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！

龙图腾网获悉中国农业大学申请的专利基于GAT与HRL的山地滴灌管网压力均衡调节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：CN120725411B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511248710.0，技术领域涉及：G06Q10/0631；该发明授权基于GAT与HRL的山地滴灌管网压力均衡调节方法是由周博;贾彤;易金池;李云开设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本基于GAT与HRL的山地滴灌管网压力均衡调节方法在说明书摘要公布了：本发明公开了一种基于GAT与HRL的山地滴灌管网压力均衡调节方法，属于智能控制技术领域，包括采集山地滴灌管网基础数据构建数据集并预处理；基于预处理后的山地滴灌管网数据，构建山地滴灌管网的图注意力网络GAT的时空图结构，用于对山地滴灌管网进行异常检测、压力检测和对阀门进行协同调控；使用分层强化学习HRL对山地滴灌管网设计逐级调控决策；采用EPANET进行仿真实验检验决策的可行性。本发明采用上述方法，通过GAT的动态多头注意力机制，能够精准量化节点间的水力交互权重，结合HRL的层级决策架构，自适应生成阀门调控策略，显著提升复杂地形下压力预测与动态控制的协同优化能力。

本发明授权基于GAT与HRL的山地滴灌管网压力均衡调节方法在权利要求书中公布了：1.一种基于GAT与HRL的山地滴灌管网压力均衡调节方法，其特征在于，包括以下步骤： S1、采集山地滴灌管网基础数据构建数据集并预处理，基础数据包括历史爆管记录、用户用水量数据、压力监测数据、动态时序数据； 数据预处理包括以下内容： 进行数据清洗，针对动态时序数据的传感器数据中的缺失片段采用线性插值法填补，并对超出合理范围的压力值标记为异常，结合设备日志人工复核后剔除； 在边属性处理中，对管道长度和坡度绝对值进行极差标准化； 通过遍历管网所有管道，记录长度属性的全局最大值和最小值，按公式1将各管道长度线性映射至0，1区间： 1 对于坡度属性取其绝对值后采用公式2计算，坡度方向则保留原始二元编码： 2 其中，表示管网中所有管道坡度绝对值的最小值；表示管网中所有管道坡度绝对值的最大值； 提取压力数据的24小时滑动平均值、峰值波动率时序特征，增强模型对周期性规律的捕捉能力； 通过地理信息系统坐标匹配节点与传感器位置，构建节点-边-传感器关系矩阵，实现多源数据的空间关联； 数据集按时间跨度划分为训练集、验证集和测试集； S2、基于预处理后的山地滴灌管网数据，构建山地滴灌管网的图注意力网络GAT的时空图结构，用于对山地滴灌管网进行异常检测、压力检测和对阀门进行协同调控；内容如下： 构建具有动态注意力感知的时空图结构G=V,E，其中节点集合V表征各灌溉小区进水口压力流量监测点，通过静态与动态特征双重描述； 边集合E描述管道连接关系，物理属性包含管道长度、内径、归一化坡度特征和老化程度，而动态参数则包括由相邻节点流量差计算的实时流速、经Z-score标准化的压降值、阀门开度状态，以及依据坡度方向编码的流向标记； 基于边属性使用公式3融合坡度方向与压降梯度计算初始注意力系数： 3 其中，表示边特征变换矩阵；a表示注意力机制参数向量；表示向量拼接操作；表示高程差权重系数；LeakyReLU表示激活函数；表示高程差； 通过Softmax函数对初始注意力系数归一化，使用公式4计算得到归一化注意力权重，归一化后满足； 4； 采用特征聚合与多头拼接，每个注意力头的输出特征为公式5，节点特征通过多头拼接融合得到公式6； 5 6 其中，表示第k个注意力头对节点i的更新后特征表示；表示激活函数，用于引入非线性；表示对节点i的所有邻居节点j进行求和；表示节点i的邻居集合；表示第k个注意力头中节点j对节点i的归一化注意力权重；表示第k个注意力头的可学习权重矩阵，用于对节点特征进行线性变换；表示节点j的原始输入特征向量； 