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即时ARRG模型的预脱碳装置运行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：CN114997661B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202210650639.9，技术领域涉及：G06F18/2433；该发明授权一种基于即时ARRG模型的预脱碳装置运行异常检测方法是由陈杨;王瑾;童楚东设计研发完成，并于2022-04-30向国家知识产权局提交的专利申请。

本一种基于即时ARRG模型的预脱碳装置运行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即时ARRG模型的预脱碳装置运行异常检测方法，旨在利用预脱碳装置的在线采样数据实时建立自适应的AR模型生成误差，然后实时利用生成的误差来完成运行异常检测任务。具体来讲，本发明方法通过为各个采样时刻的块矩阵实时的建立即时ARRG模型，再利用相应的转换向量和AR系数向量计算出误差，从而通过误差的上下波动变化来实施预脱碳装置的运行异常检测。不同于传统方法依赖于固定的时序关系描述模型，本发明方法实时监控的误差是通过自适应的即时ARRG模型生成的，对各个采样时刻的样本数据具备针对性，能适应不同样本数据的不同变化特征，并总能自适应的生成合适的误差用于异常检测。

本发明授权一种基于即时ARRG模型的预脱碳装置运行异常检测方法在权利要求书中公布了：1.一种基于即时ARRG模型的预脱碳装置运行异常检测方法，其特征在于，具体包括以下所示步骤： 步骤1：从DCS历史数据库中，获取预脱碳装置运行在正常状态下的连续N个采样时刻的样本数据x1,x2,…,xN，从而组成训练数据矩阵X＝[x1,x2,…,xN]后，再对训练数据矩阵X∈Rm×N中各行的行向量分别实施标准化处理，得到参考数据矩阵其中，Rm×N表示m×N维的实数矩阵，R表示实数集； 步骤2：利用公式组建时序块矩阵其中，时序阶数D的取值是介于2和6之间的整数，n＝N-D，下标号i∈{1,2,…,n}，上标号T表示矩阵或向量的转置，表示第i个时序块矩阵，RD+1×m表示D+1×m维的实数矩阵，表示中第D+i列的列向量，表示中第D+i-1列的列向量，表示中第i列的列向量； 步骤3：分别将时序块矩阵依次当成即时块矩阵并分别建立即时ARRG模型，从而得到相应的误差e1,e2,…,en，具体的实施过程如步骤3.1至步骤3.3所示：步骤3.1：初始化i＝1后，再设置即时块矩阵 步骤3.2：利用即时块矩阵建立相应的即时ARRG模型，从而得到相应的转换向量wt∈Rm×1和AR系数向量βt∈R1×D+1； 步骤3.3：根据公式计算得到误差ei后，判断i是否小于n；若是，则设置i＝i+1后，再设置并返回步骤3.2；若否，则得到e1,e2,…,en； 步骤4：计算e1,e2,…,en的平均值μe和标准差δe后，再计算控制上限C上＝μe+3.5δe和控制下限C下＝μe-3.5δe； 步骤5：利用DCS获取预脱碳装置在最新采样时刻t时的样本数据zt∈Rm×1后，再对xt中各行的数据实施与步骤1中相同的标准化处理，得到数据向量 步骤6：将及其前D个采样时刻的数据向量组成即时块矩阵后，建立相应的即时ARRG模型，从而得到相应的转换向量wt和AR系数向量βt； 步骤7：根据公式计算出最新采样时刻的误差et后，判断是否满足条件C下≤et≤C上；若是，则预脱碳装置正常运行，返回步骤5继续利用最新采样时刻的样本数据实施异常检测；若否，则执行步骤8决策是否触发异常警报； 步骤8：返回步骤5继续利用最新采样时刻的样本数据实施异常检测，若连续ξ个采样时刻的误差都不满足条件C下≤et≤C上，则触发异常警报；反之，则预脱碳装置正常运行，返回步骤5继续利用最新采样时刻的样本数据实施异常检测；其中，ξ等于触发异常警报要求的最短时间除以采样间隔时间的商。

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。