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！

龙图腾网获悉北京化工大学申请的专利基于最小二乘法与窗口降采样的调节阀流量预测建模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：CN115542955B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202211225784.9，技术领域涉及：G05D7/06；该发明授权基于最小二乘法与窗口降采样的调节阀流量预测建模方法是由王友清;崔明亮;脱建勇;侯佟泽;赵经峰;马鑫设计研发完成，并于2022-10-09向国家知识产权局提交的专利申请。

本基于最小二乘法与窗口降采样的调节阀流量预测建模方法在说明书摘要公布了：本发明属于调节阀流量预测技术领域，公开了基于最小二乘法与窗口降采样的调节阀流量预测建模方法，考虑基本的最小二乘回归问题，构建如下的目标函数：针对特征选择问题，在此基础上引入一个权重矩阵Ξ，此时优化问题的目标函数为本发明所提方法借鉴了特征选择算法中的加权思想，通过建立多个流量预测模型，并基于最小二乘方法学习得到不同模型的权重，以此作为评估模型性能的依据；在在线预测过程中，综合各个预测模型的性能评估结果，最终得出阀门当前的流量预测值。解决了实际应用场景下的调节阀流量预测准确性问题，为进一步有效诊断阀门的健康状态提供保障。

本发明授权基于最小二乘法与窗口降采样的调节阀流量预测建模方法在权利要求书中公布了：1.基于最小二乘法与窗口降采样的调节阀流量预测建模方法，其特征在于： 考虑基本的最小二乘回归问题，构建如下的目标函数： 式中，X和Y为相应的样本矩阵，W为待求解的参数矩阵； 针对特征选择问题，在式1的基础上引入一个权重矩阵Ξ，此时优化问题的目标函数如式2所示： 其中，构建目标函数的具体方法，包括以下步骤： S1、数据选取及预处理：采用单回路控制、串级控制策略，设阀门i的开度为opi，流量为pvi，流量设定值为spi，阀门的工作模式为Modei，先从数据库中进行样本筛选，样本筛选需满足如下条件： 式3表示阀门必须处于正常工作状态：当opi＝0和opi＝100时，对应气开阀和气闭阀的关闭状态，此时阀门均不工作；同时，采集阀门处于自动控制模式下的数据，避免人为操作对样本数据的干扰； S2、建模：具有对数特性的流量调节阀，设阀门开度为op，流量大小为pv，其阀门特性表示为： pv＝βeα·op4 式中，α,β为未知参数，通过最小二乘法、群智能优化算法辨识算法得到； 将式4进一步转化为式5的线性模型： lnpv＝α·op+lnβ5 令式5中lnβ＝b，可得式6： 由此完成非线性模型到线性模型的转化；同时，为充分利用训练数据中包含的信息，考虑建立多个辨识模型； 在此，设模型数量为l，得到式7： 式中，且A＝diag{α1,α2,…,αl}； 为评估l个不同模型的性能，利用数据挖掘领域中的特征选择思想，为辅助建模过程，构造训练样本矩阵，具体方式为： 选定长度为l的窗口，窗口滑动步长选为t，将窗口按步长t滑动n次，即可得到n段长度为l的时间序列； 式7通过窗口降采样得到的n段时间序列按采样顺序组合成相应的矩阵形式，可分别得到如下样本矩阵： 故式7可以整理为： 对于式8，采用最小二乘法辨识参数矩阵A和偏置向量构造如下的目标函数，其中η为超参数： 通过对OP扩维，将参数引入A矩阵， 目标函数得以进一步简化为式11： 为实现模型性能评估，定义权重向量并满足σi＞0,i＝1,2,…,l，同时定义一个对角矩阵∑，并且将∑引入目标函数式9，可得： 此时，令将其代入式12为： 至此，优化问题表示为： 显然，式14为带约束的优化问题，利用拉格朗日乘数法解决：先构造相应的拉格朗日函数式15： 式中，表示矩阵的转置的第i行，将L对σ求偏导，令偏导数为0，可得： 得到又因为进一步求得得到式17： 将式17代入式14，则优化问题得到进一步转化， 式中： 由于故式18所述优化问题等价于： 对式20中的目标函数求并令导数为0，得到式21： 式中，为对角矩阵，并且满足： 在此，令代入式21可得： 式中，通常满足n＞＞l+1，故OPOPT-1一定存在；同时，矩阵X与有关，因此通过迭代法求解式23中的进而可得A，等参数； S3、测试：在测试阶段，将每一时刻的采样值optest分别输入到辨识得到的l个阀门模型，并进行加权，作为某一时刻最终的流量预测，得到式24： S4、收敛性分析：为证明上述问题的收敛性，首先需要引入以下引理： 引理1：对于任意两个非零向量由基本不等式a-b2≥0推导得出： 由式20和式21，将原优化问题等价为式26： 将式26进一步转化为式27： 式27所述的优化问题在第k+1次迭代满足： 即： 进一步推算： 由引理1可知式32成立： 结合式31和式32，得到必然成立的式33： 进一步推算得到式34： 式34表明，式27所述优化问题最终会使得式20中的目标函数收敛，收敛性得证。

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北京化工大学，其通讯地址为：100029 北京市朝阳区北三环东路15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。