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！

龙图腾网获悉南京众新信息科技有限公司申请的专利一种高炉热风炉换炉控制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：CN120193139B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202510446868.2，技术领域涉及：C21B9/10；该发明授权一种高炉热风炉换炉控制系统是由禹浩诺;肖国才设计研发完成，并于2025-04-10向国家知识产权局提交的专利申请。

本一种高炉热风炉换炉控制系统在说明书摘要公布了：本发明涉及高炉热风炉技术领域，更具体地说，涉及一种高炉热风炉换炉控制系统，用于解决现有技术不能实现对不同工况的动态适应，无法及时调整换炉策略，增加换炉成本，无法保证高炉运行稳定的问题；本发明通过换炉优化控制模块利用强化学习算法，基于冶炼状态和送风压力预测，提供智能决策支持，通过定义状态空间和换炉动作，并结合奖励函数综合考量效率、成本和稳定性，实现对不同工况的动态适应，该模块提升冶炼效率，降低换炉成本，保证高炉运行稳定，利用历史数据优化策略，实时响应环境变化，及时调整换炉策略，保障生产连续性和安全性。

本发明授权一种高炉热风炉换炉控制系统在权利要求书中公布了：1.一种高炉热风炉换炉控制系统，应用于换炉控制平台，其特征在于，包括： 数据采集模块，用于实时采集高炉和热风炉的运行参数，对采集的运行参数进行预处理操作； 冶炼状态评估模块，用于实时监测高炉的冶炼评估参数，对高炉的冶炼状态进行监测评估； 送风压力预测模块，用于收集高炉和热风炉的历史运行参数，构建送风压力预测模型，根据模型对未来一段时间内的送风压力进行预测； 换炉优化控制模块，用于根据冶炼状态评估结果和送风压力预测结果，利用强化学习算法优化换炉策略； 所述换炉优化控制模块利用强化学习算法优化换炉策略的具体过程如下： 获取冶炼状态评估结果和送风压力预测结果，冶炼状态评估结果为高炉的冶炼状态优异、正常或异常，送风压力预测结果为未来一段时间内的实时送风压力； 利用强化学习算法优化换炉策略的具体步骤如下： 先定义一个状态空间S，状态空间由冶炼状态和送风压力预测组成，状态空间可表示为一个向量：； 是冶炼状态的向量表示，用数值向量表示： 优异：[1,0,0]、正常[0,1,0]、异常[0,0,1]； 是一个连续变量向量，表示未来n个时间步的送风压力预测值： ； 其中是第i个时间步的预测送风压力； 再定义动作时间A，动作代表换炉策略，离散化为： A=0：不换炉； A=1：立即换炉； A=2：延迟t1时间换炉； A=3：延迟t2时间换炉； …以此类推，可根据实际情况设定多个延迟时间； 接着定义奖励函数R，奖励函数综合考虑多个因素： ，其中w1、w2以及w3均为权重系数； 根据冶炼状态评估结果计算奖励： 优异：； 根据送风压力稳定性计算奖励： ，其中是目标送风压力； 根据换炉时间计算奖励： ，其中t为实际换炉时间，为最佳换炉时间，k为常数； 最后对Q-learning算法进行训练，训练过程如下： T1：初始化Q表格Qs,a，其中s代表状态，a代表动作，将所有Q值初始化为0或一个小的随机值； T2：重复以下步骤直到满足终止条件： T21:获取当前状态s，根据当前状态s选择动作a，通过如下策略选择动作： T211：以概率ε随机选择一个动作，以概率1-ε选择使Qs,a最大化的动作，ε随着训练过程逐渐减小； T22：执行所选动作a，观察奖励r和下一个状态s＇； T23：根据Q-learning更新公式更新Q表格： ； 其中为学习率，控制每次更新的步长，γ为折扣因子，表示未来奖励的折现率； T3：达到终止条件后，训练结束； Q-learning算法训练完成后，根据当前状态s选择对应的动作a作为换炉策略。

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南京众新信息科技有限公司，其通讯地址为：210000 江苏省南京市江北新区科创大道9号智能制造产业园(智合园)A4幢4F；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。