图注意网络的输出层包括： 压力预测，通过多层感知映射节点特征至压力值，采用注意力权重加权的均方误差损失函数，优化逆坡段、大面积地块节点的预测精度； 异常检测，动态计算异常评分，实时识别权重分布紊乱的高风险区域，输出异常风险概率； 梯度场生成，融合压力梯度与注意力权重，量化节点间压力传导强度，指导HRL优先调控高梯度-高权重的拓扑敏感区域； S3、使用分层强化学习HRL对山地滴灌管网设计逐级调控决策； 逐级调控决策包括上层策略和下层策略，上层策略内容如下： 当GAT检测到某逆坡管段压力梯度超过阈值，HRL上层将该区域标记为高风险，下层策略启动逆坡增压泵，并将调控后的压力数据输入GAT重新计算梯度场，形成动态优化； HRL上层策略的输入包括：GAT预测的全网压力分布特征，标注高压力梯度区及异常风险概率＞0.8的节点，划分高梯度区域为优先调控分区；历史调控记录，过去30天内各区域调控次数、能耗统计及爆管事件分布；实时气象数据，灌溉计划； HRL上层策略进行区域划分与目标设定，按坡度将管网划分为陡坡区、缓坡区和平坦区，结合管网层级定义子区域；引入地块面积补偿因子，修正目标压力计算公式7，用于动态计算适应逆坡段及大面积地块供水需求的目标压力，使得毛管末端目标压力下限为0.1MPa，上限为0.2MPa： 7 其中，表示坡度补偿系数；表示面积补偿系数； HRL上层策略根据GAT输出的异常风险概率与历史爆管次数按照公式8叠加面积权重，生成调控优先级分数； 8 HRL上层策略的输出包括压力分区方案；按优先级排序的调控指令； 下层策略内容如下： HRL下层策略接收上层策略分配的区域目标，结合实时传感器数据与GAT补全的压力信息，通过对设备生成控制指令，实现调节； HRL下层策略的输入包括上层策略指定的区域目标压力；区域内节点压力、流量偏差、设备状态；约束条件，包括阀门最小响应时间和管道最大承压； 下层策略根据山地滴灌管网动态调控需求构建多层级协同策略，包括常规控制层和应急控制层： 在常规控制层，阀门开度采用连续动作空间进行精细化调节，通过水力梯度场分析优先对高压区域实施降压操作，依据相邻节点压力梯度方向与拓扑跳数动态生成阀门调节优先级序列，实现管网压力均衡； 应急控制层引入基于图神经网络的实时风险评估机制，当GAT模型输出的异常风险概率超过0.9或监测节点压力突破安全阈值时，同步执行拓扑关联阀门的紧急关闭、启动备用管道补偿流量的切换操作，维持节点压力稳定； HRL下层的奖励函数设计包括压力稳定性奖励9、能耗与风险平衡奖励10： 9 10 其中，表示实际监测的压力值；表示系统设定的目标压力值； 常规控制层和应急控制层在进行动作空间设计时采用渐进式调节与动态反馈机制对山地滴灌管网实施调控： 在常规控制中，阀门开度以每2分钟不超过5%的步长进行梯度调整，结合水力梯度场分布动态优化调节方向；水泵功率切换遵循需求响应的阶梯策略，从中功率提升至高功率时维持5分钟过渡期，期间基于边属性中的老化程度与实时流量差值修正功率曲线； 应急控制引入多级联控机制，当管道压力突破阈值时，系统通过广度优先搜索定位异常点最近的上游阀门并关闭，同时激活下游预设的增压泵组进行压差补偿，并在图神经网络中同步更新受影响节点的压力预测值，针对逆坡输水管段，依据实时流量数据，通过动态增压公式11计算所需增压值： 11； S4、采用EPANET进行仿真实验检验决策的可行性；内容如下： 在每次调控后，EPANET模拟全网压力分布，验证压力稳定性、风险可控性及能效平衡性三大指标； 达标动作通过经验回放机制存入强化学习训练池，驱动策略网络按梯度公式12更新： 12； 未达标动作触发惩罚并启动拓扑补偿策略，定位异常节点，生成阀门开度补偿序列13迭代修正： 13； 同时，时空压力数据实时回传至GAT进行增量训练，HRL策略则根据补偿成功率动态调整奖励权重。

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农业大学，其通讯地址为：100083 北京市海淀区清华东路17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。