Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 合肥力拓云计算科技有限公司盛成获国家专利权

合肥力拓云计算科技有限公司盛成获国家专利权

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结合生产动态数据的焦炭质量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:CN118822357B

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:202410860758.6,技术领域涉及:G06Q10/0639;该发明授权一种结合生产动态数据的焦炭质量预测方法是由盛成;王辉;徐姮;陈伟设计研发完成,并于2024-06-28向国家知识产权局提交的专利申请。

一种结合生产动态数据的焦炭质量预测方法在说明书摘要公布了:本发明涉及焦炭质量预测,具体涉及一种结合生产动态数据的焦炭质量预测方法,构建深度神经网络DNN模型,利用深度神经网络DNN模型基于配煤数据对焦炭质量进行预测,以实现煤到焦炭的质量预测;基于深度Q网络DQN构建动态数据预测模型,同时构建静态数据预测模型,在初始阶段,利用静态数据预测模型采用KNN算法基于静态数据进行预测,得到静态预测结果;随着时间推移和生产动态数据的积累,引入更多的生产动态数据利用动态数据预测模型进行预测,得到动态预测结果,以实现焦炉生产过程的实时质量预测;本发明提供的技术方案能够有效克服现有技术所存在的不能准确预测焦炭质量的缺陷。

本发明授权一种结合生产动态数据的焦炭质量预测方法在权利要求书中公布了:1.一种结合生产动态数据的焦炭质量预测方法,其特征在于:构建深度神经网络DNN模型,利用深度神经网络DNN模型基于配煤数据对焦炭质量进行预测,以实现煤到焦炭的质量预测; 基于深度Q网络DQN构建动态数据预测模型,同时构建静态数据预测模型,在初始阶段,利用静态数据预测模型采用KNN算法基于静态数据进行预测,得到静态预测结果;随着时间推移和生产动态数据的积累,引入更多的生产动态数据利用动态数据预测模型进行预测,得到动态预测结果,以实现焦炉生产过程的实时质量预测; 所述基于深度Q网络DQN构建动态数据预测模型,包括: 将焦炉生产过程建模成一个马尔可夫决策过程MDP,定义状态空间、动作空间和奖励函数,并通过奖励函数引导深度Q网络DQN学习最优预测策略; 其中,状态空间包含静态数据和生产动态数据,静态数据包括各煤种的灰分Ad值和硫分St.d值;生产动态数据包括焦炉的炉温、装焦时间、结焦时间、推焦计划、生产检修,以及干熄炉的生产数据,干熄炉的生产数据包括料位、蒸汽指标、排焦负荷、排焦温度和蒸汽换热效率; 动作空间包含动态预测结果和决策建议; 所述深度Q网络DQN通过模型训练学习状态与动作之间的映射关系,将状态作为输入,利用Q值函数输出该状态下采取每个可能动作所能获得的累积奖励的期望值,即Q值; 所述深度Q网络DQN包括两个目标网络,其中一个目标网络为用于选择动作的行为网络,另一个目标网络为用于计算目标Q值的目标Q值网络,所述目标Q值网络的网络参数每隔一段时间从行为网络中复制过来; 所述深度Q网络DQN在模型训练过程中实施经验回放机制,将与环境交互的经验数据存储至经验回放缓冲区,并从经验回放缓冲区中随机抽样来进行模型训练,以减少数据之间的相关性,同时深度Q网络DQN利用与环境之间的交互持续更新网络参数,逐步学习到最优预测策略。

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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。