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;淮北矿业股份有限公司申请的专利基于智能超表面辅助的煤矿深井提升机通信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：CN119300093B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202411467898.3，技术领域涉及：H04W28/084；该发明授权基于智能超表面辅助的煤矿深井提升机通信系统及方法是由牛强;殷鹏;杨旭;朱发和;雷雨;周公博;闫晓东;殷仕诚;邵卫;李悦;杨磊;李颂;朱桐桐设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本基于智能超表面辅助的煤矿深井提升机通信系统及方法在说明书摘要公布了：一种基于智能超表面辅助的煤矿深井提升机通信系统及方法，系统：包括物联网设备、边缘计算节点、云服务器和智能超表面，物联网设备包括张力传感器、称重传感器、加速度传感器；张力传感器、称重传感器、加速度传感器均通过智能超表面与边缘计算节点连接，边缘计算节点与云服务器通过有线传输介质连接。方法：布置智能超表面，并构建智能通信系统；对智能通信系统中计算卸载过程中能量损耗和计算时延问题进行建模；构建融合能量效率与计算时延两大维度的综合效益函数；将最大化综合效益函数确立为计算卸载策略的优化目标；构建安全强化学习模型；实现最优计算卸载效益。该系统及方法可确保提升机内部无线数据链路的稳定性，可提高数据的传输效率。

本发明授权基于智能超表面辅助的煤矿深井提升机通信系统及方法在权利要求书中公布了：1.一种基于智能超表面辅助的煤矿深井提升机通信方法，采用一种基于智能超表面辅助的煤矿深井提升机通信系统，一种基于智能超表面辅助的煤矿深井提升机通信系统，包括物联网设备、边缘计算节点1、云服务器2和智能超表面3；所述物联网设备包括张力传感器4、称重传感器5、加速度传感器6；所述张力传感器4具有无线通信功能，其安装在钢丝绳7上，用于实时采集钢丝绳7的张力信号，并通过LoRa无线通信技术将张力信号向外部设备进行传输；所述称重传感器5具有无线通信功能，其安装在钢丝绳7与罐笼或箕斗8的连接结点处，用于实时采集罐笼或箕斗8的重量信号，并通过LoRa无线通信技术将重量信号向外部设备进行传输；所述加速度传感器6具有无线通信功能，其安装在罐笼或箕斗8上，用于实时采集罐笼或箕斗8的加速度信号，并通过LoRa无线通信技术将加速度信号向外部设备进行传输；所述边缘计算节点1具有无线通信功能，其安装在矿井井壁上，且位于靠近井口的位置，用于通过LoRa无线通信技术接收无线信号，并根据所接收的无线信号完成边缘计算任务，再将所获得的数据通过有线传输介质传输至云服务器2；所述云服务器2设置在远端，其与边缘计算节点1连接，用于接收边缘计算节点1上传的数据，并用于完成核心计算任务；所述智能超表面3安装在矿井井壁上，用于接收并增强物联网设备发出的无线信号强度，并通过反射的方式将所接收到的无线信号传输至边缘计算节点1，同时，用于通过调整自身的反射相移系数来优化物联网设备与边缘计算节点1之间的通信质量，确保物联网设备和边缘计算节点1之间的可靠通信；还包括监控摄像头，所述监控摄像头具有无线通信功能，其安装在矿井井壁上，用于实时采集监测区域的图像数据，并通过智能超表面3作为数据传输的中继与增强媒介，确保图像数据能够迅速、稳定地传输至边缘计算节点1；所述智能超表面3位于煤矿深井高度方向的中段； 其特征在于，包括以下步骤： 步骤一：布置智能超表面3，并构建智能通信系统； 