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！

龙图腾网获悉合肥力拓云计算科技有限公司申请的专利一种焦炉闭环智能控制系统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：CN118599555B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202410860638.6，技术领域涉及：G06N3/08；该发明授权一种焦炉闭环智能控制系统是由盛成;王辉;徐姮设计研发完成，并于2024-06-28向国家知识产权局提交的专利申请。

本一种焦炉闭环智能控制系统在说明书摘要公布了：本发明涉及焦炉控制，具体涉及一种焦炉闭环智能控制系统，回炉煤气主管流量闭环控制单元，实时监测焦炉温度均匀性的变化，根据焦炉温度的波动情况，对焦炉耗热量进行反馈增减补偿，综合前馈调节主管流量、反馈调节主管流量和预测回炉煤气主管流量，实现对煤气流量的调节，同时根据实际煤气流量的变化情况，稳定调控回炉煤气主管阀后压力，以保证煤气流量的稳定性；烟道吸力闭环控制单元，结合焦炉耗热量和烟道吸力耦合优化调控模型，根据实际煤气流量和煤气主管压力自动匹配烟道吸力数值；本发明提供的技术方案能够有效克服现有技术所存在的无法对焦炉进行有效控制以提高燃烧效率、能量利用率的缺陷。

本发明授权一种焦炉闭环智能控制系统在权利要求书中公布了：1.一种焦炉闭环智能控制系统，其特征在于：包括回炉煤气主管流量闭环控制单元和烟道吸力闭环控制单元； 回炉煤气主管流量闭环控制单元，实时监测焦炉温度均匀性的变化，根据焦炉温度的波动情况，对焦炉耗热量进行反馈增减补偿，综合前馈调节主管流量、反馈调节主管流量和预测回炉煤气主管流量，实现对煤气流量的调节，同时根据实际煤气流量的变化情况，稳定调控回炉煤气主管阀后压力，以保证煤气流量的稳定性； 烟道吸力闭环控制单元，结合焦炉耗热量和烟道吸力耦合优化调控模型，根据实际煤气流量和煤气主管压力自动匹配烟道吸力数值，并综合考虑分烟道过剩系数的波动情况，根据空气系数的波动情况对烟道吸力数值进行反馈调节，同时基于回炉煤气主管流量闭环控制对烟道吸力数值进行前馈调节，以稳定分烟道过剩系数，并将烟道吸力数值下发至烟道吸力调节翻板控制机构，通过调节翻板机构使实际烟道吸力达到目标值； 所述烟道吸力闭环控制单元基于深度确定性策略梯度算法DDPG构建深度确定性策略网络Actor和Q值网络Critic来执行烟道吸力闭环控制任务，并通过构建第二奖励函数引导核心组件Agent学习到最优控制策略； 其中，核心组件Agent为系统与环境进行交互的实体，包括深度确定性策略网络Actor和Q值网络Critic； 深度确定性策略网络Actor涉及的状态包括实际煤气流量、煤气主管压力、焦炉耗热量、分烟道过剩系数和空气系数，深度确定性策略网络Actor涉及的动作包括输出用于控制烟道吸力调节翻板控制机构的调节烟道吸力的控制信号； Q值网络Critic涉及的状态包括实际煤气流量、煤气主管压力、焦炉耗热量、分烟道过剩系数、空气系数，以及该状态下采取的动作，Q值网络Critic涉及的动作包括通过评估状态与动作组合的优劣输出对应的Q值； 所述深度确定性策略梯度算法DDPG的过程，包括： S1、对Actor当前网络、Critic当前网络、Actor目标网络和Critic目标网络进行网络参数初始化，并清空经验回放集合D； S2、开始进行迭代，初始化S为当前状态序列中的第一个状态； S3、获取状态S的特征向量φS，并基于Actor当前网络得到状态S下采取的动作A＝πθφS+N； S4、执行动作A，得到状态S下采取动作A所获得的即时奖励R、新状态S’，以及是否终止状态is_end，并将数据组{φS,A,R,φS',is_end}存储至经验回放集合D； S5、对经验回放集合D进行采样，得到m个数据组样本{φSj,Aj,Rj,φS'j,is_endj}，j＝1,2,...,m，计算当前目标Q值yj： 其中，Rj为数据组样本中第j个数据组中的即时奖励，γ为衰减因子，Q'[φS'j,πθ'φS'j,w']为在状态S’j的特征向量φS'j、Actor目标网络对于状态S’j的特征向量φS'j的估计值πθ'φS'j，以及Critic目标网络的网络参数w’的条件下，由Critic目标网络得到的Q值； S6、对Critic当前网络的参数w进行更新； S7、对Actor当前网络的参数θ进行更新； S8、若Critic目标网络的参数更新频率C＝1，则对Critic目标网络的网络参数w’、Actor目标网络的网络参数θ'进行更新： w'←τw+1-τw'； θ'←τθ+1-τθ'； 其中，τ为软更新系数； S9、若新状态S’为终止状态，则当前轮迭代结束，否则将新状态S’作为状态S，并跳转至S3； 所述核心组件Agent在与环境进行交互的过程中，根据当前状态选择动作，观察环境的反馈，并将与环境交互的经验数据存储至经验回放缓冲区，从经验回放缓冲区中随机抽样来减少数据之间的相关性，采用离线学习的方式进行模型训练，不断优化深度确定性策略网络Actor和Q值网络Critic的网络参数，逐步学习到最优控制策略； 所述第二奖励函数的构建因素，包括： 综合考虑焦炉燃烧过程的稳定性、燃烧效率和能量损失，并对这些要素进行平衡； 针对烟道吸力波动的抑制，对烟道吸力波动较大的情况，即实际烟道吸力偏离目标值较多的情况进行惩罚，以引导核心组件Agent学习到更稳定的烟道吸力调节策略，提高系统运行的稳定性； 针对燃烧效率，对系统处于燃烧效率高的状态与动作组合给予奖励，以鼓励核心组件Agent学习到更有效的烟道吸力调节策略，提高系统的燃烧效率； 针对能量损失，对系统处于能量利用率高的状态与动作组合给予奖励，以鼓励核心组件Agent学习到更加节能的烟道吸力调节策略，降低系统的能量损失。

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合肥力拓云计算科技有限公司，其通讯地址为：230000 安徽省合肥市高新区望江西路900号中安创谷一期A2栋411、413、415室；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”。