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！

龙图腾网获悉广东工业大学申请的专利工业废料材料动态分级评估系统及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：CN120744712B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202510850330.8，技术领域涉及：G06F18/2431；该发明授权工业废料材料动态分级评估系统及方法是由冯鹰扬;蔡军;余宇;江书圯设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本工业废料材料动态分级评估系统及方法在说明书摘要公布了：本发明公开了工业废料材料动态分级评估系统及方法，涉及工业废料处理技术领域，用于解决废料处理实验中资源回收率与预测值偏差显著，导致废料资源化利用效率低下的问题，通过综合获取废料区域环境数据与成分数据，设定阈值筛选待定分级位置，根据废料物理特性数据和历史处理数据分析成分稳定性并预测回收率。通过实验获得回收率真实值，比对预测值与真实值分析分级差异，筛选优质分级位置或动态调整筛选标准，以满足资源化利用需求，该方法提高成分稳定性判断与回收率预测准确性，提升资源化利用效率。

本发明授权工业废料材料动态分级评估系统及方法在权利要求书中公布了：1.工业废料材料动态分级评估方法，其特征在于：包括以下步骤： 步骤S1：获取废料区域环境数据和废料成分数据，综合废料区域环境数据和废料成分数据设定阈值筛选出多个待定分级位置； 在步骤S1中，废料区域环境数据为废料堆积密度；废料成分数据为废料热解增量，设定初始堆积密度阈值采用分位数法，随后将初始堆积密度阈值与废料热解增量的乘积作为调整后的堆积密度阈值，比较废料区域环境中各位置的堆积密度与堆积密度阈值，筛选出高于堆积密度阈值的位置作为待定分级位置； 步骤S2：收集各待定分级位置废料物理特性数据以及废料历史处理数据进行对比分析，根据分析结果判断废料成分稳定性并预测待定分级位置废料处理后的资源回收率得到回收率预测值； 在步骤S2中，待定分级位置废料物理特性数据为待定分级位置废料中的颗粒粒径分布比例，废料历史处理数据包括废料适配粒径比例表和适配粒径比例下废料的处理效率情况； 首先对待定分级位置废料成分稳定性进行判断，废料适配粒径比例表用于获取废料适配粒径比例，利用废料中的颗粒粒径分布比例和废料的适配粒径比例计算欧氏距离，根据欧氏距离设定判断规则； 当待定分级位置计算得到的欧氏距离为零时输出结果为1，此时判断废料成分稳定性正常； 当待定分级位置计算得到的欧氏距离不为零，将其标记为e，则输出结果为11+e； 此时，若输出结果小于1，则判断废料成分稳定性异常并记录输出结果； 基于废料成分稳定性结果，系统预测待定分级位置废料处理后的资源回收率； 预测流程包括确定适配粒径比例下废料的处理效率情况，并记录废料处理后资源回收率的平均值，将废料处理后资源回收率的平均值与输出结果的乘积作为废料的资源回收率预测值； 步骤S3：在待定分级位置进行废料处理实验工作并检测待定分级位置废料真实处理情况得到回收率真实值，通过比较回收率预测值和回收率真实值分析分级差异； 对待定分级位置进行编号，废料的资源回收率预测值按照编号合并为预测分级数据集，根据合并的数据集分析分级差异，具体步骤如下： 步骤1：分级差异通过将预测分级数据集和真实分级数据集中同一编号的数据作差计算得出； 步骤2：分级差异数值为正数或零时判断待定分级位置的分级差异小，分级差异数值为负数时，判断待定分级位置的分级差异大； 步骤3：分级差异小的位置被标记为备选分级位置，分级差异大的位置被标记为优质分级位置； 步骤S4：根据分级差异对待定分级位置进行筛选并进行记录或降低筛选标准以达到废料资源化利用需求； 接收分级位置确定单元传递的优质分级位置和备选分级位置信息，并统计优质分级位置数量； 将废料资源化利用需求量进行转化，转化为所需优质分级位置个数，具体过程如下： 获取所有优质分级位置的资源回收率预测值进行累加，并与优质分级位置数量进行比值计算，得到优质分级位置的资源回收率预测平均值，将废料资源化利用需求量与优质分级位置的资源回收率预测平均值进行比值计算，得到所需优质分级位置个数； 将优质分级位置数量与所需优质分级位置个数进行比对，若优质分级位置数量大于或等于所需优质分级位置个数，则达到需求，无需降低筛选标准以获取更多分级位置； 若优质分级位置数量小于所需优质分级位置个数，则未达到需求，则降低筛选标准以获取更多分级位置。

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广东工业大学，其通讯地址为：510000 广东省广州市东风东路729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。