将智能超表面3部署在矿井井壁上；利用智能超表面3可编程的反射特性，主动调整反射波束的方向和相位，在复杂的矿井环境中构建出虚拟的、增强的无线通信链路，并利用无线通信链路建立物联网设备与边缘计算节点1之间的通信连接；利用有线传输介质建立边缘计算节点1与远端的云服务器2之间的通信连接； 步骤二：对智能通信系统中计算卸载过程中能量损耗和计算时延问题进行建模； S21：根据公式1建立智能超表面3的信道模型，得到智能超表面3的信道增益； 1； 式中，表示智能超表面3的信道增益；表示直射路径增益；表示第个反射路径的增益；表示智能超表面3第个反射元素的复反射系数； S22：根据公式2建立智能超表面3接收信号的模型； 2； 式中，表示第个物联网设备的接收信号；表示发射功率；表示边缘计算节点1和第个物联网设备之间的信道模型；为信道估计误差；表示发射信号；表示高斯白噪声，方差为； S23：根据公式3建立智能超表面3传输速率的模型； 3； 式中，表示第个物联网设备的传输速率；表示带宽； S24：利用公式4表征物联网设备处的能量消耗； 4； 式中，表示处理子帧的持续时间；表示物联网设备能耗效率因子；表示第个物联网设备的CPU周期频率； S25：利用公式5表征边缘计算节点1处的能量消耗； 5； 式中，表示物联网设备的发射功率；表示给第个物联网设备的传输持续时间的比例；表示边缘计算节点1的能耗效率因子；表示移动边缘计算服务器的CPU周期频率； S26：利用公式6表征云服务器2处的能量消耗； 6； 式中，表示边缘计算节点1的发射功率；表示边缘计算节点1给第个物联网设备的传输持续时间的比例；表示云服务器2的能耗效率因子；表示云服务器2的CPU周期频率； S27：将平均能耗和平均等效延迟定义为衡量智能通信系统性能的指标；利用公式7表征计算卸载过程中的平均能耗，利用公式8表征计算卸载过程中的平均等效延迟； 7； 8； 式中，；表示分配物联网设备的卸载任务数量，表示分配边缘计算节点1的卸载任务数量，表示分配云服务器2的卸载任务数量，表示卸载任务总数量；表示处理一位计算任务所需的计算周期数；表示计算卸载模式，被设定为1时，则触发针对不同计算资源层级的任务迁移机制，分别激活针对物联网设备的直接处理能力、边缘计算节点1的就近优化处理能力，以及云服务器2强大的集中处理能力的任务卸载模式，反之亦关闭对应模式； 步骤三：针对基于多源数据融合的煤矿提升机故障检测的特性，构建一种兼顾实时性与资源约束的计算卸载策略；根据公式9构建融合能量效率与计算时延两大维度的综合效益函数；该函数融合能量效率与计算时延两大维度，旨在全面评估并优化卸载决策； 9； 式中，表示能量效率的权重参数，表示总计算延迟的权重参数； 步骤四：将最大化综合效益函数确立为计算卸载策略的优化目标，并根据公式a、b、c、d、e和f构建计算卸载策略的优化框架；通过约束条件a确保物联网设备与边缘计算节点1的发射功率在安全与能效之间取得平衡；通过约束条件b确保物联网设备、边缘计算节点1和云服务器2需在各自CPU频率限定的计算能力最大值下运行；各层级通过CPU频率衡量处理通信数据的能力，确保系统高效稳定，实现数据从源头到云端的高效流动与智能处理；通过约束条件c规定智能通信系统网络中功率分配的公平性；通过约束条件d考虑任务模式的多样性；通过约束条件e界定智能超表面3反射系数矩阵相移的取值范围；通过约束条件f在信道估计误差存在时，保证传输速率的最低要求；这一系列约束共同构成了一个高维、连续且非凸的优化问题，其求解需采用先进的优化理论与算法，以实现系统性能的最优化； a； b； c； d； e； f； 式中，表示第个物联网设备的计算卸载模式； 步骤五：构建安全强化学习模型； 将基于智能超表面3辅助的煤矿深井提升机通信系统的动态计算卸载过程和RIS相移调整过程建模成马尔科夫决策过程，并分别将智能超表面3辅助的无线传感器网络和智能超表面3作为环境和学习代理；同时，提出基于拉格朗日的机会约束强化学习方法；最终构建出基于智能超表面3辅助的煤矿深井提升机通信系统的安全强化学习模型； 