Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京工业大学乔俊飞获国家专利权

北京工业大学乔俊飞获国家专利权

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!

龙图腾网获悉北京工业大学申请的专利基于模块化神经网络的城市固废焚烧过程氮氧化物软测量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:CN112733876B

龙图腾网通过国家知识产权局官网在2025-08-05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:202011168762.4,技术领域涉及:G06F18/23;该发明授权基于模块化神经网络的城市固废焚烧过程氮氧化物软测量方法是由乔俊飞;段滈杉;蒙西;汤健设计研发完成,并于2020-10-28向国家知识产权局提交的专利申请。

基于模块化神经网络的城市固废焚烧过程氮氧化物软测量方法在说明书摘要公布了:基于模块化神经网络的城市固废焚烧过程氮氧化物软测量方法属于固废处理领域,对MSWI中产生的有毒气体——氮氧化物NOx的实时检测能有效控制NOx的排放。工业现场中采用高精密仪器—烟气排放连续监测系统对烟气排放中的NOx浓度进行检测,测量结果受环境影响较大,且设备维护成本高。本发明首先,利用模糊c‑均值算法进行任务分解,将任务分解成不同的子任务;其次,针对不同的子任务,采用径向基函数神经网络分别设计软测量子模型,建立特征变量与NOx间的非线性关系;最后通过级联神经网络对子网络输出进行集成。采用基准实验和某MSWI厂实际数据验证了提出方法的有效性。

本发明授权基于模块化神经网络的城市固废焚烧过程氮氧化物软测量方法在权利要求书中公布了:1.基于模块化神经网络的城市固废焚烧过程氮氧化物软测量方法,其特征在于: 包括数据预处理、任务分解、子模块构建和输出集成四部分; 首先,从MSWI发电厂采集原始过程数据,用X表示;进行归一化和异常值剔除处理和特征选择后得到数据集Q,Q中包含的样本大小为N,过程变量个数为P;然后采用FCM算法对数据集Q进行任务分解得到C组具有不同运行工况的数据簇,用表示聚类之后相应的第1个、第2个以及第C个运行工况下的数据簇,其中C表示运行工况个数,即数据簇的个数;接着针对每个运行工况构建相应的RBF子模块,分别用RBF_1,RBF_2,…,RBF_C表示,在不同运行工况下建立输入的过程变量和NOx之间的非线性映射关系;最后将多个同时被激活的子模型的输出采用FCC神经网络集成,对各个子模型输出综合评价得到最终输出,其中Ytrain和Ytest分别表示; 数据预处理包括: 采用Z-score标准化方法,如式1所示; 其中,xnor_m表示影响NOx排放浓度的第m个过程变量标准化后的数据,xm表示采集到原始数据集中第m个过程变量,μm和σm分别表示第m个过程变量的均值和标准差; 采用Rajda准则即高于NOx浓度数据三倍标准差的方法剔除原始数据中的异常值,如式2所示; |yo-μNOx|≥3σNOx2 其中,yo表示样本中第o个原始数据样本对应的NOx浓度数据,μNOx和σNOx分别表示NOx浓度数据的均值和标准差,将满足式2的NOx数据yo视为异常值,则应把第o个样本从数据集中剔除,那么预处理后数据集表示为S,则S= [s1,s2,...,sN]T,s1,s2,...,sN分别表示剔除异常值后得到的第1个、第2个以及第N个样本,N表示剔除异常值后样本大小; 对预处理后得到的数据集S进行特征选择,通过MI来度量各个数据集S中过程变量之间的关系,MI定义如式3所示; 其中,I表示第i个过程变量si和第j个过程变量sj之间的关联度,psi和psj分别为si和sj的概率密度函数,psi,sj为第i个过程变量si和第j个过程变量sj的联合概率密度函数,因此,最大化过程第i个过程变量和NOx浓度之间的相关性表述为 其中D表示数据集S中的每个过程变量和NOx浓度的关联程度,si和sNOx分别为第i个过程变量和NOx浓度变量,S为经过过程变量归一化和NOx异常值剔除后的数据集;同理,最小化过程变量之间的冗余度表述为 其中,R表示过程变量之间的关联程度,将式4和式5结合起来得到mRMR算法的评估准则Φ为 maxΦD,R,Φ=D-R6 经过特征选择后的数据集表示为Q,样本大小和选择的过程变量个数分别为用N和F表示; 将数据Q分成三部分,划分比为2:1:1,分别用Q1、Q2和Q3表示,这三个子数据集的大小分别为N1,N2和N3,则Q=Q1∪Q2∪Q3,N=N1+N2+N3,N表示划分前数据集的大小,首先利用Q1进行任务分解,得到不同运行工况下的过程变量子集;然后为每一个工况下的子集训练相应的RBF子网络模型,建立每一个运行工况下的过程变量和NOx之间的映射关系;然后利用Q2对各个运行工况下所建立的子模型进行测试,同时利用子模型对NOx的测试输出训练FCC神经网络;最后利用Q3测试RBF子模型和FCC神经网络,完成对整个NOx排放浓度软测量模型的测试。

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工业大学,其通讯地址为:100124 北京市朝阳区平乐园100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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。