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！

龙图腾网获悉中国矿业大学申请的专利一种井下机器人动力单元数字孪生监测方法及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：CN120559482B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202511046025.X，技术领域涉及：G01R31/367；该发明授权一种井下机器人动力单元数字孪生监测方法及系统是由李猛钢;金智文;胡而已;周公博;唐超权;彭玉兴;周坪;李悦;许少毅;江帆;常向东设计研发完成，并于2025-07-29向国家知识产权局提交的专利申请。

本一种井下机器人动力单元数字孪生监测方法及系统在说明书摘要公布了：本发明具体公开了一种井下机器人动力单元数字孪生监测方法及系统，涉及矿山设备智能监测与数字孪生技术领域。该方法步骤为：S1、对电池实体进行多模态数据采集；S2、对多模态数据进行预处理并传入数字孪生空间；S3、构建电池的孪生模型并对传入的数据进行物理建模；S4、对电池的健康状态进行推演，并预测未来健康状态；S5、监测井下机器人工作时的瓦斯浓度；S6、当电池的健康状态预测值及瓦斯浓度即将超过安全阈值时，进行预警提示；S7、发生预警后，通过控制各安全元件工作，保证井下机器人在井下工作的安全性。该方法融合了数字孪生与多模态大模型技术，提升了监测效率与准确率，为井下机器人作业安全提供可靠保障。

本发明授权一种井下机器人动力单元数字孪生监测方法及系统在权利要求书中公布了：1.一种井下机器人动力单元数字孪生监测方法，其特征在于，步骤如下： 步骤S1、对电池的应力、温度、电学、变形及热失控有关参数进行多模态数据采集； 步骤S2、对采集的多模态数据进行预处理，并将预处理后的数据传入数字孪生空间； 步骤S3、在孪生空间中构建电池的孪生模型并对传入的数据进行物理建模以监测当前电池状态； 步骤S4、通过多模态大模型对电池的健康状态进行推演，并对电池的未来健康状态进行预测； 步骤S5、在井下机器人外部及防爆隔腔内、外部分别加装瓦斯传感器，监测井下机器人工作时的瓦斯浓度； 步骤S6、当电池的健康状态预测值及瓦斯浓度即将超过安全阈值时，通过预警系统在孪生空间中进行预警提示； 步骤S7、发生预警后，通过控制各安全元件工作，保证井下机器人在井下工作的安全性； 在步骤S3中，使用多物理场耦合建模的方法对井下机器人的动力单元参数进行全方面直观地呈现，包括： 构建应力-应变耦合模型监测电池应力引起的变形； 构建基于热-声耦合的模型通过模拟温度引起的超声信号时延、衰减、频散的变化监测电池内部温度的变化； 构建等效电路模型预测电池的电压电流，通过采集得到的电压电流计算电池的内阻值，结合采集的温度数据通过构建半经验衰减模型来推测电池的容量； 构建温度-变形耦合模型监测电池内部温度与形变之间的关系以监测电池的变形； 构建热-电耦合模型，监测电池的温度分布以判断电池内部电流电压的状态； 构建电-力耦合模型，对电池内部电流与电压进行实时监测，防止电压电流异常引起应力集中； 构建热-气体耦合模型确保在电池早期温升阶段避免热失控，从而防止气体的产生； 在步骤S4中，通过多模态大模型与物理模型协同的方法对电池未来健康状态进行预测，步骤如下： 步骤S41、从各耦合模型中进行特征提取，分别提取电压、电流、温度、应力、应变的变化率、均值、方差、最大值、最小值及浓度的上升速率和变化趋势； 步骤S42、将提取的特征映射到同一的语义空间进行对齐，通过全连接层对不同模态的特征进行变换，并通过损失函数进行优化调整； 步骤S43、使用串联的方法将电压、电流、温度、应力、应变及浓度的对齐特征融合成单个联合表示，形成联合特征向量； 步骤S44、特征成功串联后，通过一个线性变换层来降低维度并创建一个统一的融合特征向量； 步骤S45、选择ReLU激活函数构建回归网络并对其进行训练，将融合特征向量输入到跨模态注意力网络与扩散模型组成的回归网络中，输出电池各状态参数的预测值； 步骤S46、在预测过程中，多模态大模型调用物理耦合模型，进行实时推理计算，利用物理耦合模型的输出作为约束条件，不断优化自身的预测结果； 在步骤S6中，采用多参数综合预警的方法对井下机器人动力单元进行智能预警，提前识别潜在的安全风险并采取措施，减少事故造成的损失，包括以下步骤： 步骤S61、构建混合神经网络：使用时间卷积网络处理电压、电流、应力的时间序列数据；将温度数据转化成三维点云格式，并使用图神经网络处理三维温度点云数据；使用图同构网络处理电池的应变数据；使用图神经网络处理气体浓度及瓦斯浓度的空间分布数据； 步骤S62、将物理耦合模型的输出、多模态大模型的输出以及实时监测数据进行拼接，将实时映射模型的输出及实时监测数据的特征进行拼接，形成两个综合特征向量，并通过全连接层对综合特征向量进行处理； 步骤S63、对历史数据进行标注，标记出正常状态、异常状态和严重异常三个不同等级的状态，并对混合神经网络进行训练，优化模型参数； 步骤S64、根据混合神经网络模型输出的风险指标，将预警结果划分为不同的风险等级，并根据风险等级生成相应的系统提示； 步骤S65、将训练好的混合神经网络模型进行部署，综合考虑电池温度、应力、电流、电压、气体浓度及瓦斯浓度，当其中某个或多个参数变化趋势异常或即将超过安全阈值时，系统发出对应预警。

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国矿业大学，其通讯地址为：221116 江苏省徐州市铜山区大学路1号中国矿业大学南湖校区；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。