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充填场景下的深锥浓密机状态分类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：CN115424065B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202211058369.9，技术领域涉及：G06V10/764；该发明授权一种充填场景下的深锥浓密机状态分类方法是由班晓娟;乔浩然;李潇睿;袁兆麟设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种充填场景下的深锥浓密机状态分类方法在说明书摘要公布了：本发明公开了一种充填场景下的深锥浓密机状态分类方法，包括：获取浓密机系统在不同工作状态下的历史工作参数；其中，历史工作参数包括：无工作状态标注的工作参数和有工作状态标注的工作参数；基于对比学习，构建浓密机表示学习网络，并利用无工作状态标注的工作参数进行训练；构建浓密机状态分类器，将有工作状态标注的工作参数输入训练好的浓密机表示学习网络，得到相应的特征表示，利用得到的特征表示对浓密机状态分类器进行训练；获取待分类浓密机的工作参数，对待分类浓密机的当前工作状态进行分类。本发明利用对比学习可以在仅需少量标注数据的情况下对浓密机分类器进行训练并得到准确的分类结果，可对浓密机实时工作状态进行检测和报警。

本发明授权一种充填场景下的深锥浓密机状态分类方法在权利要求书中公布了：1.一种充填场景下的深锥浓密机状态分类方法，其特征在于，包括： 获取浓密机系统在不同工作状态下的历史工作参数；其中，所述历史工作参数包括：无工作状态标注的工作参数和有工作状态标注的工作参数； 基于对比学习，构建浓密机表示学习网络，并利用无工作状态标注的工作参数对所述浓密机表示学习网络进行训练，得到训练好的浓密机表示学习网络； 基于神经网络，构建浓密机状态分类器，将有工作状态标注的工作参数输入训练好的浓密机表示学习网络，得到相应的特征表示，利用得到的特征表示对所述浓密机状态分类器进行训练，得到训练好的浓密机状态分类器； 获取待分类浓密机的工作参数，利用训练好的浓密机表示学习网络提取待分类浓密机的工作参数的特征表示，然后将提取到的特征表示送入训练好的浓密机状态分类器，对待分类浓密机的当前工作状态进行分类，得到分类结果； 所述获取浓密机系统在不同工作状态下的历史工作参数，包括： 采集浓密机系统在历史工作过程中，不同工作状态下的原始工作参数；其中，所述工作状态包括：充填状态、排尾状态以及静置状态；所述工作参数包括：进出料流量、进出料浓度以及泥层压力； 采用线性插值的方式，将采集到的所述原始工作参数转换为均匀时间序列，得到浓密机系统在不同工作状态下的历史工作参数； 所述浓密机表示学习网络包括：序列编码器模块、趋势特征提取模块和周期特征提取模块；其中， 所述序列编码器模块用于对输入的序列数据进行编码，以获得涵盖更多语义信息的高维特征表示； 所述趋势特征提取模块用于提取所述序列编码器模块输出的高维特征表示的趋势性特征，即序列数据的长期变化特征； 所述周期特征提取模块用于提取所述序列编码器模块输出的高维特征表示的周期性特征，即序列数据的周期波动的变化特征； 所述序列编码器模块为时间卷积网络；输入的序列数据先经过一层线性层进行扩维，然后经过一个多层的时间卷积网络将原始序列编码为高维特征表示； 所述趋势特征提取模块使用具有不同窗口大小的混合自回归过滤器进行趋势性特征提取；其中，每个自回归过滤器都是一个因果卷积网络，通过一维因果卷积的方式进行自回归过滤，卷积核大小即为自回归窗口大小，通过对所有自回归过滤器的结果进行均值池化，得到序列数据的趋势性特征提取结果； 所述周期特征提取模块使用快速傅里叶变换将序列从时域转换至频域，再通过线性变换层提取频域特征，最终使用傅里叶逆变换将频域特征转回时域。

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”。