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！

龙图腾网获悉大连理工大学申请的专利一种基于AI协同节能阀门集群控制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：CN121254642B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511821499.7，技术领域涉及：G05B13/04；该发明授权一种基于AI协同节能阀门集群控制方法及系统是由宋学官;曾令杰;马新奥;杜长青;申翔东;杨春迪;丛铭设计研发完成，并于2025-12-05向国家知识产权局提交的专利申请。

本一种基于AI协同节能阀门集群控制方法及系统在说明书摘要公布了：一种基于AI协同节能阀门集群控制方法及系统，属于工业过程控制与人工智能交叉技术领域步骤为：第一步，阀门集群系统建模与优化问题确定；第二步，构建智能优化模型；第三步，基于联邦学习对智能优化模型进行训练；第四步，在线协同控制与持续学习；通过节能阀门集群控制系统实现，包括阀门集群系统建模模块、智能优化模型构建模块、智能优化模型联邦学习训练模块、协同控制与持续学习模块本发明能够实现阀门集群系统状态与最优阀门开度向量的直接、动态映射，能动态、有区分地整合阀门、边和节点的关键局部信息，完成精准、自适应的协同；显著降低系统总能耗，实现阀门集群系统全局能效最优和动态持续优化。

本发明授权一种基于AI协同节能阀门集群控制方法及系统在权利要求书中公布了：1.一种基于AI协同节能阀门集群控制方法，其特征在于，所述基于AI协同节能阀门集群控制方法包括以下步骤： 第一步，阀门集群系统建模与优化问题确定；将阀门集群系统构建为一个关于总能耗的数学模型，并基于阀门集群系统协同节能的优化目标，满足包括节点压力约束、支路流量约束、阀门开度约束、核心设备负载约束和管道流速约束的约束条件，完成以阀门集群系统总能耗最小为优化问题的描述； 第二步，构建智能优化模型；基于第一步建立的优化问题，通过设计智能优化模型的输入、输出，采用融合注意力机制的图神经网络GNN，以实现阀门集群系统状态与最优阀门开度向量的直接、动态映射，完成智能优化模型的构建； 第三步，基于联邦学习对智能优化模型进行训练；基于第二步构建好的智能优化模型，通过联邦学习框架设计最小化损失函数，进行智能优化模型训练与更新，并经多次迭代循环直到收敛，得到阀门集群系统全局模型；具体的： 步骤3.1，训练目标与参数定义；基于第二步构建好的智能优化模型，训练一个高质量的阀门集群系统的全局模型，其中为全局模型参数，其训练目标为能够根据系统状态，输出使全局能耗最小化且满足所有约束的阀门开度指令；同时定义k个边缘节点参与训练，每个节点k拥有其私有数据集；定义联邦学习训练轮次，采用t=0,1,2,...,T表示训练轮次；其中，k的取值范围为3~500，T的取值范围为20~100； 步骤3.2，多端初始化；基于步骤3.1获得的全局模型参数，在云平台，随机初始化全局模型参数，并将云平台当前最新的全局模型参数下发给所有被定义的边缘节点，实现各边缘节点全局模型参数的同步初始化； 步骤3.3，智能优化模型训练；基于步骤3.1获得的私有数据集和步骤3.2获得的云平台当前最新的全局模型参数，进行智能优化模型训练，得到私有数据集； 步骤3.4，设计最小化损失函数；基于步骤3.3获得的训练后私有数据集，设计最小化损失函数； 步骤3.5，定义智能优化模型优化目标；基于步骤3.4获得的最小化损失函数，确定智能优化模型优化目标，即寻找一组当前最优的各边缘节点全局模型参数，使得当该参数在第k个边缘节点的私有数据集上计算时，得到的值达到最小，如公式21所示： 21； 步骤3.6，全局模型参数更新；基于步骤3.4获得的最小化损失函数，使用随机梯度下降法对步骤3.5中的进行多次更新，直到人工中断： 22； 其中，为本次更新后的各边缘节点全局模型参数，为本次更新前的各边缘节点全局模型参数，为参数学习率，取值范围为，为梯度算子； 同时，基于步骤3.3训练完成的云平台当前最新的全局模型参数，得到多次更新后当前最优的各边缘节点全局模型与训练完成的云平台当前最新的全局模型之间的参数更新量： 23； 步骤3.7，全局模型参数上传与聚合；基于步骤3.6获得的参数更新量，各边缘节点将其上传到云平台；云平台收集到所有参与边缘节点的更新后，执行联邦平均算法： 24； 25； 其中，为随机选择出的边缘节点子集； 最后，云平台更新其训练后当前最新的全局模型参数： 26； 其中，为全局学习率； 步骤3.8，智能优化模型迭代循环与收敛判断；基于步骤3.7更新后的全局模型参数，将其作为下一轮训练的起点继续迭代循环，重复步骤3.3至步骤3.8，直到满足以下收敛条件之一，退出循环，得到训练收敛的阀门集群系统全局模型，实现智能优化模型迭代循环与收敛判断； 第四步，在线协同控制与持续学习；基于第三步训练收敛的阀门集群系统全局模型，通过状态采集与指令生成输出当前时刻所有阀门的最优阀门开度向量指令，并完成最优阀门开度向量指令的下发与执行，最终由智能优化模型进行性能评估与持续学习，实现阀门集群系统全局能效最优和动态持续优化。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。