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！

龙图腾网获悉山东泰和科技股份有限公司申请的专利一种面向多采样率数据的多时间尺度动态软测量建模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：CN121211990B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202511767945.0，技术领域涉及：G06F30/27；该发明授权一种面向多采样率数据的多时间尺度动态软测量建模方法是由吕玉婷;程终发;华艳飞;王鹏飞设计研发完成，并于2025-11-28向国家知识产权局提交的专利申请。

本一种面向多采样率数据的多时间尺度动态软测量建模方法在说明书摘要公布了：本发明涉及一种面向多采样率数据的多时间尺度动态软测量建模方法，在训练阶段，首先按照采样率由高到低顺序将原始数据划分为对应不同时间尺度的数据块；在无标签的数据块间逐步进行多采样率动态迁移变分自编码器MDTVAE模型的无监督训练和迁移；在MDTVAE模型中增加回归模块，利用有标签数据块以有监督训练的方式进行训练；测试阶段利用该模型预测质量变量，并通过量化指标对预测精度进行系统性评估。本发明能够有效捕捉各数据块在特定时间尺度下的动态特征，提高模型对多尺度动态性的学习能力，在不同时间尺度数据块的训练中共享和迁移已学到的时序知识，在质量变量的预测中表现出更强的鲁棒性和精确性。

本发明授权一种面向多采样率数据的多时间尺度动态软测量建模方法在权利要求书中公布了：1.一种面向多采样率数据的多时间尺度动态软测量建模方法，其特征在于包括如下步骤： 1从工业现场采集过程变量和质量变量，构建原始数据集，并通过标准化处理消除量纲差异，应用到合成氨过程的预脱碳单元，目标是对脱碳后气体中的残留CO2浓度进行实时预测； 2按照采样率由高到低的顺序将原始数据划分为不同时间尺度的数据块，具体过程为：假设过程变量包含K种采样率，分别为,,…,,采样频率为的变量数目为，以此类推，采样频率为的变量数目为；质量变量包含1种采样率，其中，第一个数据块为，由采样时间为整数倍的样本中前个过程变量构成；第二个数据块为，由采样时间为整数倍的样本中前个过程变量构成；以此类推，第K个数据块为，由采样时间为整数倍的样本中前个过程变量构成，另外，包含质量变量的数据块为； 3构建多采样率动态迁移变分自编码器MDTVAE模型，MDTVAE模型采用监督式变分自编码器框架，包含三个关键组件：编码器、解码器和回归模块，为有效捕捉工业过程数据的时序动态特性，编码器和解码器均由自注意力模块构成，在MDTVAE模型训练前，设置其超参数，包括网络结构参数、优化参数、自注意力机制参数，网络结构参数包括层数和隐层维度，优化参数包括学习率和训练轮次，自注意力机制参数包括头数、键维度和值维度，同时随机初始化模型中所有权重和偏置，并选择相应的激活函数；完成超参数设置和参数初始化； 4利用第一个数据块优化MDTVAE模型参数； 5将步骤4训练得到的模型参数迁移给第二个数据块，并利用第二个数据块进行模型训练，以此类推，直到完成所有数据块间的迁移学习，具体过程为： 将利用训练的模型表示为MDTVAE1，并将其参数传递给MDTVAE2作为初始化参数，随后利用第二个数据块进行模型训练，按照相同的方式依次在不同的无标签数据块间进行迁移，直到得到MDTVAEK，通过上述数据块间的迁移学习方式，模型捕捉和理解多时间尺度的动态性，从而提升其对复杂时序数据的建模能力； 然后，将MDTVAEK的模型参数传递给MDTVAEK+1，利用第K+1个有标签数据块进行有监督训练，相比前K个MDTVAE模型，MDTVAEK+1的解码器中，最后一层隐层连接了回归模块，用于质量变量预测，假设是数据块中某个时间序列，为其对应的质量变量，在这一阶段，编码器表示为，包含回归器的解码器表示为，损失函数为： ； 6在线采集测试数据，经标准化处理后筛选过程变量全采样的样本，利用步骤5得到的MDTVAE模型实现质量变量预测，并通过性能指标量化评估预测效果。

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山东泰和科技股份有限公司，其通讯地址为：277100 山东省枣庄市市中区十里泉东路1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。