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！

龙图腾网获悉北京科技大学申请的专利一种基于非确定性隐空间模型的浓密机控制方法及装置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：CN114036821B 。

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：202111227806.0，技术领域涉及：G06F30/27；该发明授权一种基于非确定性隐空间模型的浓密机控制方法及装置是由班晓娟;张子轩;袁兆麟;李潇睿;阮竹恩;王贻明设计研发完成，并于2021-10-21向国家知识产权局提交的专利申请。

本一种基于非确定性隐空间模型的浓密机控制方法及装置在说明书摘要公布了：本发明公开了一种基于非确定性隐空间模型的浓密机控制方法及装置，涉及采矿智能控制技术领域。包括：获取浓密机系统的当前运行参数，当前运行参数包括进出料流量、进出料浓度；将当前运行参数输入到训练好的非确定性离散时间状态空间模型；基于当前运行参数以及训练好的非确定性离散时间状态空间模型，得到浓密机系统的泥层压强变化分布；基于从浓密机系统的泥层压强变化分布中采样得到的结果，根据交叉熵优化算法对浓密机系统的输入控制序列进行优化，得到浓密机系统的最优输入控制序列，对浓密机系统进行控制。本发明能够更好地表示浓密机系统的复杂噪音扰动以及非确定性，因此整套预测及控制方法拥有更好的预测精度以及控制精度。

本发明授权一种基于非确定性隐空间模型的浓密机控制方法及装置在权利要求书中公布了：1.一种基于非确定性隐空间模型的浓密机控制方法，其特征在于，所述方法包括： S1、获取浓密机系统的当前运行参数，所述当前运行参数包括进出料流量、进出料浓度； S2、将所述进出料流量、进出料浓度输入到训练好的非确定性离散时间状态空间模型； S3、基于所述进出料流量、进出料浓度以及所述训练好的非确定性离散时间状态空间模型，得到所述浓密机系统的泥层压强变化分布； S4、基于从所述浓密机系统的泥层压强变化分布中采样得到的结果，根据交叉熵优化算法对所述浓密机系统的输入控制序列进行优化，得到所述浓密机系统的最优输入控制序列，基于所述最优输入控制序列对所述浓密机系统进行控制； 所述S2中的训练好的非确定性离散时间状态空间模型，包括： S21、将泥层压强、进料流量、进料浓度及底流浓度作为系统控制量，底流流量作为可控制输入量，耙架转速和絮凝剂泵转速作为可控的系统噪声量，泥层高度作为系统状态量，构建浓密机系统； 获取所述浓密机系统的历史运行参数；其中，所述历史运行参数包括样本进出料流量、样本进出料浓度、样本泥层压强； S22、基于包含隐变量的深度神经网络，构建浓密机系统的非确定性离散时间状态空间模型，将所述样本进出料流量、样本进出料浓度、样本泥层压强输入到所述非确定性离散时间状态空间模型，得到重构的预测泥层压强，根据所述预测泥层压强及所述样本泥层压强的重构误差对所述非确定性离散时间状态空间模型进行训练； 所述非确定性离散时间状态空间模型包括后验编码模块和先验预测模块； 其中，所述后验编码模块用于隐变量推理，实现所述浓密机系统的历史运行数据的编码； 所述后验编码模块引入确定性隐变量序列，使得模型中同时传递确定性隐变量和随机性隐变量，式12表示系统中确定性隐变量ht、随机性隐变量zt及其之间的关联： ht＝fht-1,zt-1,xt-11 zt～pzt|ht2其中f是一个基础的循环神经网络，xt为系统输入，t为系统运行时间； 所述后验编码模块将标准变分下界推广到D步的多部预测的证据下界； 所述先验预测模块用于所述隐变量先验分布表示，实现所述浓密机系统泥层压强的预测； 所述S4中的基于从所述浓密机系统的泥层压强变化分布中采样得到的结果，根据交叉熵优化算法对所述浓密机系统的输入控制序列进行优化，得到所述浓密机系统的最优输入控制序列，基于所述最优输入控制序列对所述浓密机系统进行控制，包括： S41、构建初始状态的最优输入控制序列分布，所述初始状态的最优输入控制序列分布服从高斯分布，采样获取所述最优输入控制序列； S42、构建评价函数，基于所述最优输入控制序列及所述训练好的非确定性离散时间状态空间模型，得到所述浓密机系统泥层压强与设定值之间的误差以及所述浓密机最优输入控制序列的不稳定程度，根据所述评价函数及所述采样获取的所述最优输入控制序列，重新估计最优输入控制序列分布； 评价函数如下式3所示： 其中，Rj为第j个动作序列的评价值，H为控制输入序列长度，rτ表示τ时刻的评价值，表示第j个动作序列τ时刻的系统状态； S43、重复步骤S42，经预设迭代轮次后，将最终求解得到的所述最优输入控制序列的均值作为所述浓密机系统的下一时刻的系统动作。

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科技大学，其通讯地址为：100083 北京市海淀区学院路30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”。