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！

龙图腾网获悉东华大学申请的专利一种聚酯纤维酯化过程的低聚物密度预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：CN116434884B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202310258248.7，技术领域涉及：G16C60/00；该发明授权一种聚酯纤维酯化过程的低聚物密度预测方法是由陈磊;王恒骞;郝矿荣设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本一种聚酯纤维酯化过程的低聚物密度预测方法在说明书摘要公布了：本发明涉及一种聚酯纤维酯化过程的低聚物密度预测方法，首先采集过程变量酯化釜出口温度、酯化分离水流量、预缩聚过程液位、酯化釜液位和酯化釜温度和质量变量低聚物密度传感器数据，针对因传感器故障与采样率不同而导致的过程变量和质量变量数据缺失问题，通过数据填补模型得到缺失数据的分布填补样本，利用过采样策略得到其对应的多个数据填补样本，通过自训练方法提高完整样本的数量和质量，进而获得相对较完备数据集，最后针对测试样本的不同数据填补样本分别建立不同指标预测模型并将各预测模型输出的平均值作为最终结果。本发明的方法可以同时处理过程变量和质量变量的数据缺失问题，克服了现有技术对高完整样本依赖的缺点。

本发明授权一种聚酯纤维酯化过程的低聚物密度预测方法在权利要求书中公布了：1.一种聚酯纤维酯化过程的低聚物密度预测方法，其特征在于包括如下步骤： 1将采集的过程变量和质量变量传感器数据作为样本数据集，将样本数据集划分为训练数据集和验证数据集； 2利用训练数据集中的完整样本训练数据填补模型，再将训练数据集中带有缺失值的样本输入至训练好的数据填补模型中进行填补，得到缺失数据的分布填补样本； 3将缺失数据的分布填补样本按照质量变量分布的方差进行排序，选择方差较小的指定比例的分布填补样本，采用过采样策略从这些分布填补样本的分布中采样从而得到缺失数据的数据填补样本，视为新的完整样本； 4基于自训练方法循环迭代，得到根据填补样本扩充后的相对较完备数据集和经该相对较完备数据集训练过的数据填补模型； 5实时采集过程变量数据，并输入至利用训练数据集中的完整样本训练好的数据填补模型进行填补，得到缺失数据的分布填补样本，再采用过采样策略从该分布填补样本的分布中采样得到缺失数据的多个数据填补样本，从而扩充得到多个完整样本； 6基于KL散度计算步骤5得到的多个完整样本中的每一个样本与所述相对较完备数据集中所有样本之间的相似度，针对多个完整样本中的任一个样本X，从所述相对较完备数据集中选择与该样本之间相似度较大的指定数量的样本，以选出的样本中的过程变量作为输入、质量变量作为输出，训练得到一个指标预测模型，并采用训练好的指标预测模型对样本X进行预测，得到样本X的预测结果； 对于两个正态分布和它们之间的KL散度定义如下： 其中，μ1、μ2、分别为两个正态分布对应的均值和方差，J表示正态分布中样本的数量； 7将多个完整样本中的每一个样本的预测结果取平均，即为预测得到的质量变量数据； 过程变量为酯化釜出口温度、酯化分离水流量、预缩聚过程液位、酯化釜液位和酯化釜温度，质量变量为酯化过程的低聚物密度； 数据填补模型为带有不确定性的变分自编码器模型，是将变分自编码器模型的输出由数据点替代为数据分布的形式；指标预测模型为高斯过程回归模型； 带有不确定性的变分自编码器模型的变分下界描述如下： 其中，为带有不确定性的变分自编码器模型的变分下界，和pθx|z分别表示带有不确定性的变分自编码器模型的编码器和解码器，和θ分别表示它们对应的参数，z表示带有不确定性的变分自编码器模型的隐变量，μz和σz则分别表示z的均值和标准差。

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东华大学，其通讯地址为：201620 上海市松江区人民北路2999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。