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集成学习与分布式混合贝叶斯网络的煤泥浮选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：CN119926677B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202510020035.X，技术领域涉及：B03D1/14；该发明授权基于集成学习与分布式混合贝叶斯网络的煤泥浮选控制方法是由褚菲;王建文;熊潮;曾国强;毛腾;邹度宇;彭晨设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本基于集成学习与分布式混合贝叶斯网络的煤泥浮选控制方法在说明书摘要公布了：一种基于集成学习与分布式混合贝叶斯网络的煤泥浮选控制方法，步骤一：基于集成学习的分布式混合贝叶斯网络离线建模；S11：划分煤泥浮选过程，并确定贝叶斯网络节点；S12：确定N个相应的混合贝叶斯网络结构；S13：利用最大似然估计法确定N个混合贝叶斯网络的参数；S14：完成基于集成学习的分布式混合贝叶斯网络建模；步骤二：进行煤泥浮选过程在线安全运行的控制；S21：基于当前工况数据信息判断是否发生异常工况，并利用N个混合贝叶斯网络控制模型分别制定安全控制决策；S22：集成N个决策结果，制定当前工况的最终安全控制策略；S23：在异常工况未消除时，重新执行S21。该方法能制定出更加合理可靠的安全控制决策。

本发明授权基于集成学习与分布式混合贝叶斯网络的煤泥浮选控制方法在权利要求书中公布了：1.一种基于集成学习与分布式混合贝叶斯网络的煤泥浮选控制方法，包括煤泥浮选工业系统，所述煤泥浮选工业系统包括主分级筛、次分级筛、输送机、混料桶、压力泵、重介质旋流器、脱介筛一、脱介筛二、合格介质桶、循环泵、煤泥桶、弧形筛、浓缩机、矿浆预处理器、浮选槽和控制器； 所述主分级筛用于通过筛分的方式将原煤分离为粗煤和精煤；所述次分级筛的进料口与主分级筛的顶部出料口连接，用于通过筛分的方式去除煤粉中的煤泥杂质；所述输送机的进料端与次分级筛的顶部出料口连接，用于将筛选出的煤粉输出至混料桶的进料口；所述混料桶的进料口与输送机的出料口连接，用于将精煤与重介质悬浮液进行混合形成混合料；所述压力泵的进口端通过管路与混料桶的出料口连接，用于将混合料输出至重介质旋流器；所述重介质旋流器的进料口与压力泵的出口端连接，用于利用物料的密度差异，将低密度物料和高密度物料进行分离得到溢流和底流的产品；所述脱介筛一的进料口与重介质旋流器的高密度出料口连接，用于对高密度物料进行脱水脱介作业，其高密度出料口排出矸石；所述脱介筛二的进料口与重介质旋流器的低密度出料口连接，用于对低密度物料进行脱水脱介作业，其高密度出料口排出精煤；所述合格介质桶的进料口分别与脱介筛一的低密度出料口、脱介筛二的低密度出料口、磁性介质加注管路和循环水管路加注管路连接，用于完成重介质悬浮液的调配；所述循环泵的进口端通过管路与合格介质桶的出料口连接，其出口端通过管路与混料桶的进料口连接，用于将重介质悬浮液输送到混料桶中；所述煤泥桶的进料口与脱介筛二的高密度出料口连接，用于对精煤进行初步处理；所述弧形筛的进料口与煤泥桶的出料口连接，用于通过筛分分选的方式对后续浮选的煤泥的粒度进行控制，其顶部出料口排出粗颗粒精煤；所述浓缩机的进料口与弧形筛的底部出料口连接，用于提高煤泥的浓度并降低煤泥的水分含量，使得矿浆密度保持在工艺稳定运行的范围；所述矿浆预处理器的进料口分别与循环水加注管路、浮选药剂加注管路和浓缩机的高密度出料口连接，用于将浮选药剂与矿浆进行充分的混合，为进行煤泥泡沫浮选做好最后的准备工作；所述浮选槽的进料口分别与空气加注管路和矿浆预处理器的出料口连接，用于利用矿浆中不同的固体颗粒亲水性的不同在浮选槽的溢流产物中得到最终的精煤，其顶部出料口输出精煤，其底部出料口输出杂质；所述控制器分别与主分级筛、次分级筛、输送机、混料桶、压力泵、重介质旋流器、脱介筛一、脱介筛二、合格介质桶、循环泵、煤泥桶、弧形筛、浓缩机、矿浆预处理器、浮选槽连接，用于进行各部件的控制； 其特征在于，煤泥浮选控制方法包括以下步骤： 步骤一：基于集成学习的分布式混合贝叶斯网络离线建模； S11：划分煤泥浮选过程，并确定贝叶斯网络节点； 根据煤泥浮选工业系统的实际情况，结合操作经验，将煤泥浮选过程划分为多个局部模块，并确定出每个局部模块的控制变量、过程变量与目标变量，再将各个变量映射为相应的贝叶斯网络节点，进一步划分出每个节点的等级状态； S12：对训练集进行次分层抽样，获取子训练集，确定个相应的混合贝叶斯网络结构； 利用安装在煤泥浮选工业系统中若干个采样点的若干个传感器收集多组异常工况数据信息；利用第一个贝叶斯网络模型对多组异常工况制定控制决策，并根据公式1计算控制决策推理精度，当控制决策推理精度达到98%时，则认为该贝叶斯网络模型能提供足够精确的安全控制决策，无需集成后续的贝叶斯网络模型，否则继续集成第二个贝叶斯网络模型的决策结果，进一步判断集成后的控制决策推理精度，如此往复，直至集成的第个贝叶斯网络模型所制定的控制决策推理精度大于等于98%时，确定出集成学习策略中的模型数量； 1； 式中，代表可以消除异常工况的有效安全控制决策；代表无法消除异常工况的无效安全控制决策； S13：利用最大似然估计法确定个混合贝叶斯网络的参数； S14：完成基于集成学习的分布式混合贝叶斯网络建模； 步骤二：基于分布式混合贝叶斯网络建模进行煤泥浮选过程在线安全运行的控制； S21：利用安装在煤泥浮选工业系统中若干个采样点的若干个传感器收集当前工况数据信息，并基于当前工况数据信息判断是否发生异常工况；若，则判定发生异常工况，利用离线建模过程中建立的个混合贝叶斯网络控制模型分别制定安全控制决策； S22：集成个决策结果，制定当前工况的最终安全控制策略； S22-1：计算当前工况数据与第个混合贝叶斯网络控制模型之间的BIC评分，以此来评估当前工况与各个模型的拟合程度； S22-2：根据每个模型的拟合程度，为每项控制决策分配相应的权重； S22-3：依据公式2将所有决策进行加权融合，形成针对当前工况的最终安全控制决策; 2； 式中，代表第个模型提供控制决策的权重，，其中，代表第个模型与当前工况数据的BIC评分函数，用于表示第个模型与当前工况数据的拟合程度；代表第个模型制定的安全控制决策； S23：预测调整之后的溢流灰分，若，证明异常工况消除，执行当前安全控制决策，维持当前正常工况模式，否则重新执行S21，继续利用当前工况数据信息贝叶斯网络推理过程。

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：221000 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。