買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國(guó)礦業(yè)大學(xué)申請(qǐng)的專利基于LTC的鍋爐熱效率軟測(cè)量方法、系統(tǒng)及電子設(shè)備獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120354638B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510852284.5，技術(shù)領(lǐng)域涉及：G06F30/20；該發(fā)明授權(quán)基于LTC的鍋爐熱效率軟測(cè)量方法、系統(tǒng)及電子設(shè)備是由彭獻(xiàn)永;解洋洋;王志;高鉀;余波;陳玉民;周懷春設(shè)計(jì)研發(fā)完成，并于2025-06-24向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于LTC的鍋爐熱效率軟測(cè)量方法、系統(tǒng)及電子設(shè)備在說(shuō)明書(shū)摘要公布了：本發(fā)明提供一種基于LTC的鍋爐熱效率軟測(cè)量方法、系統(tǒng)及電子設(shè)備，屬于鍋爐熱效率軟測(cè)量技術(shù)領(lǐng)域，包括：采集并預(yù)處理機(jī)組分散控制系統(tǒng)歷史運(yùn)行數(shù)據(jù)；構(gòu)建基于液態(tài)時(shí)間常數(shù)網(wǎng)絡(luò)（LTC）的四層網(wǎng)絡(luò)的鍋爐熱效率在線軟測(cè)量模型；利用訓(xùn)練集數(shù)據(jù)訓(xùn)練模型，并通過(guò)驗(yàn)證集驗(yàn)證以確定最佳網(wǎng)絡(luò)結(jié)構(gòu)與超參數(shù)；將測(cè)試集輸入優(yōu)化后的模型輸出預(yù)測(cè)值，經(jīng)反歸一化后評(píng)估性能；將實(shí)時(shí)運(yùn)行數(shù)據(jù)輸入訓(xùn)練完成的模型，輸出熱效率預(yù)測(cè)值。本發(fā)明利用LTC模型采用動(dòng)態(tài)微分方程實(shí)時(shí)調(diào)整權(quán)重的特性，克服傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型的參數(shù)固定的缺點(diǎn)，適應(yīng)測(cè)量對(duì)象的時(shí)變性，實(shí)現(xiàn)鍋爐熱效率的高精度動(dòng)態(tài)軟測(cè)量，提升了測(cè)量精度與響應(yīng)實(shí)時(shí)性。

本發(fā)明授權(quán)基于LTC的鍋爐熱效率軟測(cè)量方法、系統(tǒng)及電子設(shè)備在權(quán)利要求書(shū)中公布了：1.一種基于LTC的鍋爐熱效率軟測(cè)量方法，其特征在于，包括以下步驟： 步驟1、采集機(jī)組分散控制系統(tǒng)的歷史運(yùn)行數(shù)據(jù)；歷史運(yùn)行數(shù)據(jù)包括鍋爐熱效率及輔助變量；其中，鍋爐熱效率為鍋爐有效利用熱量與燃料輸入熱量的百分比；輔助變量包括燃料參數(shù)、運(yùn)行工況參數(shù)、煙氣參數(shù)和環(huán)境參數(shù)； 步驟2、對(duì)步驟1獲得的歷史運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理，包括：缺失數(shù)據(jù)處理、數(shù)據(jù)降維、數(shù)據(jù)重建，從而形成數(shù)據(jù)集，將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集；缺失數(shù)據(jù)處理包括：采用3σ-rule檢測(cè)異常數(shù)據(jù)，并基于相鄰時(shí)刻輔助變量的變化率替換異常數(shù)據(jù)；數(shù)據(jù)降維包括：利用隨機(jī)森林算法對(duì)輔助變量進(jìn)行重要性排序，篩選重要性前10的輔助變量作為輸入變量；數(shù)據(jù)重建包括：采用滑動(dòng)窗口法將時(shí)序數(shù)據(jù)轉(zhuǎn)換為二維張量，其中時(shí)間維度包含20個(gè)連續(xù)采樣時(shí)刻，特征維度為篩選的重要性前10的輔助變量； 步驟3、構(gòu)建基于LTC的鍋爐熱效率軟測(cè)量模型，包括依次連接的四層神經(jīng)元層，分別為：作為輸入層的感覺(jué)神經(jīng)元層、中間神經(jīng)元層、指令神經(jīng)元層和作為輸出層的運(yùn)動(dòng)神經(jīng)元層；LTC表示液態(tài)時(shí)間常數(shù)網(wǎng)絡(luò)；基于LTC的鍋爐熱效率軟測(cè)量模型的四個(gè)神經(jīng)元層的每個(gè)神經(jīng)元均采用一個(gè)LTC模型構(gòu)建；感覺(jué)神經(jīng)元層、中間神經(jīng)元層、指令神經(jīng)元層和作為輸出層的運(yùn)動(dòng)神經(jīng)元層之間存在前饋連接，指令神經(jīng)元之間則有循環(huán)連接； 步驟4、使用訓(xùn)練集對(duì)步驟3構(gòu)建的基于LTC的鍋爐熱效率軟測(cè)量模型進(jìn)行訓(xùn)練，優(yōu)化模型超參數(shù)，并利用驗(yàn)證集確定最優(yōu)的超參數(shù)設(shè)置，獲得優(yōu)化后的基于LTC的鍋爐熱效率軟測(cè)量模型； 步驟5、將測(cè)試集的數(shù)據(jù)輸入步驟4獲得的優(yōu)化后的基于LTC的鍋爐熱效率軟測(cè)量模型，獲取預(yù)測(cè)結(jié)果，經(jīng)反歸一化處理后，利用評(píng)價(jià)函數(shù)分析評(píng)價(jià)基于LTC的鍋爐熱效率軟測(cè)量模型在不同工況下的預(yù)測(cè)性能； 步驟6、將實(shí)時(shí)采集的鍋爐運(yùn)行數(shù)據(jù)輸入步驟4獲得的優(yōu)化后的基于LTC的鍋爐熱效率軟測(cè)量模型，輸出鍋爐熱效率預(yù)測(cè)值。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中國(guó)礦業(yè)大學(xué)，其通訊地址為：221116 江蘇省徐州市銅山區(qū)大學(xué)路1號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。