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！

龙图腾网获悉中南大学申请的专利一种智能优化强化学习算法的浮选过程自动控制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：CN119926674B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510248562.6，技术领域涉及：B03D1/02；该发明授权一种智能优化强化学习算法的浮选过程自动控制方法是由张国范;石晴;王思远设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种智能优化强化学习算法的浮选过程自动控制方法在说明书摘要公布了：本发明涉及一种智能优化强化学习算法的浮选过程自动控制方法。本发明针对在矿物浮选作业过程中，需要对浮选药剂制度进行精密的把控，如调整捕收剂、抑制剂以及起泡剂等药剂用量，或者矿浆酸碱度、浮选温度、药剂反应时间等过程反应参数，从而使浮选指标达到最佳，实现矿产资源最大化利用。浮选药剂添加的主要设备是变频泵，通过PID调整的药剂量，同时通过传感器采集浮选槽的过程指标数据，利用改进FPA强化学习优化整个控制算法，将浮选过程指标数据参数作为强化学习智能体的环境状态观测值，同时按照符合浮选要求的条件进行设计环境的奖励，经过反复环境交互训练智能体。最后运行时智能体不断实时给出最佳的浮选槽执行器的动作值参数，实现矿物浮选的无人强化学习优化控制。

本发明授权一种智能优化强化学习算法的浮选过程自动控制方法在权利要求书中公布了：1.一种智能优化强化学习算法的浮选过程自动控制方法，其特征在于：在铅锌金属矿产资源加工领域的矿物浮选作业过程中，通过精准控制浮选药剂投加量以及矿浆酸碱度、浮选温度、药剂反应时间过程参数，使浮选指标达到最佳状态，实现矿产资源的最大化利用，具体实现内容如下： A、前期分析与技术引入：首先深入分析浮选过程的特点与控制难点，然后将深度强化学习技术应用于浮选过程控制； B、算法选择与架构确定：在浮选系统过程控制中采用PID控制策略，选用策略规则和执行评价的混合类强化学习PPO方法，鉴于浮选过程控制系统强耦合、复杂非线性以及时变参数的特性，选取适合输出连续动作空间的Actor-Critic（AC）网络架构； C、算法改进与参数寻优：运用多种智能优化算法对深度强化学习PPO算法进行改进，通过该优化后的算法对PID控制参数进行自动寻优，以此改进浮选过程的控制效果，提升自动化水平和控制精度； 所述的算法选择具体为，在对应的浮选系统过程控制中，采用了PID控制策略，通过对拟合环境给出奖励的评价策略网络，与对智能体动作策略规则网络进行不断的训练迭代优化，选用策略规则和执行评价的混合类强化学习PPO方法； 所述的算法选择具体为，针对浮选过程控制系统，其强耦合、复杂非线性以及时变参数特性构成了显著的操作控制难点，选取适合输出连续动作空间的强化学习策略，即Actor-Critic（AC）网络架构； 将PPO算法应用于自适应调整PID参数的浮选过程控制系统框架，PPO算法作为PID控制的参数调整机构，获取浮选控制过程的环境状态信息，动作信息就是动作策略的输出a为三维特征向量数组，其中分别为PID三个参数组成的kp、ki、kd，动作空间为： A={k p ，k i ，k d }； 然后不断与浮选控制过程的环境进行交互，数据收集和网络参数更新，实现PPOagent的学习训练，持续优化PPO的策略网络和评价网络，直到预设的训练轮数或者奖励阈值，训练完成之后的PPO-PID算法模型将为浮选优化控制提供最佳调整参数； 采用强化学习建立的优化控制的自主无人系统整个算法模型框架，利用各种传感器采集得到环境的感知数据，输入构建的强化学习智能体中，通过不断的动作策略进行决策控制，和价值函数网络计算回报，从而迭代更新训练强化学习的参数实现学习控制策略取得最高回报，最后使用训练好的智能体在与环境交互中实现智能实时控制。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。