征变化的最大值C上和最小值C下； 步骤7：判断该批次的青霉素生产是否结束；若否，则获取下一个采样时刻的13个样本数据，并将其组建成一个1×13维的数据向量xnew后，再执行步骤8；若是，则该批次的青霉素生产运行正常，将该批次的N个采样时刻的数据向量组成批次矩阵XJ+1∈RN×13，清理完青霉素生产设备后，再执行步骤9； 步骤8：设置k＝k+1后，依次设置数据向量x1,x2,…,xL-1,xL分别等于x2,x3,…,xL,xnew后，再返回步骤3； 步骤9：设置J＝J+1后，开始下一个批次的青霉素生产并返回步骤2； 其特征在于，所述步骤5中实施时序判别特征分析的过程如步骤5.1至步骤5.4所示： 步骤5.1：初始化右转换向量wt为任意一个13×1维的实数向量； 步骤5.2：根据公式计算出矩阵Gw后，再求解特征值问题Gw＝λwgw中最大特征值λw所对应的特征向量gw后，再根据公式βt＝gw||gw||计算得到左转换向量βt；其中，表示计算gw的长度； 步骤5.3：根据公式计算出矩阵Gβ后，再求解特征值问题Gβ＝λβgβ中最大特征值λβ对应的特征向量gβ后，再根据公式wt＝gβ||gβ||计算得到右转换向量wt； 步骤5.4：判断wt是否收敛；若否，则返回步骤5.2；若是，则得到最终的左转换向量βt∈RL×1和右转换向量wt∈R13×1后，根据公式计算在线判别特征所述步骤6中C上和C下的确定方式是：依次分别设置j等于1,2,…,J，并根据公式计算得到参考判别特征后，再将中的最大值和最小值分别记录为C上和C下。

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”。

以上内容由龙图腾AI智能生成。