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！

龙图腾网获悉合肥水泥研究设计院有限公司申请的专利一种基于在线仿真与深度学习的辊压机控制系统及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：CN119105316B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202411420070.2，技术领域涉及：G05B17/02；该发明授权一种基于在线仿真与深度学习的辊压机控制系统及方法是由水沛;褚彪;范威;高霖;殷腾飞;王广设计研发完成，并于2024-10-11向国家知识产权局提交的专利申请。

本一种基于在线仿真与深度学习的辊压机控制系统及方法在说明书摘要公布了：本发明公开了一种基于在线仿真与深度学习的辊压机控制系统及方法，属于辊压机节能技术领域，本发明通过在线监测技术、CAE动态仿真技术与深度学习技术相结合，对辊压机系统进行智能化控制管理，保障辊压机的稳定运行并提高辊压机生产效率与运行寿命，降低粉磨能耗，提高管理水平。此外本发明提供了一套完整的辊压机产能与寿命优化管理控制系统及方法，集成了在线监测实时高效的优势、CAE动态仿真技术精确捕获微观颗粒动力学的优势与深度学习技术快速相应的优势，对实际复杂多变的辊压机工况进行快速计算、即时响应控制。

本发明授权一种基于在线仿真与深度学习的辊压机控制系统及方法在权利要求书中公布了：1.一种基于在线仿真与深度学习的辊压机控制系统，其特征在于，包括传感器模块、深度学习模块、数值仿真模块、控制模块、执行机构以及人机界面； 传感器模块实时采集设备的运行状态数据，并将这些数据传输至控制模块、深度学习模块和数值仿真模块； 深度学习模块对实时数据和数值仿真结果进行处理和分析，识别运行模式和故障模式，提供优化建议和预警信息给控制模块； 数值仿真模块基于实时数据进行仿真分析，捕获辊压机内部的微观颗粒动力学数据，预测设备的使用寿命和产能，将仿真结果传递给深度学习模块和控制模块； 控制模块根据深度学习结果和仿真结果，进行决策和优化控制，生成控制指令发送给执行机构； 执行机构根据控制指令，调整辊压机的运行参数； 人机界面提供操作界面； 根据辊压机控制系统进行的一种基于在线仿真与深度学习的辊压机控制方法，包括如下步骤： S1、建立数值仿真模型 基于颗粒动力学仿真软件，采用DEM对颗粒动力学行为及颗粒-几何相互作用行为进行建模仿真，按照辊压机实际工作参数设置边界条件，并提交计算； 对辊压机DEM颗粒动力学仿真进行结果分析，探究辊压机对入辊出辊颗粒粒度的变化、辊压机功率与磨损量的影响； S2、仿真结果验证和调整 通过对比仿真结果和实际生产数据，调整仿真模型； S3、输出仿真数据 仿真模型校验后，仿真结果输出到控制模块和深度学习模块； S4、建立深度学习分析预测模型 深度学习模块对厂区生产数据和仿真结果进行分析，建立深度学习分析预测模型，用于预测辊压机的关键性能指标； S5、深度学习分析预测模型验证和调整 基于厂区实际生产数据和仿真结果，对深度分析预测模型进行验证，并使用贝叶斯优化方法调整模型参数； S6、输出分析数据 深度学习分析预测模型检验后，将分析结果输出到控制模块，控制模块利用这些数据提供优化决策支持； 采用MPC建立辊压机系统的离散时间状态空间模型为： xk+1＝Axk+Buk+wk yk＝Cxk+vk 其中，xk∈Rn：系统状态向量，包括辊压机的产量、辊缝、温度；uk∈Rm：控制输入向量，包括辊压机喂料量、给定压力；yk∈Rp：输出测量向量，包括传感器测量数据；A、B、C：系统矩阵，描述系统动力学特性；wk、vk：过程噪声和测量噪声，假设为零均值高斯噪声； 在预测时域Np内，通过优化控制输入序列Uk＝{uk,uk+1,…,uk+Np-1}最小化以下目标函数： 其中，Np：预测时域长度，yref,k+i：第k+i时刻的参考输出；Δuk+i-1＝uk+i-1-uk+i-2：控制输入的增量；加权二次范数；Q、R：正定加权矩阵，分别权衡跟踪误差和控制增量的代价；随后基于该目标函数形成一个二次规划问题： s.t.EΔU≤F 其中，E、F：由系统约束条件构建的矩阵和向量，使用优化算法求解该二次规划问题，得到最优控制序列。

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合肥水泥研究设计院有限公司，其通讯地址为：230000 安徽省合肥市包河区望江东路60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”。