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！

龙图腾网获悉东北大学申请的专利一种基于端边云协同的选煤热值预测方法与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：CN116895341B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310643723.2，技术领域涉及：G16C20/30；该发明授权一种基于端边云协同的选煤热值预测方法与系统是由柴天佑;赵明君;刘宏伟;王涛设计研发完成，并于2023-06-01向国家知识产权局提交的专利申请。

本一种基于端边云协同的选煤热值预测方法与系统在说明书摘要公布了：本发明提出一种基于端边云协同的选煤热值预测方法与系统，该方法包括：选取影响热值的相关变量为输入，精煤热值为输出，构建包括线性模型和非线性项的热值数字孪生模型；对进行参数辨识获得辨识误差；根据非线性项和辨识误差构建非线性动态系统vk；采用长短期记忆多层神经网络LSTM构建vk的离线深度学习模型、边侧在线深度学习模型和云端深度学习校正模型根据云端数据库实时更新的所有变量校正校正后的根据预设自校正机制校正基于和非线性动态系统构建热值终点预测模型向输入密度设定值和相关变量数据，输出热值数据预测值。其有益效果是，实现热值实时预测，辅助选煤过程密度决策和热值控制，提高精煤质量。

本发明授权一种基于端边云协同的选煤热值预测方法与系统在权利要求书中公布了：1.一种基于端边云协同的选煤热值预测方法，其特征在于，包括： 选取在工艺角度影响热值变化的相关变量作为模型输入，以精煤热值作为模型输出，建立热值数字孪生模型yk，热值数字孪生模型yk包括线性模型和非线性项； 对线性模型进行参数辨识，得到辨识误差，以根据所述非线性项和所述辨识误差，构建非线性动态系统vk； 采用长短期记忆多层神经网络LSTM构建所述非线性动态系统vk的离线深度学习模型 根据所述离线深度学习模型采用长短期记忆多层神经网络LSTM构建边侧在线深度学习模型和云端深度学习校正模型 将在端侧采集的选煤生产过程的相关变量数据传输至云端数据库； 根据云端数据库中当前实时更新的所有相关变量数据对云端深度学习校正模型的进行校正； 采用校正后的云端深度学习校正模型根据预设自校正机制对边侧在线深度学习模型进行校正，以此完成对非线性动态系统vk的校正，得到非线性动态系统的估计值 基于线性模型和非线性动态系统的估计值构建终点预测模型 向所述终点预测模型输入密度设定值和相关变量数据，所述终点预测模型输出热值数据预测值，以实现选煤过程的热值预测； 所述热值数字孪生模型的公式如下： 其中，yk为精煤热值，xu,u＝[1，9]为相关变量，x1为重介密度设定值；x2为第一重介桶密度；x3为第二重介桶密度；x4为第一重介桶液位；x5为第一重介桶液位；x6为第一旋流器压力；x7为第二旋流器压力；x8为第一阀门开度；x9为第二阀门开度，nv，v＝[1，9]为变量滞后时间，k为采样时刻，为参数辨识方程，为非线性项，a、b、c、d、e、f、g、h、i、l为辨识参数； 对线性模型进行参数辨识，得到辨识误差，以根据所述非线性项和所述辨识误差，构建非线性动态系统vk，包括： 根据热值数字孪生模型yk确定线性模型 将表示为Yk＝Xk-1θ，基于最小二乘算法的目标函数J1对参数θ进行辨识，得到参数θ的估计值其中，其中，Yk为输入向量，Yk＝[ykyk+1yk+2…yk+N]T，Xk-1为输入矩阵， 将作为辨识误差，根据辨识误差与非线性项构建非线性动态系统vk如下：

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三巷11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。