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！

龙图腾网获悉中南大学申请的专利一种基于多尺度时序卷积神经网络的带式焙烧机工况识别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：CN121071612B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511567784.0，技术领域涉及：G06F18/241；该发明授权一种基于多尺度时序卷积神经网络的带式焙烧机工况识别方法是由冯振湘;范晓慧;李鸾峰;陈许玲;黄晓贤;甘敏;季志云;孙增青;姜涛设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本一种基于多尺度时序卷积神经网络的带式焙烧机工况识别方法在说明书摘要公布了：本发明公开了一种基于多尺度时序卷积神经网络的带式焙烧机工况识别方法。该方法首先采集离线化验数据与在线检测数据，经清洗后，以化验数据时间戳为基准，结合过程波动特征对齐检测数据，生成时序数据样本；接着，采用无监督聚类方法结合特征选择方法对样本进行数据预处理，构建工况分类数据集；最后，利用该数据集对多尺度时序卷积神经网络模型进行训练与优化，得到工况识别模型，该模型可基于在线时序数据实时输出对带式焙烧机运行工况的识别结果。本发明所提供的方法基于各步骤之间的协同作用，具有良好的识别准确性和泛化性，适用于焙烧过程中多种复杂工况的智能化识别。

本发明授权一种基于多尺度时序卷积神经网络的带式焙烧机工况识别方法在权利要求书中公布了：1.一种基于多尺度时序卷积神经网络的带式焙烧机工况识别方法，其特征在于： 步骤S1、采集带式焙烧机生产过程中的离线化验数据和在线检测数据； 步骤S2、对步骤S1所采集的数据依据时间维度进行数据清洗和数据对齐，并生成对应的时序数据样本； 步骤S3、采用无监督学习方法从时序数据样本中对关键性能参数进行特征提取和聚类分析，判定聚类结果，并对各时序样本分配工况类别标签； 步骤S4、基于步骤S2所得的时序样本，计算各状态参数与关键性能参数及操作参数的相关性，同时评估各状态参数之间的冗余度；依据相关性高、冗余度低的标准筛选出最优特征子集，并为该特征子集赋予其在步骤S3中已确定的对应工况类别标签，从而构建最终的数据集； 步骤S5、基于多尺度时序卷积神经网络构建带式焙烧机工况识别模型，并通过步骤S4所得数据集进行训练和优化； 所述生成对应的时序数据样本的过程为： 步骤S2‑3‑1、根据球团采样时间计算球团矿到达带式焙烧机尾部的时间，其计算过程为： 式1：； 步骤S2‑3‑2、从起，向前依次累加每分钟的机速，直到累积距离大于等于带式焙烧机的总长度B，初步确定样本回溯窗口的长度： 式2：； 步骤S2‑3‑3、在窗口所覆盖的区间内，提取机速的最小值，再根据回溯区间中的最小机速确定最终的回溯窗口长度，其过程为： 式3：； 式4：；步骤S2‑3‑4、以为时间终点，向前回溯分钟，从清洗后的焙烧过程参数中提取对应区间的数据，构建第i条时序样本的过程参数矩阵，其过程为： 式5：； 式1~5中，为球团抗压强度离线采样时间，量纲为min；为球团矿从带式焙烧机尾部到样品采样点存在的运输延迟时间，量纲为min；为球团矿到达带式焙烧机尾部的时间，量纲为min；为机速，量纲为mmin；B为带式焙烧机的总长度，量纲为m；为初步确定样本回溯窗口的长度，量纲为min；为在窗口所覆盖的区间内的最小机速，量纲为mmin；为回溯区间中的最小机速确定最终的回溯窗口长度，量纲为min；为过程参数矩阵，无量纲。

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南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。