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！

龙图腾网获悉华北电力大学申请的专利一种基于EffiCANet和KAN网络的重型燃气轮机智能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：CN120068609B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510114278.X，技术领域涉及：G06F30/27；该发明授权一种基于EffiCANet和KAN网络的重型燃气轮机智能建模方法是由黄从智;曹潇剑;侯国莲设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本一种基于EffiCANet和KAN网络的重型燃气轮机智能建模方法在说明书摘要公布了：本发明公开了一种基于EffiCANet和KAN网络的重型燃气轮机智能建模方法，属于重型燃气轮机智能建模技术领域，包括以下步骤：S1、确定输入变量和输出变量；S2、根据S1的结果采集重型燃气轮机的历史运行数据，进行预处理后利用变分模态分解对数据进行降噪；S3、构建基于EffiCANet和KAN网络的重型燃气轮机模型，初始化网络参数，将S2处理的数据集输入到模型中进行训练，计算总损失；S4、基于总损失，采用阿尔法进化算法优化EffiCANet网络超参数，当目标函数值收敛后停止，获得最优超参数，完成模型构建。本发明所保护方法在保障模型满足变量实际运行数据映射关系的同时，强化模型的可解释性和泛化能力，采用阿尔法进化算法对网络超参数进行寻优，提高了模型的准确性。

本发明授权一种基于EffiCANet和KAN网络的重型燃气轮机智能建模方法在权利要求书中公布了：1.一种基于EffiCANet和KAN网络的重型燃气轮机智能建模方法，其特征在于，包括以下步骤： S1、基于重型燃气轮机的运行特性，采用斯皮尔曼相关系数对变量进行相关性分析，确定输入变量和输出变量； S2、根据S1的结果采集重型燃气轮机的历史运行数据，进行预处理后利用变分模态分解对输入变量的数据进行降噪； S3、构建基于EffiCANet和KAN网络的重型燃气轮机模型，初始化网络参数，将S2处理后的数据集输入到模型中进行训练，计算总损失；具体步骤如下： S31、将S2处理后的数据采用矩阵的形式输入至EffiCANet网络中，其中，表示批尺寸大小，表示特征变量个数，表示窗口长度；将每个滑窗数据通过非挤压操作增加维度，通过核大小为P、步长为S的卷积层将序列划分为个补丁，将每个输入通道映射为D个输出通道，得到； 其中，； S32、通过时序大核分解卷积模块提取多元时间序列中的短期和长期特征，采用深度智能卷积提取短期依赖关系，采用深度扩展卷积提取长期依赖关系，将两元素相加； S33、通过变量组间卷积模块建模变量间的依赖关系，将时间维度进行填充，使得时间维度能被窗口大小整除，实现多个时间窗口间卷积，表示为： ； 其中，为必要的填充长度，为时间维度，为窗口大小； 然后采用首尾填充策略，获取动态模式，表示为： ； ； 其中，为时间维度左侧填充长度，为时间维度右侧填充长度； 为每个张量在通道维度进行一维群卷积，表示为： ； ； 其中，表示标准填充，表示首尾填充，为卷积，为标准填充后的输入数据，为首尾填充后的输入数据，为标准填充并卷积后的数据，为首尾填充并卷积后的数据； 将结果合并后进行卷积处理，得到卷积输出，表示为： ； 其中，为卷积输出； S34、采用全局时间变量注意模块选择性地增强多变量时间序列中时间维度和变量维度的特征学习，给定输入张量，捕获全局时间依赖关系和变量间依赖关系，将时间权重和变量权重与卷积输出结合作为输出；将与输入相结合作为下一模块的输入； S35、通过预测层得到预测值，计算预测值与标签值之间的均方误差，将均方误差作为总损失函数中的数据损失项； S36、拟合重型燃气轮机系统内部的非线性方程，表示为： ； 通过自动微分求得EffiCANet网络的输出结果对于输入的导数，采用KAN网络求得，计算与之间的均方误差，作为总损失函数中的物理损失项； S37、计算总损失指导EffiCANet网络参数更新，总损失表示为： ； 其中，表示总损失，表示数据损失项；表示物理损失项； S4、基于S3得到的总损失，采用阿尔法进化算法优化EffiCANet网络超参数，当目标函数值收敛后停止，获得网络最优超参数，完成模型构建。

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华北电力大学，其通讯地址为：102206 北京市昌平区北农路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”。