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！

龙图腾网获悉北京大学申请的专利基于子空间辨识的大规模工业过程分布式故障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：CN117075560B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202311127498.3，技术领域涉及：G05B19/418；该发明授权基于子空间辨识的大规模工业过程分布式故障检测方法是由杨莹;丁舒昱设计研发完成，并于2023-09-04向国家知识产权局提交的专利申请。

本基于子空间辨识的大规模工业过程分布式故障检测方法在说明书摘要公布了：本发明公布了一种基于子空间辨识的大规模工业过程分布式故障检测方法，大规模系统包括的每个子系统上建立故障检测单元；利用当地和邻居工业子系统的过程数据直接辨识出当地残差产生器，并估计出健康状态下的残差协方差矩阵，对邻居工业子系统的执行器故障解耦，实现对当地工业子系统故障和邻居工业子系统传感器故障的检测。采用本发明的技术方案，在每个工业子系统中，只需利用当地和邻居的数据就可构造工业过程故障检测单元，实现当地和邻居工业子系统的高性能故障检测，检测率高、误报率和漏报率低，减轻了计算和数据传输压力，适用于动态工业过程。

本发明授权基于子空间辨识的大规模工业过程分布式故障检测方法在权利要求书中公布了：1.一种基于子空间辨识的大规模工业过程分布式故障检测方法，其特征是，大规模系统包括多个子系统，在每个子系统上建立故障检测单元；利用当地和邻居工业子系统的过程数据直接辨识出当地残差产生器，并估计出健康状态下的残差协方差矩阵，对邻居工业子系统的执行器故障解耦，实现对当地工业子系统故障和邻居工业子系统传感器故障的检测；包括如下步骤： 1采集当地子系统和邻居子系统的过程数据，构造大规模工业过程当地子系统的输入输出模型，建立当地故障检测单元； 针对当地输入，当地输出和邻居输出，定义对应维度的Hankel数据矩阵，表示为： 式1 其中，变量取当地输入，当地输出和邻居输出，得到对应的Hankel矩阵：，；k为时间参数，N和s为维度参数，可以取任意正整数，其中N为Hankel矩阵的列数即横向维数，s为的行数即纵向维数； 下三角卷积矩阵定义为： 式2 其中，为相应维数的矩阵； 设第i个子系统有个邻居子系统，第i个子系统的状态空间表达为： 式3 其中，表示状态空间模型的控制输入信号；，均包含个子块，对应个邻居子系统，表示邻居子系统集合；为当地子系统i的状态、输入、输出和测量噪声信号，为未知的定常的系统矩阵，表示邻居系统j作用在当地子系统i动力学上的耦合系统矩阵；i、j为序号；是当地子系统i的输出信号的维数，是当地子系统i的状态量的维数；是子系统i的输入信号的维数； 当地子系统i的输入信号包括已知的控制输入和未知输入信号；未知输入信号由邻居的状态变量堆叠而成；未知输入信号分解成两部分，一部分由已知的邻居系统的堆叠输出信号构成，另一部分为完全未知的信号；分解后的未知输入表示为： 式4 其中未知参数矩阵为2个块对角矩阵且非奇异； 将式4代入式3得到当地子系统i状态空间模型的另一表达： 式5 其中，，为所有邻居子系统的测量噪声堆叠而成的信号； 将子系统i相应的输入输出模型表示为： 式6 其中，卷积矩阵，观测矩阵，状态变量数据矩阵；，分别为当地子系统i的输出信号，邻居子系统的堆叠输出信号，邻居子系统的堆叠测量噪声，当地子系统i完全未知的输入信号，当地子系统i的控制输入和当地子系统i的测量噪声信号对应的Hankel数据矩阵；2辨识得到大规模工业过程当地残差产生器，用来检测当地子系统有无发生故障； 当地残差产生器用于检测当地的执行器故障和当地与邻居的传感器故障，并可对邻居的执行器故障解耦；包括： 构造当前数据矩阵和历史数据矩阵： 式7 其中，当前数据矩阵包括当地子系统的控制输入Hankel数据矩阵、输出信号Hankel数据矩阵和邻居子系统输出信号Hankel数据矩阵； 对当前数据矩阵和历史数据矩阵的乘积进行奇异值分解，进而辨识出当地残差产生器，表示为： 式8 其中，奇异值矩阵，对应的奇异向量矩阵为，记为奇异值矩阵，其包含的奇异值远远大于中包含的奇异值；对应的奇异向量矩阵； 当地残差产生器表示为： 式9 其中，为当地子系统i对应的故障检测单元产生的残差信号，对未知的当地系统i的状态变量和完全未知输入信号解耦；，其中共同构成了式8中的奇异向量，即；在线监测采集的数据分别为Hankel矩阵的第一列，即[k-s,k]时间区间的数据；当地残差产生器可实现大规模工业过程中的执行器故障和传感器故障的定位； 3估计大规模工业过程当地子系统的健康状态残差协方差矩阵，设计检测统计量；设置相应的检测阈值；当地故障检测单元进行故障检测包括： 求得健康状态残差协方差矩阵，表示为： 式13 其中，； 进而构造用于检测的统计量： 式14 当地残差向量为完全未知输入信号的维数，相应的检测阈值设置为： 式15 其中，为显著性水平为的卡方分布，为给定的显著性水平；是邻居子系统j的状态量的维数，是邻居子系统j的输出信号的维数； 当地故障检测单元的检测方法为：在线监测过程中每个故障检测单元实时计算检测统计量，当超出阈值时故障检测单元报警，即发生故障；当低于阈值时，则无故障发生； 通过上述步骤，实现基于子空间辨识的大规模工业过程分布式故障检测。

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北京大学，其通讯地址为：100871 北京市海淀区颐和园路5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。