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！

龙图腾网获悉中国矿业大学申请的专利基于分布式动态贝叶斯网络的煤泥浮选安全运行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：CN116899758B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310736093.3，技术领域涉及：B03D1/02；该发明授权基于分布式动态贝叶斯网络的煤泥浮选安全运行控制方法是由褚菲;王建文;毛腾;赵建宇;许晨峰;冯浩彬设计研发完成，并于2023-06-21向国家知识产权局提交的专利申请。

本基于分布式动态贝叶斯网络的煤泥浮选安全运行控制方法在说明书摘要公布了：一种基于分布式动态贝叶斯网络的煤泥浮选安全运行控制方法，将煤泥浮选过程进行分块，并确定全局质量指标；确定每个模块与全局质量指标相关的变量；确定全局网络中变量的状态以及局部网络中变量的状态：建立全局贝叶斯网络和局部贝叶斯网络；将全局贝叶斯网络转化为全局动态贝叶斯网络；判断局部贝叶斯网络中是否存在回环结构，有回环结构则进行最弱因果关系的确定；对局部动态贝叶斯网络和全局动态贝叶斯网络进行参数学习；完成分布式动态贝叶斯网络模型的建立；利用在线的异常数据进行控制决策的推理；推理出控制决策并实施；判断异常工况是否移除，未移除继续调整。该方法可有效确保产品质量的达标，同时，有利于确保生产设备的使用寿命。

本发明授权基于分布式动态贝叶斯网络的煤泥浮选安全运行控制方法在权利要求书中公布了：1.一种基于分布式动态贝叶斯网络的煤泥浮选安全运行控制方法，其特征在于，包括如下步骤： 步骤一：将煤泥浮选过程进行分块，分为原煤处理模块、重介质选煤模块和浓缩浮选模块，并确定煤泥灰分为全局质量指标； 步骤二：确定每个模块与全局质量指标相关的变量； 确定出原煤处理模块与全局质量指标相关的变量为原煤仓入煤量、双层筛出料流量、单层筛出料流量和浮选槽溢流灰分； 确定出重介质选煤模块与全局质量指标相关的变量为混合介质桶入煤流量、混合介质桶矿浆密度、旋流器介质密度、旋流器入介压力、旋流器溢流灰分、合格介质桶密度调节、合格介质桶介质密度和浮选槽溢流灰分； 确定出浓缩浮选模块与全局质量指标相关的变量为浓缩机底流流量、浓缩机介质密度、矿浆预处理器介质密度、浮选槽搅拌速度和浮选槽溢流灰分； 步骤三：确定全局网络中变量的状态以及局部网络中变量的状态： S31:确定出全局网络中变量主要为特征变量和质量变量，且质量变量状态主要为正常和异常两种状态； S32:确定出局部网络中变量主要为过程变量和质量变量，且过程变量状态主要为正常、异常值偏低和异常值偏高三种状态； 步骤四：建立全局贝叶斯网络和局部贝叶斯网络； 根据原煤处理模块、重介质选煤模块和浓缩浮选模块与全局质量指标之间的关系建立全局贝叶斯网络； 根据原煤处理模块、重介质选煤模块和浓缩浮选模块之间的关系建立三个模块之间的局部贝叶斯网络； 根据原煤仓入煤量、双层筛出料流量、单层筛出料流量和浮选槽溢流灰之间的关系建立原煤处理模块的局部贝叶斯网络； 根据混合介质桶入煤流量、混合介质桶矿浆密度、旋流器介质密度、旋流器入介压力、旋流器溢流灰分、合格介质桶密度调节、合格介质桶介质密度和浮选槽溢流灰分之间的关系建立重介质选煤模块的局部贝叶斯网络； 根据浓缩机底流流量、浓缩机介质密度、矿浆预处理器介质密度、浮选槽搅拌速度和浮选槽溢流灰分之间的关系建立浓缩浮选模块的局部贝叶斯网络； 步骤五：根据原煤处理模块中特征变量、重介质选煤模块中特征变量和浓缩浮选模块中特征变量之间的相关性将全局贝叶斯网络转化为全局动态贝叶斯网络； 步骤六：判断局部贝叶斯网络中是否存在回环结构，有回环结构则进入步骤七，否则进入步骤八； 步骤七：通过公式1利用传递熵确定局部回环贝叶斯网络的最弱因果关系，并将最弱关系中的父节点置于前一时间片，子节点位于当前时间片，以将这种因果关系转化为局部动态贝叶斯网络； 式中，TXi+1|Xi,paGX是变量X到变量paGX的传递熵，X和paGX表示为有向边连接的子节点和父节点,paGX是变量X的父节点，xi和paGXj表示X和paGX在第i和j的数据批次，xi+1表示X在未来下一个批次数据； 步骤八：通过公式2利用所收集的煤泥浮选过程数据分别对局部动态贝叶斯网络和全局动态贝叶斯网络进行参数学习，并通过公式3获得参数的最大似然估计值； θ*＝argmaxθLθ|D2； 式中，θ代表给定参数，样本数据集D包含M个样本D＝{D1,D2,...,DM},其中Dm＝{dm1,dm2,...,dmn}m＝1,2,...,M，θ*为利用最大似然估计后的参数；Lθ|D代表θ的似然函数，其采用其对数形式来表示，mijk表示样本数据D中满足Xi＝k和paXi＝j的样本数量；为最大似然估计值； 步骤九：完成分布式动态贝叶斯网络模型的建立； 步骤十：先利用布置在煤泥浮选工业系统中的传感器组在线采集煤泥浮选过程的数据，再将采集到的数据进行数据预处理，然后将在线异常数据离散化后作为证据信息输入到分布式动态贝叶斯网络中进行控制决策的推理； 步骤十一：先将质量指标异常作为证据信息输入到全局网络中，推理得到原煤处理模块的异常概率、重介质选煤模块的异常概率和浓缩浮选模块的异常概率，再根据异常概率确定出发生异常的模块，并得到对模块的调整决策；将正常的质量指标和部分过程变量的状态作为证据信息输入到局部网络中，推理出对变量的调整决策； 步骤十二：在煤泥浮选控制系统中实施所获得的调整决策，并判断异常工况是否移除，若移除则进入正常工况运行状态，若未移除则选择全局网络推理时第二大异常概率的模块进行调整，并在煤泥浮选控制系统中实施调整后的决策； 步骤十三：判断异常工况是否移除，若移除则进入正常工况运行状态，若未移除则按照步骤十二的方式继续进行调整，直至异常工况移除； 步骤十四：设置更新时间，利用公式4根据更新时间对分布式动态贝叶斯网络进行参数更新，确保模型的可靠性； 式中，为历史数据中变量Xi为状态k同时其父节点在状态j的样本个数，为新数据中变量Xi为状态k同时其父节点在状态j的样本个数； 步骤十五：在煤泥浮选控制系统中循环执行步骤十至步骤十四，对实际煤泥浮选生产过程进行控制。

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国矿业大学，其通讯地址为：221116 江苏省徐州市大学路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。