步骤六：实现最优计算卸载效益； S61：先利用拉格朗日乘子法，根据公式10将约束马尔科夫决策过程问题转化为无约束对偶问题；再通过积分分离法来制定拉格朗日的比例积分，以防止政策过度保守； 10； 式中，表示强化学习的奖励，用于衡量算法的性能；为拉格朗日惩罚因子，用于调控约束的松弛程度；表示所用物联网设备的传输总速率小于速率阈值的概率；表示中断概率的阈值； S62：引入基于深度确定性策略梯度的矿山物联网计算卸载机制，运用基于深度确定性策略梯度算法来求解最优任务卸载策略； A1：基于深度确定性策略梯度算法初始化；初始化基于深度确定性策略梯度算法的相关学习参数；初始化基于深度确定性策略梯度算法中的Actor网络参数和Critic网络参数，通过将和赋值给TargetActor网络和TargetCritic网络的网络参数、，完成Target网络参数的初始化，随机给出初始基于智能超表面3辅助的煤矿深井提升机通信系统的环境状态 ；其中，、和分别表示给不同设备分配的任务数量；；和均表示任务卸载的参数； A2：单步探索与策略采样；进行回合内的一步探索，Actor网络基于当前输入的初始化系统状态确定性策略；然后，矿山物联网设备基于和OU过程采样得到的噪声，根据公式11选择计算卸载策略； 在执行计算卸载策略过程中，通过配置反射相移、任务数量、计算模式因子及资源分配因子的方式，对系统性能进行优化，并评估计算卸载的效用值，即奖励U，随后，基于计算卸载过程的实时观测，确保系统状态得以更新，为后续决策过程提供新的起点；这一过程中，计算任务量及物联网设备位置信息的动态变化遵循马尔科夫链模型，确保环境信道状态信息的精准重估；最终，将包含上述关键信息的计算卸载经验整合成案例，存入经验池中，以供后续学习与优化之用； 11； A3：网络参数更新；判断经验池的计算卸载经验数是否达到Z；若未达到，则直接跳转至步骤A4，继续探索累计计算卸载经验，直至计算卸载经验不断累计达到Z组；若达到，则基于经验回放技术，矿山物联网设备从经验池中随机采样Z组计算卸载经验，即，并利用这些计算卸载经验迭代更新四个神经网络参数，四个神经网络参数包括Actor网络参数、Critic网络参数、TargetActor网络参数和TargetCritic网络参数；其中，表示当前时刻的状态；表示当前时刻的动作；表示当前时刻的奖励；表示下一时刻的状态； A31：采用Adam优化器作为梯度下降算法，并利用公式12和公式13更新Critic网络参数； 12； 13； 式中，表示损失函数；表示强化学习里面的折算系数；表示目标Critic网络；表示Actor网络；表示取自经验回放数组的第个损失函数；表示Critic网络；表示当前时刻的状态；表示取自经验回放数组的第个动作； A32：通过确定性策略梯度上升方法，根据公式14更新Actor网络参数； 14； 式中，表示Actor网络确定性策略梯度；表示数学期望；表示Critic网络的策略梯度；表示Critic网络参数的策略梯度；表示策略函数； A33：采用软更新学习率，根据公式15更新TargetActor网络参数，根据公式16更新TargetCritic网络参数，以放慢对Actor网络参数和Critic网络参数的追踪速度； 15； 16； 式中，表示手动调整的超参数； A4：回合结束判定；判断时隙数是否达到最大回合内训练步长数，若未达到，则令下一步状态为新的初始化系统状态，回到A2；若达到，则结束回合训练。

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;淮北矿业股份有限公司，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。