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！

龙图腾网获悉山东科技大学申请的专利基于孪生网络增量学习的工业大数据模型快速优化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：CN114662744B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202210235180.6，技术领域涉及：G06Q10/04；该发明授权基于孪生网络增量学习的工业大数据模型快速优化方法是由赵建立;魏浩;刘忠波;曲丽君设计研发完成，并于2022-03-11向国家知识产权局提交的专利申请。

本基于孪生网络增量学习的工业大数据模型快速优化方法在说明书摘要公布了：本发明公开了一种基于孪生网络增量学习的工业大数据模型快速优化方法，属于深度学习领域及工业智能制造领域。针对当前基于深度学习的工业数据模型使用场景单一，无法及时利用实时产生的增量数据进行自我优化与迭代更新的问题，本发明提出了基于前馈神经网络FNN、双向长短期记忆网络Bi‑LSTM、孪生网络和注意力模型Attention的模型优化方法，与当前已有的工业数据模型相比，该方法提高了工业数据模型的泛化能力，能够及时利用工业制造中实时产生的增量数据更新优化模型。

本发明授权基于孪生网络增量学习的工业大数据模型快速优化方法在权利要求书中公布了：1.基于孪生网络增量学习的工业大数据模型快速优化方法，其特征在于：包括如下步骤：步骤1：建立基于深度学习的传统工业大数据模型； 步骤2：建立适应多场景的工业大数据模型； 在步骤1建立的基于深度学习的传统工业大数据模型的基础上，添加前馈神经网络FNN与双向长短期记忆网络Bi-LSTM，建立适应多场景的工业数据模型； 步骤3：基于孪生网络的增量更新机制； 将孪生网络分为历史数据网络与增量数据网络，其中历史数据网络使用大量历史数据进行训练，增量数据网络是在训练好的历史数据网络基础上，通过实时采集到的增量数据进行二次训练，将其结果与历史数据网络结果通过注意力模型Attention对两个网络的结果进行加权求和得到最终结果；具体步骤如下： 步骤3.1：将训练完成的步骤2中的适应多场景的工业数据模型保存为历史数据网络； 步骤3.2：复制历史数据网络另存为增量数据网络，包括已经训练好的内部参数； 步骤3.3：将新采集的增量数据中的工艺指标输入到增量数据网络中进行训练； 步骤3.4：将历史数据网络与增量数据网络的结果输入到注意力模型中，由注意力模型输出最终预测值，通过最终预测值与真实值计算损失值即值； 步骤3.5：经过较少次数的迭代训练使值收敛，其中注意力模型只在增量数据网络首次训练时进行内部参数更新，否则只有增量数据网络进行训练； 步骤3.6：投入到生产线使用，采集到新的增量数据时，重复步骤3.3-步骤3.5，快速更新优化模型； 在步骤2中，具体包括如下步骤： 步骤2.1：将个工序特征分别进行独热编码得到工序特征向量； 步骤2.2：将工序特征向量输入到前馈神经网络FNN中； 步骤2.3：将历史工艺指标输入到构建的深度学习网络中； 步骤2.4：将前馈神经网络FNN的输出结果与深度学习网络的结果经过横向拼接输入到双向长短期记忆网络Bi-LSTM中得到胶料温度的最终预测结果，通过最终预测结果与真实值计算值； 步骤2.5：多次迭代训练直至值收敛； 所述工序特征为胶料配方、机器型号以及工艺类型，所述工艺指标为胶料温度、转子转速、电机功率和机箱压力。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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”。