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！

龙图腾网获悉中为智控(北京)科技有限公司申请的专利一种基于大模型与数字孪生的煤矿设备状态感知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：CN121389788B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511571145.1，技术领域涉及：G06F30/27；该发明授权一种基于大模型与数字孪生的煤矿设备状态感知方法是由吴泽伟;石峰;李鑫波;王辰昊设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本一种基于大模型与数字孪生的煤矿设备状态感知方法在说明书摘要公布了：本发明公开了一种基于大模型与数字孪生的煤矿设备状态感知方法，涉及状态感知技术领域，包括，将多模态数据集输入量子卷积编码器，通过量子态叠加原理进行特征压缩，同时利用注意力门控机制选择关键特征片段，生成设备的多尺度数字孪生体；根据多尺度数字孪生体，使用时空图Transformer网络建立设备部件间的动态关联模型，通过图注意力机制量化部件间相互作用强度，并利用神经微分方程描述设备状态演化过程，得到设备状态演化模型；将设备状态演化模型与对抗生成网络结合，通过生成器模拟设备退化路径；本发明通过注意力门控机制自适应筛选关键动态片段，突破经典卷积串行瓶颈与固定注意力规则局限，实现指数级降维并精准捕捉退化相关时空模式。

本发明授权一种基于大模型与数字孪生的煤矿设备状态感知方法在权利要求书中公布了：1.一种基于大模型与数字孪生的煤矿设备状态感知方法，其特征在于：包括， 获取煤矿井下的原始数据和设备物理约束，通过物理信息处理流程对原始数据进行预处理，并将设备物理约束转化为约束条件施加于预处理过程，得到多模态数据集； 将多模态数据集输入量子卷积编码器，通过量子态叠加原理进行特征压缩，同时利用注意力门控机制选择关键特征片段，生成设备的多尺度数字孪生体，具体为： 将多模态数据集输入量子卷积编码器，基于量子态叠加原理，对点云特征向量和视觉特征张量执行量子特征编码，生成低维压缩特征表示； 将低维压缩特征表示输入注意力门控网络，计算各特征片段与设备关键部件的相关性得分，筛选与设备运行状态相关的特征片段，生成多模态特征序列； 对点云特征向量进行三维几何建模生成设备的网格模型，并与多模态特征序列结合，通过多尺度特征融合机制生成多尺度数字孪生体； 根据多尺度数字孪生体，使用时空图Transformer网络建立设备部件间的动态关联模型，通过图注意力机制量化部件间相互作用强度，并利用神经微分方程描述设备状态演化过程，得到设备状态演化模型； 所述根据多尺度数字孪生体，使用时空图Transformer网络建立设备部件间的动态关联模型，通过图注意力机制量化部件间相互作用强度，具体为： 从多尺度数字孪生体中提取设备部件的几何和行为特征，构建设备部件图，并输入至时空图Transformer网络，所述设备部件图包含部件节点特征和边，时空图Transformer网络根据部件间的物理连接，计算图注意力权重，并通过多层图注意力机制，更新节点特征，生成动态关联模型； 对动态关联模型进行特征聚合，输出部件间的相互作用强度矩阵； 将设备状态演化模型与对抗生成网络结合，通过生成器模拟设备退化路径，利用判别器区分真实与模拟数据，并采用博弈训练进行优化，得到状态预测模型，具体为： 从设备状态演化模型提取设备状态特征向量，输入对抗生成网络； 在对抗生成网络中构建生成器网络和判别器网络，生成器网络通过多层全连接网络模拟设备在不同工况下的退化路径，生成模拟状态序列，判别器网络通过卷积神经网络对模拟状态序列和真实状态数据进行分类，输出真伪判别结果，所述真实状态数据从历史煤矿设备运行记录提取； 初始化生成器网络和判别器网络参数，设置博弈训练迭代次数； 交替优化生成器网络和判别器网络，固定判别器网络参数，使用生成对抗损失函数基于所述真伪判别结果优化生成器网络，再固定生成器网络参数，使用判别损失函数基于所述真伪判别结果优化判别器网络； 计算对抗损失函数和判别损失函数，当达到迭代次数时，保存生成器网络参数，得到状态预测模型； 通过状态预测模型执行预测任务，生成设备状态报告，并通过多尺度数字孪生体进行仿真验证，将验证结果反馈至物理信息处理流程进行优化。

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为智控(北京)科技有限公司，其通讯地址为：102600 北京市大兴区经济技术开发区科创十三街29号院一区2号楼9层902-918；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。