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！

龙图腾网获悉东北大学申请的专利一种浮选全流程瓶颈工艺识别方法及系统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：CN120885342B 。

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：202510768057.4，技术领域涉及：G06F18/213；该发明授权一种浮选全流程瓶颈工艺识别方法及系统是由何大阔;孙芙蓉;林虹影;刘佳铖;王端端设计研发完成，并于2025-06-10向国家知识产权局提交的专利申请。

本一种浮选全流程瓶颈工艺识别方法及系统在说明书摘要公布了：本申请实施例提供一种浮选全流程瓶颈工艺识别方法及系统，所述方法在获取操作数据后，可以从操作数据中提取可行性特征、鲁棒性特征以及敏感性特征。再基于提取的操作特征计算匹配度指标与可调性指标等评价指标。再根据操作数据与领域知识构建基于先验模型辅助的PI‑PNN指标定性预测模型，以及基于所建立的预测模型，对浮选工艺进行指标边际贡献值计算，从而识别瓶颈工艺变量或瓶颈工艺组合。所述方法能够有效预测工艺参数对流程质量指标的定性影响，降低实际现场无效调试过程中产生的成本，使得改造过程有据可依，缓解决策的盲目性。

本发明授权一种浮选全流程瓶颈工艺识别方法及系统在权利要求书中公布了：1.一种浮选全流程瓶颈工艺识别方法，其特征在于，所述方法包括： 获取操作数据，以及从所述操作数据中提取操作特征，所述操作数据包括在浮选全流程工艺中记录的操作变量；所述操作特征包括可行性特征、鲁棒性特征以及敏感性特征； 基于所述操作特征计算评价指标，所述评价指标包括操作样本在理想操作状态下的计算匹配度指标与可调性指标； 根据所述操作数据和工艺领域知识建立预测模型，所述预测模型为基于先验模型辅助的物理信息和基于乘积的神经网络的指标定性预测模型；所述预测模型包括前端网络和后端网络；所述前端网络用于拟合关键状态参数；所述后端网络用于执行质量指标等级分类；根据所述操作数据和工艺领域知识建立预测模型包括：根据所述操作数据和流程先验知识，建立全流程关键状态信息先验模型，所述先验模型的输入数据为操作数据和工艺变量，所述先验模型的输出数据为可测量关键状态参数；根据所述操作数据和工艺领域知识建立预测模型包括：获取所述预测模型输入的SHAP值和SHAP交互值；所述SHAP值用于表征单个工艺变量对预测结果的贡献程度；所述SHAP交互值用于表征多个工艺变量对预测结果的贡献程度；根据所述SHAP值和SHAP交互值确定瓶颈工艺；获取不同所述瓶颈工艺对最终预测结果的贡献参数，所述贡献参数包括单个所述工艺变量对预测结果的贡献值，和或，多个所述工艺变量对预测结果的联合贡献值；根据所述贡献参数确定后续改造对象，所述后续改造对象包括所述SHAP值高于预设SHAP值阈值的工艺变量，和或，所述SHAP交互值高于预设SHAP交互值阈值的工艺组合；使用多元泰勒函数拟合方法，通过所述先验模型提取输入数据和输出数据之间的关系函数；将所述关系函数设置为所述预测模型前端网络的损失函数，以及基于所述损失函数训练所述预测模型的前端网络；使用所述先验模型的预测值，替换所述预测模型前端网络预测的失真参数；将所述预测值输入所述预测模型的后端网络，以使所述后端网络在基于乘积的神经网络框架下训练所述预测模型； 在所述预测模型的基础上，通过定量评估工艺变量或工艺组合在指标预测中的边际贡献识别瓶颈工艺数据，所述瓶颈工艺数据包括瓶颈工艺变量和瓶颈工艺组合中的至少一种；在所述预测模型的基础上，通过定量评估工艺变量或工艺组合在指标预测中的边际贡献识别瓶颈变量包括：根据所述SHAP交互值计算工艺组合间变量的作用参数，所述作用参数为协同作用参数或对抗作用参数；基于所述作用参数识别工艺流程中的关键瓶颈变量；计算所述关键瓶颈变量的改造优先级。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。